¿La tecnología que afirma una empresa es realmente real? DDE lee la base de código para verificar las afirmaciones técnicas y detectar falsedades y AI-washing, y luego la compara con la industria y los competidores y puntúa tus propios puntos débiles, todo desde tu IDE.
+ Parallel Atlas 4-Axis (35% Crypto Core)
+ 30-Item × 10-Co. Capability Matrix
With Data Provenance Box & Source Appendix
Runs inside your existing IDE AI subscription
Due Diligence Engine (DDE) es una herramienta de línea de comandos de código abierto que convierte el agente de IA de tu IDE — Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity, Cursor, GitHub Copilot — con Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon, GPT-5 y otros — en un analista técnico de primer nivel. Lee la base de código completa de cualquier objetivo — una empresa de tu portafolio, un objetivo de adquisición, un competidor o tu propio equipo —, verifica si la tecnología afirmada está realmente implementada, investiga el mercado y los competidores en tiempo real y puntúa fortalezas y debilidades en múltiples dimensiones ponderadas en un PDF de calidad de consultoría en tu carpeta de Descargas. Todo se ejecuta localmente dentro del entorno de IA de tu IDE: sin claves de API, sin servidores de terceros, sin telemetría y sin coste adicional.
Generic AI code reviewers stop at checkbox compliance ('Has auth? ✓ Has HTTPS? ✓'). DDE inspects actual cryptographic primitives (Signal Protocol, PQXDH + ML-KEM-1024, libsignal/BoringSSL FFI vs. self-rolled crypto), concurrency models, and live 2026 market sources.
Eliminates stale training-cutoff analysis. Before inspecting the repo, the agent searches 2026 competitor acquisitions, shutdowns, funding rounds, CVEs, and regulatory shifts. Every matrix cell carries source URLs + verification dates, surfaced in the PDF Data Provenance Box.
"data_freshness": {
"web_search_performed": true,
"search_date": "2026-10-22",
"queries_executed": 14,
"sources_cited": 28
}In v0.6.2, heuristic false positives (git rebase timestamp diffs, high-velocity commits, documentation buzzword counts) are silently discarded and blocked by _filter_red_flags. Only genuine code-level security gaps, race conditions, and logic bugs with exact file:line and fix plans appear.
{
"severity": "HIGH",
"file_path": "src/crypto/session.rs:142",
"title": "Nonce reuse risk on concurrent retry",
"description": "Use atomic counter or ChaCha20Poly1305 random nonce..."
}Third-party badges (SOC2, ISO, HIPAA) are reference-only and never scored. DDE audits 4 claim-vs-code consistency checks plus 6 code-measured capabilities: Cryptographic depth, Concurrency model, I/O patterns, Caching architecture, Scalability, and ML implementation depth.
Claim vs Code (4): Pitch accuracy / Feature completeness
Code Measured (6): Crypto FFI / Concurrency / I/O / Cache / Scale / MLToda presentación dice "impulsado por IA". Pocas pueden demostrarlo. La diligencia técnica es lenta, costosa y difícil de escalar a lo largo de un pipeline.
El lenguaje de marketing exagera — o inventa — capacidades que el código no respalda. Detectar la brecha consume el tiempo de un ingeniero sénior.
Leer un código base, mapear la arquitectura y comparar a la competencia en cada operación son días de trabajo experto que rara vez tienes.
Sin una base técnica objetiva, las decisiones de precio y riesgo se apoyan en la narrativa del fundador en lugar de en la evidencia.
Every report delivers both the balanced 5-Dimension Standard Score (equal 20% weights) and the parallel Atlas 4-Axis Engineering Philosophy (55% weighted toward deep cybersecurity engineering).
API Wrapper vs. Genuine IP
Distinguishes thin third-party API wrappers from defensible proprietary algorithms, protocols, and custom engineering.
Stack Modernity & Cryptographic Edge
Evaluates 2026-grade language safety, runtime efficiency, post-quantum primitives (ML-KEM-1024), and modern toolchain maturity.
PoC Demo vs. Production Grade
Inspects error handling, edge cases, migrations, state machines, and automated test coverage to separate demos from production code.
