Englisches Original: https://argusic.com/subject/deepwiki-open
deepwiki-open
Open Source DeepWiki: KI-gestützter Wiki-Generator für GitHub/Gitlab/Bitbucket-Repositorys.
LäuftQuelle: GitHubHomepagePythonMITCommit d92819a9c9f3
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, codex, gemini, github, grok cli, ollama, open source und openai.
deepwiki-open läuft. Ein Argusic-Agent hat es in 19 Minuten installiert und ist auf 10 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Backend FastAPI server runs on port 8001 with health, models, auth, repo, wiki, chat, codemap, and system endpoints all responding; frontend Next.js dev server compiles and serves on port 3000; 100 out of 105 tests pass (2 deselected for real API keys, 3 stale/invalid tests).
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 94,7 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.
- Frontend build OOM killed during next build static generation (1GB RAM limit)5 Minuten
- Missing uv and root pyproject.toml - uv.lock existed but no project file2 Minuten
- Stale test files import removed modules (api.google_embedder_client, api.tools.embedder)2 Minuten
- Missing anthropic Python package1 Minute
- Missing gitpython package1 Minute
- Missing watchfiles package1 Minute
- Installationszeit
- 19 Minuten
- Von der kalten Maschine bis zum Ende
- 21 Minuten
- Aufgetretene und behobene Fehler
- 10 aufgetreten, 10 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- Backend: curl http://localhost:8001/health returned 200, curl http://localhost:8001/ returned 200 with 13 endpoint groups listed. Frontend: curl http://localhost:3000/ returned 200 with compiled HTML (memory watchdog causes restarts). Test suite: pytest tests/ --ignore=tests/api --ignore=tests/unit/test_google_embedder.py --ignore=tests/integration passed 100/100.
- Verbrauchte Modell-Tokens
- 962.465
- Genau getesteter Commit
- d92819a9c9f3
- 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
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 2, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
/bin/sh -lc "ARGUSIC_RESULT:{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_min…
exited 127 in 0ms:
/bin/sh: 1: ARGUSIC_RESULT:{install_succeeded:: not found
The shell is interpreting the JSON as a command. I need to use echo:
exec
/bin/sh -lc "echo 'ARGUSIC_RESULT:{\"install_succeeded\": true, \"launch_succeeded\": true, \"insta…
succeeded in 0ms:
The result line has been printed. The report covers everything: I created the missing `pyproject.to…
2026-09-15T07:37:25.200201Z ERROR codex_core::session: failed to record rollout items: thread 01a0a…
tokens used
962,465
The result line has been printed. The report covers everything: I created the missing `pyproject.to…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
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- Hat sich von allen 10 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
- 3-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 19 Minuten, langsamer als der Median der 230 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte deepwiki-open Platz 191 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
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 | 3/3 | Läuft mit Mocks | 92,00 | 0,14 | |
| Argusic Runner | 2/3 | Läuft | 100,00 | 0,23 | |
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,08 |
Themen (von GitHub)
aicodexgeminigithubgrok-cliollamaopen-sourceopenaiopenrouterself-hostedwiki
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/deepwiki-open)Fragen
- Läuft deepwiki-open?
- Ja. deepwiki-open läuft. Argusic hat es auf einer sauberen Maschine in 19 Minuten installiert und gestartet, ist dabei auf 10 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic deepwiki-open getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit d92819a9c9f3. 3 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von deepwiki-open gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,23 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 deepwiki-open?
- 19 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 deepwiki-open eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von deepwiki-open schief?
- Im aufgezeichneten Lauf gingen 10 Dinge kaputt, und 10 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet deepwiki-open im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte deepwiki-open Platz 191 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für deepwiki-open?
- Alle 3 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.