Czy technologia, którą deklaruje firma, jest naprawdę prawdziwa? DDE czyta kod źródłowy, aby weryfikować deklaracje techniczne oraz wychwytywać fałszywki i AI-washing — a następnie porównuje z branżą i konkurencją i punktuje Twoje własne słabe punkty, wszystko z poziomu Twojego 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) to otwartoźródłowe narzędzie wiersza poleceń, które zamienia agenta AI w Twoim IDE — Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity, Cursor, GitHub Copilot — z obsługą Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon, GPT-5 i innych — w światowej klasy analityka technicznego. Czyta cały kod źródłowy dowolnego celu — spółki portfelowej, celu przejęcia, konkurenta lub Twojego własnego zespołu — weryfikuje, czy deklarowana technologia jest naprawdę wdrożona, prowadzi badania rynku i konkurencji w czasie rzeczywistym oraz ocenia mocne i słabe strony w wielu ważonych wymiarach, zapisując raport PDF na poziomie konsultingowym do folderu Pobrane. Wszystko działa lokalnie w piaskownicy AI Twojego IDE: bez kluczy API, bez serwerów zewnętrznych, bez telemetrii i bez dodatkowych kosztów.
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 / MLKażda prezentacja głosi „napędzane przez AI”. Niewielu potrafi to udowodnić. Techniczne due diligence jest powolne, kosztowne i trudne do skalowania w całym pipelinie transakcji.
Język marketingu wyolbrzymia — albo wymyśla — funkcje, których kod nie obsługuje. Wychwycenie tej luki pochłania czas doświadczonego inżyniera.
Czytanie kodu, mapowanie architektury i porównywanie z konkurencją dla każdej transakcji to dni pracy eksperta, którego rzadko masz pod ręką.
Bez obiektywnego punktu odniesienia po stronie technicznej decyzje o cenie i ryzyku opierają się na narracji założyciela, a nie na dowodach.
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.
Powtarzalna ocena techniczna oparta przede wszystkim na dowodach — ta sama rubryka w każdej transakcji.
Konfrontuje treść prezentacji z rzeczywistym kodem, aby potwierdzić, co naprawdę zbudowano, a co jedynie zadeklarowano.
Sygnalizuje miejsca, w których „AI” to cienka nakładka, zakodowana na stałe heurystyka lub coś, czego w ogóle nie ma — oddzielając prawdziwe ML od marketingu.
Tworzy ocenę 0–100 i ocenę literową w równo ważonych wymiarach, wraz z widocznym tokiem rozumowania.
Mapuje strukturę, zależności i decyzje projektowe, aby ocenić łatwość utrzymania, skalowalność i dług techniczny.
Bada w sieci rzeczywistą konkurencję, finansowanie i biuletyny bezpieczeństwa, budując porównanie rynkowe oparte na źródłach.
Działa w całości w piaskownicy AI Twojego IDE. Bez serwerów zewnętrznych, bez telemetrii — audytowane za pomocą CodeQL, Dependabot i 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 generuje ustrukturyzowany prompt, który może wykonać dowolny agent AI potrafiący czytać pliki i uruchamiać polecenia powłoki. Bez dedykowanej wtyczki DDE ani logowania.
Zainstaluj z publicznego repozytorium jednym poleceniem pip. Czysty, lokalny Python — bez kont, bez konfiguracji.
W analizowanym projekcie uruchom polecenie DDE w terminalu IDE z AI. Analizę wykonuje Twoja istniejąca subskrypcja AI — bez dodatkowych opłat.
Agent czyta setki plików, ocenia projekt w ważonych wymiarach oraz na żywo bada w sieci konkurencję, finansowanie i biuletyny bezpieczeństwa.
W folderze Pobrane pojawia się PDF w stylu konsultingowym — ocena 0–100, ocena literowa, krajobraz konkurencyjny i uzasadnienia oparte na źródłach.
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.
* PDF generation supports 14 languages (en/ja/es/fr/de/pt/nl/it/id/zh/ko/vi/th/ar); command defaults to English (--pdf).
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 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 --pdfdde doctordde prompt --pdf --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) |
Niezależnie od tego, czy podejmujesz decyzję inwestycyjną, obiektywnie przyglądasz się własnej inżynierii, czy porównujesz konkurencję — dowody z kodu, szybko.
Fundusze VC, fundusze wzrostowe i zespoły M&A: przesiewaj ryzyko techniczne i prawdę kryjącą się za deklaracjami w całym pipelinie, zanim przejdziesz do pogłębionej analizy.
Uruchom DDE na własnym kodzie źródłowym, aby zobaczyć mocne strony, słabe punkty i dług techniczny okiem strony trzeciej — by ustalić priorytety poprawek lub przygotować się do rundy finansowania.
Porównuj stos technologiczny i głębię wdrożenia konkurentów na podstawie publicznych repozytoriów i danych rynkowych oraz rozumiej własną pozycję dzięki dowodom.
Tak. DDE jest oprogramowaniem open source na licencji Apache 2.0. Korzysta z subskrypcji AI, którą już masz w swoim IDE, więc nie potrzebujesz klucza API ani nie ponosisz dodatkowych kosztów.
Nie. DDE to w 100% lokalny Python działający w piaskownicy AI Twojego IDE. Nie ma żadnych serwerów DDE ani telemetrii. Badania w sieci pobierają wyłącznie publiczne informacje o konkurencji i rynku.
Dowolny agent, który potrafi czytać pliki i uruchamiać polecenia powłoki. Zweryfikowano go z Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity i trybem GitHub Copilot Agent Mode (obsługuje najnowsze modele, takie jak Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon i GPT-5), a działa również z Cursor, Gemini Code Assist, Aider, Windsurf i podobnymi terminalami agentowymi.
PDF na poziomie konsultingowym (około 24 stron) zapisany w folderze Pobrane, z ogólną oceną 0–100, oceną literową, krajobrazem konkurencyjnym, macierzą wdrożenia i uzasadnieniami opartymi na źródłach.
AI-washing to reklamowanie produktu jako napędzanego przez AI, podczas gdy technologia leżąca u jego podstaw jest minimalna lub nie istnieje. DDE porównuje deklaracje z prezentacji z rzeczywistą implementacją w kodzie i wskazuje rozbieżności.
Zainstaluj raz, uruchom z dowolnego IDE z AI i sam zapoznaj się z dowodami. Bezpłatne i otwartoźródłowe.