Structural Integrity + Integrated Security (v0.3)
Evaluates security posture as an inseparable foundation of production architecture alongside modularity, fault isolation, and scalability.
Pitch Deck & Website Claims vs. Code Reality
Cross-examines public marketing claims ('AI-powered', 'E2EE', 'Zero-Knowledge') against actual repository implementation to expose AI-washing.
Strong investment candidate
Viable with conditions
Significant concerns
High risk
Do not invest (or Critical Deal-Breaker)
Generates 7 consulting frameworks across 6 global regions, plus an 8th chart: a ~30-item × 5–10 competitor Implementation Capability Matrix dynamically tailored to the target's industry with 3–5 line competitor selection rationales.
Vision × Execution
Market Growth × Relative Share
Competitive Position × Technical Moat Depth
Security Implementation × Privacy Readiness
Data Protection × Audit Transparency
Downside Risk × Upside Potential
R&D Velocity × ARR Traction (3D Bubble)
Uses the 4-state Japanese tech rating standard (○ / △ / × / ?) with primary source URLs and verification dates on every cell.
Publicly documented & verified in code, whitepapers, or specs
Asserted in marketing, but not independently verifiable
Explicitly absent in documentation or architecture
Cannot be determined from public evidence (preferred over guessing)
| Category / Capability | Target | Comp. A | Comp. B | Comp. C | Provenance (sources + last_verified) |
|---|---|---|---|---|---|
Core Cryptography Hybrid Post-Quantum Key Agreement (PQXDH / ML-KEM-1024) | ○ | ○ | × | △ | [2026-10-22] Verified FIPS 203 ML-KEM-1024 + X25519 FFI implementation |
Metadata Privacy Sealed Sender / Zero-Knowledge Routing | ○ | ○ | × | × | [2026-10-22] Verified sender certificate encapsulation across relays |
Data Governance Cryptographic Message Retirement (Tombstone Zeroize) | ○ | △ | × | ? | [2026-10-22] Verified Ed25519-signed Tombstone & cache zeroization |
Audit Transparency Public Source Code & Automated Security CI | ○ | ○ | × | × | [2026-10-22] Verified public GitHub repository & CodeQL/osv-scanner CI |
* In live PDF reports, the ~30 capability items and 5–10 top competitors are dynamically selected for the target's industry (Messaging, Fintech, Medical, Gaming, SaaS, IoT), with all cited URLs listed in the Source Appendix.
Typeset in black and Atlas Blue (#5271FF), combining executive synthesis, code-level evidence, global market charts, and a cryptographic purge certificate (~22–24 pages depending on findings).
5-dim horizontal bars, 5-dim radar chart, Data Provenance Box (search date, query & source counts, or training-cutoff warning), and business + technical synthesis.
Evidence-backed SWOT grid, per-dimension enablers, 1/3/5-year projections with confidence, immediate/medium/long-term roadmap, and investment thesis.
Genuine code defects only (file:line + fix plan) and the 10-item technical audit (4 claim-vs-code + 6 code-measured).
Regional positioning charts, 3–5 line rationale per competitor (HQ, market position, why chosen), and the ○△×? capability matrix.
Performance / Stability / Lightweight / Security Strength bars plus a plain-language executive glossary (MFA, SOC2, libsignal, PQXDH).
Engineering rebuild time/cost estimation, complete URL Source Appendix (added in v0.6.0), and cryptographic workspace purge certificate.
Una evaluación técnica repetible y basada en evidencia: el mismo criterio en cada operación.
Contrasta el pitch con el código real para confirmar qué está verdaderamente construido frente a lo que solo se afirma.
Señala dónde la "IA" es una capa superficial, una heurística codificada a mano o sencillamente inexistente, distinguiendo el aprendizaje automático genuino del marketing.
Produce una puntuación de 0–100 y una calificación con letra a través de dimensiones con igual ponderación, mostrando el razonamiento.
Mapea la estructura, las dependencias y las decisiones de diseño para evaluar la mantenibilidad, la escalabilidad y la deuda técnica.
Investiga competidores reales, financiación y avisos de seguridad en la web y construye una comparación de mercado con fuentes.
