Repowise - системная аналитика в корпорациях
Анализ огромных проектов на дешевой модельке и токенах. В корпорации главная боль — огромный контекст экосистемы: где что находится, как передаются данные и почему простые задачи решаются криво. Базовый LLM модельки не справляются с задачей - «Построй C4 L3 диаграмму и объясни Dataflow для ТОП-5 API запросов».
Тестовый репозиторий - это 2.7 млн токенов информации. Базовый LLM модельки даже в сжатом контексте упираются в лимит( А базовые RAG-механизмы дают кривой контекст
Repowise тут лидер: 8ч индексировался, построил граф на 27к+ нод, 41к связей, 550 документов. Результат - вау. Haiku за 1к токенов выдал корректную C4 диаграмму за одну минуту без каких-либо подсказок. GLM5 за 5к токенов — полная схема со всеми техническими деталями.
И всё это на MacBook Air M3 локально. В режиме MCP сервера нагрузки не замечаю вообще.
Стек эксперимента: • repowise • caveman • serena • superpowers • Claude Code • GLM5 от z.ai
Впервые опубликовано: @corporate_ai. Обсуждения: t.me/ai_pmf/99.
Методология
Методология одной книгой
Как Product Owner ведёт запрос бизнеса от первого письма до результата, который можно показать: пять стадий, у каждой понятный выход. Оставьте почту, и я пришлю книгу.
Читать дальше
- Дизайн-дрифт в Claude Code
Ситуация Дорабатываю интерфейс от Claude Design в уже рабочем проекте Claude Code — много мелких правок на действующем коде Проблема: Через 10 итераций Claude Code сильно уходит…
- Отдельно про Backend
Для меня это отдельная боль, тк 90% всех проектов для теста гипотез - это примитивные REST сервера которые подключаются между разными сервисами.
- AI App Sec и безопасность AI-кода
Semgrep - анализирует код на уязвимости, помогает не пропустить плохие решения от AI-агента в прод и подсвечивает что и где может пойти не так. Приоретизирует ошибки и риски.