Será a tecnologia que uma empresa alega realmente verdadeira? O DDE lê o código-fonte para verificar as alegações técnicas e desmascarar fingimentos e AI-washing — depois compara-a com o setor e os concorrentes e pontua as suas próprias fraquezas, tudo a partir do seu 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
O Due Diligence Engine (DDE) é uma ferramenta de linha de comandos de código aberto que transforma o agente de IA do seu IDE — Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity, Cursor, GitHub Copilot — com Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon, GPT-5 e outros — num analista técnico de classe mundial. Lê todo o código-fonte de qualquer alvo — uma empresa em carteira, um alvo de aquisição, um concorrente ou a sua própria equipa — verifica se a tecnologia alegada está realmente implementada, investiga o mercado e os concorrentes em tempo real e pontua pontos fortes e fracos em múltiplas dimensões ponderadas num PDF com qualidade de consultoria na sua pasta de Transferências. Tudo corre localmente, dentro da sandbox de IA do seu IDE: sem chaves de API, sem servidores de terceiros, sem telemetria e sem custos adicionais.
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 / MLTodas as apresentações dizem "com tecnologia de IA". Poucas o conseguem provar. A diligência técnica é lenta, dispendiosa e difícil de escalar ao longo de um pipeline.
A linguagem de marketing exagera — ou inventa — capacidades que o código-fonte não suporta. Identificar essa diferença exige o tempo de um engenheiro sénior.
Ler um código-fonte, mapear a arquitetura e fazer benchmarking dos concorrentes em cada negócio representa dias de trabalho especializado que raramente tem disponível.
Sem uma base técnica objetiva, as decisões de preço e de risco assentam na narrativa do fundador em vez de assentarem nas evidências.
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.
Uma avaliação técnica reproduzível e orientada por evidências — o mesmo critério em cada negócio.
Confronta o pitch com o código-fonte real para confirmar o que está efetivamente construído face ao que é apenas afirmado.
Assinala onde a "IA" é apenas um invólucro superficial, uma heurística fixa no código ou totalmente inexistente — distinguindo o machine learning genuíno do marketing.
Produz uma pontuação de 0–100 e uma classificação por letra em dimensões igualmente ponderadas, com o raciocínio explicitado.
Mapeia a estrutura, as dependências e as opções de design para avaliar a manutenibilidade, a escalabilidade e a dívida técnica.
Investiga concorrentes reais, financiamento e avisos de segurança na web e constrói uma comparação de mercado com fontes.
Corre inteiramente dentro da sandbox de IA do seu IDE. Sem servidores de terceiros, sem telemetria — auditado com CodeQL, Dependabot e 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.
O DDE gera um prompt estruturado que qualquer agente de IA capaz de ler ficheiros e executar comandos consegue interpretar. Não requer qualquer plugin ou início de sessão específico do DDE.
Instale a partir do repositório público com um único comando pip. Python puramente local — sem contas, sem configuração.
A partir do projeto-alvo, execute o comando DDE no terminal do seu AI IDE. A análise é feita pela sua subscrição de IA existente — sem custos adicionais.
O agente lê centenas de ficheiros, avalia em dimensões ponderadas e investiga concorrentes, financiamento e avisos de segurança em tempo real na web.
Um PDF em estilo de consultoria chega à sua pasta de Transferências — uma pontuação de 0–100, uma classificação por letra, um panorama competitivo e fundamentações com fontes.
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 pt 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 ptdde doctordde prompt --pdf --lang pt --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) |
Quer esteja a tomar uma decisão de investimento, a olhar com objetividade para a sua própria engenharia ou a fazer benchmarking dos concorrentes — evidências a partir do código, com rapidez.
VC, fundos de crescimento e equipas de M&A: filtre o risco técnico e a verdade por trás das alegações ao longo de todo o pipeline, antes de uma análise aprofundada.
Execute o DDE no seu próprio código-fonte para ver pontos fortes, fraquezas e dívida técnica com um olhar externo — para priorizar correções ou preparar uma ronda de financiamento.
Faça benchmarking da stack tecnológica e da profundidade de implementação dos concorrentes a partir de repositórios públicos e dados de mercado, e compreenda a sua própria posição com evidências.
Sim. O DDE é de código aberto, sob a licença Apache 2.0. Utiliza a subscrição de IA que já tem no seu IDE, pelo que não existe chave de API nem custos adicionais.
Não. O DDE é 100% Python local e corre dentro da sandbox de IA do seu IDE. Não existem servidores DDE nem telemetria. A investigação na web apenas obtém informação pública sobre concorrentes e sobre o mercado.
Qualquer agente capaz de ler ficheiros e executar comandos de shell. Está verificado com o Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity e o GitHub Copilot Agent Mode (com suporte para os modelos mais recentes como Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon e GPT-5), e funciona com o Cursor, o Gemini Code Assist, o Aider, o Windsurf e terminais agênticos semelhantes.
Um PDF com qualidade de consultoria (cerca de 24 páginas) guardado na sua pasta de Transferências, com uma pontuação global de 0–100, uma classificação por letra, um panorama competitivo, uma matriz de implementação e fundamentações com fontes.
AI-washing é o ato de promover um produto como sendo movido por IA quando a tecnologia subjacente é mínima ou inexistente. O DDE compara as alegações do pitch com a implementação real no código-fonte e assinala as discrepâncias.
Instale uma vez, execute a partir de qualquer AI IDE e veja as evidências por si próprio. Gratuito e de código aberto.