Chat z Twoją dokumentacją.
Nie przeciw niej.
RepoMind AI zamienia dowolny plik PDF lub TXT w interaktywnego asystenta. Wgraj dokumentację, zadawaj pytania, otrzymuj odpowiedzi — poparte konkretnymi fragmentami źródłowymi.
Według dokumentacji, webhooki konfiguruje się w sekcji Settings → Webhooks.
Jak to działa
Cztery filary architektury RAG
Każdy komponent jest wymienny dzięki warstwom abstrakcji. Dzisiaj demo, jutro produkcja — bez przepisywania kodu.
Inteligentny retrieval
Pytanie jest embedowane i porównywane z wektorami fragmentów dokumentu. Zwracamy tylko najtrafniejsze konteksty.
Chunking z overlap
Tekst dzielony na semantyczne fragmenty ze sliding window — zachowujemy ciągłość kontekstu między chunkami.
Streaming odpowiedzi
Odpowiedź modelu przychodzi token po tokenie — jak w ChatGPT. Źródła pokazane pod każdą odpowiedzią.
Cloud-ready architektura
Warstwy abstrakcji dla vector store i LLM. Przełączenie z demo na produkcję = zmiana zmiennych środowiskowych.
About Us / O projekcie
Meet the founder / Poznaj twórcę
RepoMindAI is an independent AI software project developed in Poland by Marcin Zapadka. Its early-stage MVP helps users analyze technical documentation and verify answers against cited source passages. The product is being validated as a potential B2B SaaS service.
RepoMindAI to niezależny projekt oprogramowania AI rozwijany w Polsce przez Marcina Zapadkę. Działające MVP umożliwia analizowanie dokumentacji technicznej i sprawdzanie odpowiedzi na podstawie cytowanych fragmentów. Projekt jest na etapie walidacji.
The source repository is private. Access to its PR #7 code requires a separate GitHub invitation.
The working live Ollama + Supabase MVP is available in a separate protected reviewer Preview. This public website is not the private AI reviewer environment.
Founder & Developer / Założyciel i twórca
Marcin Zapadka
Poland · Independent project
Business contact / Kontakt
founder@repomindai.runs-at.devArchitektura
Pipeline RAG od uploadu po odpowiedź
Siedem etapów, dwie ścieżki (ingest & query), jeden interfejs. Każdy komponent można podmienić bez zmiany kodu klienckiego.
VectorStore
upsert · search · list · delete- SupabaseVectorStore (pgvector)
- InMemoryVectorStore (fallback)
LLMProvider
streamChat(messages, context)- GLMProvider (z-ai-web-dev-sdk)
- MockLLMProvider (fallback)
EmbeddingsProvider
embed · embedBatch- MockEmbeddings (hash BoW)
- TODO: OpenAI / GLM embeddings
Technology Stack
Nowoczesny, produkcyjny, cloud-ready
Gotowy, żeby porozmawiać ze swoją dokumentacją?
Wypróbuj demo w przeglądarce. Wgraj plik, zadaj pytanie, zobacz streaming odpowiedzi z cytowanymi źródłami.