Se ejecuta por completo dentro del entorno de IA de tu IDE. Sin servidores de terceros ni telemetría, auditado con CodeQL, Dependabot y pip-audit.
DDE itself operates zero third-party servers and zero telemetry. Choose the exact execution boundary that matches your security policy.
$ dde prompt --pdfDDE locally generates a structured prompt. Code reading and PDF generation happen inside your existing IDE AI agent session (Claude Code, Codex, Gemini CLI, Antigravity, Copilot, Cursor).
DDE makes zero outbound calls. Your AI agent runs STEP 0 live web searches for public competitor & CVE data.
$ dde analyze . --skip-aiSource code is analyzed 100% locally in memory/temp workspace and never sent to any AI model or external service.
In v0.6.3 (780e3cd / aac4c77), --skip-ai strictly disables API key auto-loading and blocks all outbound network requests.
$ dde analyze owner/repoUses your own API keys to cross-verify across up to 3 providers via the unified SSOT registry (BYOK_DEFAULT_MODELS / PROVIDER_MODEL_COSTS): Anthropic (Claude Haiku 5.5 → Sonnet 5.5 → Fable 5.1), Google (Gemini 4 Argon), and OpenAI (Astra gpt-6.1-sol / GPT-5).
Configured for zero-retention API endpoints (store=False, with fail-closed enforcement on GoogleProvider). Strips user:token@ credentials from GitHub URLs and immediately dereferences PATs after single in-memory use.
Eradicated all 36 audit defects across 35+ modules with GPT-6-Astra (xhigh) & Gemini 4 Argon, unified the SSOT model/cost registry, and locked permanent verification with 156 automated tests (tests/test_audit_regressions.py + tests/test_zero_drift_invariants.py).
Blocks Zip Slip traversal, symlinks, and FIFO special files during archive ingestion, and strips user:token@ credentials from GitHub URLs. Preserves .git during analysis for commit forensics, then performs in-place "r+b" 3-pass zero-fill shredding with strict os.walk(onerror=...) failure propagation and Windows NTFS user-only ACL locking.
Site verification (site_analyzer.py) enforces ip.is_global to block RFC 6598 CGNAT (100.64.0.0/10), private, loopback, and cloud metadata IPs as well as unsafe redirects, using reentrant DNS pinning (_pinned_dns_context) to prevent time-of-check to time-of-use (TOCTOU) DNS rebinding attacks.
Applies _esc_text across all dynamic PDF fields (ImplementationMatrix, sources, RedFlags) to prevent ReportLab XML parser crashes. Protects Latin digits and ASCII punctuation with Helvetica in Arabic (ar) and Thai (th) to prevent missing-glyph tofu boxes (□) across 24-page PDFs, enforces Jinja2 autoescape=True, and guarantees idempotent Score.compute().
Unifies __version__, BYOK_DEFAULT_MODELS, and PROVIDER_MODEL_COSTS (Astra gpt-6.1-sol $2/$10, gpt-6-astra $5/$25, gpt-5 $1.25/$10, Haiku >100k tiered rate) in config.py SSOT. Enforces fail-closed store=False on GoogleProvider, supports async def AST analysis, and locks 156 CI tests via test_zero_drift_invariants.py.
DDE genera un prompt estructurado que cualquier agente de IA capaz de leer archivos y ejecutar la shell puede llevar a cabo. No requiere ningún plugin ni inicio de sesión específico de DDE.
Instálalo desde el repositorio público con un único comando pip. Python puramente local, sin cuentas ni configuración.
Desde el proyecto objetivo, ejecuta el comando DDE en la terminal de tu IDE con IA. Tu suscripción de IA existente realiza el análisis, sin coste adicional.
El agente lee cientos de archivos, evalúa según dimensiones ponderadas e investiga competidores, financiación y avisos de seguridad en tiempo real en la web.
Un PDF de estilo consultoría llega a tu carpeta de Descargas: una puntuación de 0–100, una calificación con letra, un panorama competitivo y justificaciones con fuentes.
