Constellary

Constellary ist ein selbstberichteter Forschungsarbeitsbereich, der darauf abzielt, den gesamten Weg von Ideen – menschliche und KI-Beiträge, Verzweigungen, gescheiterte Pfade und Verbindungen – in einem sichtbaren System zu bewahren. Der Autor gibt an, dass es von einer einzelnen Person (khushboo Rani) mit Hilfe von GPT-5.6 und Codex unter Verwendung von Next.js, Supabase, PostgreSQL und OpenAI APIs erstellt wurde.

Das Produkt wird als "provenance-first workspace" beschrieben, in dem Nutzer Ideen über ihren gesamten Verlauf hinweg erstellen, verknüpfen und weiterentwickeln können, einschließlich KI-gestützter Arbeit, die vor der Genehmigung überprüft werden muss. Es umfasst Funktionen wie Branch-Ansichten, Arbeitsbereichsbearbeitung, Kommentare, Mitwirkende, Zusammenfassungen, Notizen, Quellen, Datenschutzkontrollen und Forscherprofile.

Die Beschreibung enthält keine Angaben zu Umsatz, Kunden oder Traction. Der eigene Text des Autors ist der einzige verfügbare Beleg; es gibt keine unabhängige Verifizierung jeglicher kommerzieller Aktivität oder Adoption.

Die Beschreibung besagt, dass Constellary ein "provenance-first workspace" ist, in dem Menschen und KI Ideen über ihren gesamten Verlauf hinweg erstellen, verknüpfen und weiterentwickeln können. Es ermöglicht Nutzern:

• Mit einer originellen Idee zu beginnen
• Diese über Verzweigungen und Unterverzweigungen weiterzuentwickeln
• Referenzen und verwandte Arbeiten zu verlinken, ohne die Abstammungslinie zu ändern
• Durch Kommentare und gemeinsame Beiträge zu kooperieren
• KI-gestützte Arbeit mit Prüf- und Genehmigungsschritten zu dokumentieren
• Gescheiterte oder umgeleitete Pfade zu bewahren
• Den gesamten Verlauf als sichtbare Karte anzuzeigen

Der Autor beschreibt es als ein System, das zeigt, wie die Arbeit begann, sich entwickelte, wer sie formte und was sie zusammenhält – anstatt nur das Endergebnis zu zeigen.

Es wird mit folgenden Technologien erstellt:

• Next.js App Router, React, TypeScript
• Supabase Auth, PostgreSQL, Storage, functions, triggers, Row-Level Security
• OpenAI Responses API mit GPT-5.6
• Vitest und pgTAP
• Vercel deployment

Das System nutzt serverseitige OpenAI-Integration, bei der Nutzer explizit wählen, welcher Branch-Inhalt als Kontext gesendet wird, und alle generierten Beiträge müssen vor der Genehmigung überprüft werden.

Der Autor gibt an, dass Constellary erstellt wurde, um das Problem verstreuter Forschung über Dokumente, KI-Konversationen, Code-Repositories, Diagramme, Notizen, Referenzen und separate Projekte hinweg zu lösen. Die Kernaussage ist, dass bestehende Tools nur Teile des Weges abdecken und Nutzer dazu zwingen, Verbindungen wiederholt neu aufzubauen.

Die Positionierung entwickelte sich von:

1. Eine persönliche Lösung für die Vorbereitung des PhD-Profils
2. Zu einem universellen Arbeitsbereich zum Verknüpfen, Kartieren, Teilen, Diskutieren und Weiterentwickeln von Ideen über ihren vollständigen Verlauf hinweg
3. Zu einem "provenance-first"-System, das bewahrt, wie Arbeit möglich wurde

Der Autor betont, dass Constellary Nutzern hilft zu zeigen, wie eine Idee begann, sich veränderte, sich mit anderer Arbeit verband oder durch menschliche und KI-Beiträge wuchs.

