Englisches Original: https://argusic.com/subject/aisearch-openai-rag-audio
aisearch-openai-rag-audio
Eine einfache Beispielimplementierung des VoiceRAG-Musters zur Ermöglichung interaktiver Sprach-generativer KI-Erlebnisse unter Verwendung von RAG mit Azure AI Search und Azure OpenAIs gpt-4o-realtime-preview-Modell.
Läuft mit MocksQuelle: GitHubHomepagePythonMITCommit 85d0b4e25dc7
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai azd templates, azd templates, azure, azure ai search, generative ai, gpt, language model und openai.
aisearch-openai-rag-audio läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 3 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Backend server starts on port 8765, serves built frontend (HTML, JS, CSS, favicon all HTTP 200), WebSocket endpoint /realtime accepts client connections and routes to Azure OpenAI, all Python imports compile, Ruff lint passes, frontend TypeScript builds cleanly via Vite.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- requirements.txt was UTF-16-LE encoded with BOM, causing pip to fail1 Minute
- pyproject.toml ruff target-version set to py39 but code uses Python 3.10+ match statements0,5 Minuten
- type(self.text) == str flagged by Ruff E7210,5 Minuten
- Installationszeit
- 3 Minuten
- Von der kalten Maschine bis zum Ende
- 3 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- curl http://localhost:8765/ returned 200 with full HTML; JS bundle 200 (399KB); CSS 200 (13.8KB); favicon 200; WebSocket /realtime accepts connections; ruff check passes; frontend tsc+vite build succeeds; .venv/bin/python -c 'import app' succeeds
- Verbrauchte Modell-Tokens
- 95.828
- Genau getesteter Commit
- 85d0b4e25dc7
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
2. `pyproject.toml` had `target-version = "py39"` but the code uses Python 3.10+ `match` statements… 3. `type(self.text) == str` flagged by Ruff E721 → changed to `isinstance(self.text, str)` **Verification**: Backend starts on port 8765 serving the complete application. HTTP GET `/` return… tokens used 95,828 Here's a summary of everything I did and found: **Install process**: Set up Python virtual environment, fixed a UTF-16-BOM encoding issue in `requi… **Fixes applied**: 1. `requirements.txt` was UTF-16-LE encoded with BOM → converted to UTF-8 so pip could read it 2. `pyproject.toml` had `target-version = "py39"` but the code uses Python 3.10+ `match` statements… 3. `type(self.text) == str` flagged by Ruff E721 → changed to `isinstance(self.text, str)` **Verification**: Backend starts on port 8765 serving the complete application. HTTP GET `/` return…
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- In 3 Minuten installiert.
- Hat sich von allen 3 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,01 |
Themen (von GitHub)
ai-azd-templatesazd-templatesazureazure-ai-searchgenerative-aigptlanguage-modelopenairagretrieval-augmented-generationsearchvector-database
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/aisearch-openai-rag-audio)Fragen
- Läuft aisearch-openai-rag-audio?
- aisearch-openai-rag-audio läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 3 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic aisearch-openai-rag-audio getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 85d0b4e25dc7. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von aisearch-openai-rag-audio gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,01 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von aisearch-openai-rag-audio?
- 3 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht aisearch-openai-rag-audio eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von aisearch-openai-rag-audio schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wo ist der Nachweis für aisearch-openai-rag-audio?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.