Révision : Éditeur IA conçu avec des outils de codage agentique et Y.js CRDT

Implémentation technique

Revise a été développé sur 10 mois à l'aide d'outils de codage agentique, le développeur rapportant n'avoir jamais travaillé aussi rapidement dans sa carrière de développement. L'architecture comprend un moteur de traitement de texte et une couche de rendu entièrement construits à partir de zéro. La seule bibliothèque tierce utilisée est Y.js pour la pile CRDT (Conflict-Free Replicated Data Type).

Fonctionnalités IA

L'éditeur intègre plusieurs modèles d'IA pour le traitement de documents :

• GPT-5.4 Mini
• GPT-5.4
• GPT-5.4 Pro
• Claude Haiku 4.5
• Claude Sonnet 4.6
• Claude Opus 4.6

L'agent IA travaille côte à côte avec les utilisateurs dans la même interface, fournissant des suggestions de relecture et de révision en ligne. Il peut détecter les incohérences dans les documents, telles que les décalages de chronologie ou les déclarations contradictoires concernant les changements de revenus.

Capacités de traitement de documents

• Importer des documents Word et Google Docs
• Extraire le contenu des PDF à l'aide de LLM multimodaux
• Relire, réviser et perfectionner les documents existants
• Fonctionnalité d'exportation avec divers paramètres

Personnalisation utilisateur

Revise apprend les préférences des utilisateurs au fil du temps, notamment :

• Préférences de pronoms (par exemple, ils/elles)
• Préférences de style de feedback (direct vs. éloges fleuries)
• Préférences orthographiques (États-Unis vs. autres variantes)
• Préférences de formatage (APA 7, utilisation de la virgule d'Oxford)
• Préférences de ton (chaleureux et précis, évitant les points d'exclamation)
• Considérations d'accessibilité
• Préférences de structure de document (paragraphes courts, brouillons concis)

Préférences de rédaction technique

Le système prend en charge des exigences spécifiques de documentation technique :

• Les affirmations de performance doivent inclure la configuration des benchmarks, la forme de la charge de travail, la taille de l'échantillon et les comparaisons de base
• Préférence pour des contrats API concrets avec des charges utiles de requête/réponse, des règles de pagination et une sémantique d'idempotence
• Les changements cassants doivent être signalés (changements d'API, rétro-remplissage de données, migrations d'index, portes de version client)
• Les exigences comme critères d'acceptation numérotés avec cas limites, comportement de nouvelle tentative et détails d'expiration
• Confiance dans les métriques comme les p95, budgets d'erreur, profondeur de file d'attente et nombre d'incidents plutôt que dans les adjectifs