Die Beschreibung besagt, dass die erste Zielgruppe von Constellary Forscher, Studierende, Professoren und akademische Labore sind. Es hilft ihnen:

• Ideen über verbundene Zweige entwickeln
• Vorherige Forschung und verwandte Arbeiten verknüpfen
• Notizen, Zusammenfassungen, Code, Ergebnisse und Entscheidungen organisieren
• Mit Menschen und KI zusammenarbeiten
• Eine klare, vertrauenswürdige Forschungsreise teilen

Die Autorin erwähnt auch, dass Work and Productivity zwar Teil des Produkts ist, das primäre Ziel jedoch akademische Forschung und Lernen ist. Eine spätere Erweiterung auf Produktteams, Engineering, Game Development und andere professionelle Workflows wird als zukünftige Vision genannt.

Nicht belegt. Die Beschreibung enthält keine Informationen zu Preisen, Monetarisierungsstrategie oder Geschäftsmodell.

Das System wurde mit folgenden Komponenten erstellt:

• Next.js App Router, React, TypeScript
• Supabase Auth, PostgreSQL, Storage, functions, triggers, Row-Level Security
• OpenAI Responses API mit GPT-5.6
• Vitest und pgTAP
• Vercel deployment

Zu den wichtigsten technischen Entscheidungen gehören:

• Serverseitige OpenAI-Integration
• Explizite Kontrolle des Nutzers darüber, welcher Zweiginhalt als Kontext gesendet wird
• Alle generierten Beiträge müssen vor der Genehmigung überprüft werden
• Verwendung von Row-Level Security für Berechtigungen
• Implementierung mit Codex unter Verwendung fokussierter Aufgaben, präziser Regeln und klarer Akzeptanzkriterien

Der Entwicklungsprozess umfasste einen Zyklus aus:

1. Produktentscheidung
2. GPT-5.6-Verfeinerung
3. Fokussierte Codex-Aufgabe
4. Implementierung
5. Automatisierte Validierung
6. Browser-Prüfung
7. Korrektur

Nicht belegt. Die Beschreibung enthält keine Informationen zu Umsatz, Kunden, Nutzerakzeptanz oder Marktdurchdringung.

Nicht belegt. Die Beschreibung erwähnt keine Wettbewerber oder Wettbewerbslandschaft.

1. Einzelne Person in der Entwicklung: Das gesamte Projekt wurde von einer Person (khushboo Rani) erstellt, was Fragen zur Skalierbarkeit und langfristigen Wartung aufwirft.
2. Ungeprüfte Behauptungen: Alle Informationen werden selbst gemeldet, ohne unabhängige Verifizierung der Produktnutzung, des Kundenfeedbacks oder der Marktnachfrage.
3. Begrenzte Belege für Marktdurchdringung: Keine Daten zu Nutzern, Kunden, Umsatz oder Akzeptanzmetriken.
4. KI-Abhängigkeit: Die starke Abhängigkeit von GPT-5.6 und Codex für die Entwicklung wirft Fragen zur Nachhaltigkeit dieses Ansatzes auf, falls diese Tools sich ändern oder nicht mehr verfügbar sind.
5. Unklare kommerzielle Tragfähigkeit: Die Beschreibung weist keine Monetarisierungsstrategie oder kein Geschäftsmodell jenseits des ursprünglichen Konzepts aus.

1. Welche spezifischen Forschungsworkflows möchten Sie lösen, und wie wissen Sie, dass diese Probleme existieren?
2. Haben Sie Ihre Lösung mit tatsächlichen Forschern oder Studierenden validiert?
3. Wie werden Sie über einen einzelnen Entwickler hinaus skalieren?
4. Was ist Ihr Plan für Monetarisierung und Kundengewinnung?
5. Wie beabsichtigen Sie, Datenschutz- und Sicherheitsbedenken in Forschungsumgebungen zu handhaben?
6. Was sind die technischen Einschränkungen der Abhängigkeit von GPT-5.6 und Codex für die Produktentwicklung?
7. Wie planen Sie, sich von bestehenden Tools wie Notion, Obsidian oder akademischen Plattformen abzuheben?