Пересмотрено: Редактор ИИ, созданный с помощью агентных инструментов программирования и Y.js CRDT

✍️ OpenClawRadar📅 Опубликовано: 22 марта 2026 г.🔗 Source
Пересмотрено: Редактор ИИ, созданный с помощью агентных инструментов программирования и Y.js CRDT
Ad

Техническая реализация

Revise был создан за 10 месяцев с использованием агентных инструментов кодирования, при этом разработчик сообщил, что никогда не работал так быстро за всю свою карьеру. Архитектура включает движок текстового процессора и слой рендеринга, полностью созданные с нуля. Единственная сторонняя библиотека, которая используется, — это Y.js для стека CRDT (Conflict-Free Replicated Data Type).

AI-функции

Редактор интегрирует несколько AI-моделей для обработки документов:

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

AI-агент работает бок о бок с пользователями в одном интерфейсе, предоставляя встроенную проверку и предложения по редактированию. Он может обнаруживать несоответствия в документах, такие как расхождения в хронологии или противоречивые утверждения об изменениях доходов.

Возможности обработки документов

  • Импорт документов Word и Google Docs
  • Извлечение содержимого из PDF с использованием мультимодальных LLM
  • Проверка, редактирование и совершенствование существующих документов
  • Функция экспорта с различными настройками
Ad

Пользовательская настройка

Revise со временем изучает предпочтения пользователя, включая:

  • Предпочтения по местоимениям (например, они/их)
  • Предпочтения по стилю обратной связи (прямой vs. мягкая похвала)
  • Предпочтения по орфографии (американский vs. другие варианты)
  • Предпочтения по форматированию (APA 7, использование оксфордской запятой)
  • Предпочтения по тону (тёплый и точный, избегая восклицательных знаков)
  • Соображения доступности
  • Предпочтения по структуре документа (короткие абзацы, лаконичные черновики)

Предпочтения в техническом письме

Система поддерживает конкретные требования к технической документации:

  • Утверждения о производительности должны включать настройку бенчмарка, форму нагрузки, размер выборки и сравнения с базовым уровнем
  • Предпочтение конкретным API-контрактам с полезными данными запроса/ответа, правилами пагинации и семантикой идемпотентности
  • Критические изменения должны быть явно указаны (изменения API, обратное заполнение данных, миграции индексов, ограничения версий клиентов)
  • Требования в виде нумерованных критериев приемки с пограничными случаями, поведением при повторе и деталями истечения срока
  • Доверие к метрикам, таким как p95, бюджеты ошибок, глубина очереди и количество инцидентов, а не к прилагательным

📖 Read the full source: HN AI Agents

Ad

👀 Смотрите также

Брокколи: Открытая платформа для запуска ИИ-агентов по программированию из задач Linear в облачных песочницах.
Инструменты

Брокколи: Открытая платформа для запуска ИИ-агентов по программированию из задач Linear в облачных песочницах.

Broccoli — это инструмент с открытым исходным кодом, который берет задачи из Linear, выполняет их в изолированных облачных песочницах с помощью Claude и Codex и открывает PR для проверки человеком. Работает на вашей собственной инфраструктуре Google Cloud с промышленным уровнем развертывания.

OpenClawRadar
mnemos: постоянный слой памяти для ИИ-агентов программирования (Go, MCP-Native, без Python)
Инструменты

mnemos: постоянный слой памяти для ИИ-агентов программирования (Go, MCP-Native, без Python)

mnemos — это Go-основанный MCP-нативный слой памяти для AI-агентов, занимающихся кодингом. Автор создал верификатор для измерения прироста: +40% в совокупности для сценариев чтения, но только 53% захвата при записи после итеративных исправлений.

OpenClawRadar
Три репозитория для разработки RAG и AI-агентов
Инструменты

Три репозитория для разработки RAG и AI-агентов

В посте на Reddit выделены три репозитория для разработчиков, работающих с RAG и AI-агентами: memvid для памяти агентов, llama_index для RAG-пайплайнов и Continue для ассистентов программирования. Автор отмечает, что чистый RAG лучше всего подходит для извлечения знаний, в то время как системы памяти лучше для агентов, а гибридные подходы часто используются в реальных инструментах.

OpenClawRadar
iai-mcp: локальный демон для постоянной памяти OpenClaw между сессиями
Инструменты

iai-mcp: локальный демон для постоянной памяти OpenClaw между сессиями

iai-mcp — это открытый демон, который перехватывает все разговоры OpenClaw, хранит их в трёх уровнях памяти с локальными нейронными эмбеддингами и шифрованием AES-256, а при новых сессиях подгружает релевантный контекст — точность воспроизведения >99%, время поиска <100мс, стоимость начала сессии <3к токенов.

OpenClawRadar