New in v0.6.3: paste Method A directly into your AI agent chat for fully automated install + audit + PDF generation, or run Method B in your terminal. Bundled Noto fonts render 14 PDF languages out of the box.
✓ Your current locale is natively supported for localized PDF output (14 languages).
Install https://github.com/Atlas-Associates-Inc/Due-diligence-engine (python3 -m pip install -U --no-cache-dir git+https://github.com/Atlas-Associates-Inc/Due-diligence-engine.git), run dde prompt --pdf --lang es on this project, and execute the entire generated prompt (STEP 0 live web research, full code audit, JSON generation, and PDF rendering) end-to-end to save the consulting PDF report to ~/Downloads/.python3 -m pip install -U --no-cache-dir git+https://github.com/Atlas-Associates-Inc/Due-diligence-engine.git && dde prompt --pdf --lang esdde doctordde prompt --pdf --lang es --url https://example.comWorks out of the box in any AI agent capable of reading files and running shell commands.
Boutique consulting depth with local-first privacy at zero added software cost.
| Dimension | DDE (v0.6.3) | Manual DD Consulting | Generic AI Code Review | SaaS DD Platforms |
|---|---|---|---|---|
| Added Cost | $0 (uses your IDE AI) | $$$$ (consultant fees) | Per-token API fees | $$$$ (enterprise subscription) |
| Code Privacy | Local / IDE sandbox (0 DDE servers) | Manual NDA & repo sharing | Uploads code to vendor | Stores code in vendor cloud |
| Deliverable | 24-page consulting PDF (14 langs) | Bespoke report | Inline PR comments | Web dashboard |
| Data Freshness | Live web search (2026) + URLs | Depends on analyst | Training cutoff only (stale) | Vendor refresh cycle |
| Crypto & Security Depth | PQXDH / ML-KEM-1024 / FFI audit | Depends on consultant | Surface checklist | Surface checklist |
| Competitive Benchmarks | 7 charts × 6 markets + 30-item matrix | Manual research (weeks) | None | Limited |
| Red Flag Precision | Code-verified only (file:line + fix) | High (slow) | High false-positive noise | Heuristic rule noise |
| Setup & Turnaround | 1 command / ~10–20 min | 2–4 weeks | Minutes (partial) | Days (onboarding) |
Ya sea que estés tomando una decisión de inversión, mirando con objetividad tu propia ingeniería o comparando competidores: evidencia desde el código, y rápido.
VCs, fondos de crecimiento y equipos de M&A: filtra el riesgo técnico y la verdad detrás de las afirmaciones en todo tu pipeline antes de un análisis profundo.
Ejecuta DDE sobre tu propia base de código para ver fortalezas, debilidades y deuda técnica con una mirada externa, para priorizar correcciones o prepararte para una ronda de financiación.
Compara el stack tecnológico y la profundidad de implementación de los competidores a partir de repositorios públicos y datos de mercado, y entiende tu propia posición con evidencia.
Sí. DDE es de código abierto bajo la licencia Apache 2.0. Utiliza la suscripción de IA que ya tienes en tu IDE, por lo que no hay clave de API ni coste adicional.
No. DDE es 100% Python local y se ejecuta dentro del entorno de IA de tu IDE. No hay servidores de DDE ni telemetría. La investigación en la web solo obtiene información pública sobre competidores y el mercado.
Cualquier agente capaz de leer archivos y ejecutar comandos de shell. Está verificado con Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity y GitHub Copilot Agent Mode (compatible con los modelos más recientes como Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon y GPT-5), y funciona con Cursor, Gemini Code Assist, Aider, Windsurf y terminales agénticas similares.
Un PDF de calidad de consultoría (alrededor de 24 páginas) guardado en tu carpeta de Descargas, con una puntuación global de 0–100, una calificación con letra, un panorama competitivo, una matriz de implementación y justificaciones con fuentes.
El AI-washing consiste en comercializar un producto como impulsado por IA cuando la tecnología subyacente es mínima o inexistente. DDE compara las afirmaciones del pitch con la implementación real en el código y señala las brechas.
Instala una vez, ejecútalo desde cualquier IDE con IA y comprueba la evidencia por ti mismo. Gratuito y de código abierto.