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
