Englisches Original: https://argusic.com/subject/django-lfs
django-lfs
Ein Online-Shop basierend auf Django
LäuftQuelle: GitHubHomepagePythonBSD-3-ClauseCommit 3385b9a583ab
Python, Lizenz BSD-3-Clause. Das Projekt beschreibt sich selbst als: django, ecommerce, online shop und python.
django-lfs läuft. Ein Argusic-Agent hat es in 12 Minuten installiert und ist auf 7 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Django LFS package installs in a venv, 29 core unit tests pass, dev server starts on port 8888 and accepts HTTP connections.
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 100 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.
- ugettext_lazy removed in Django 6 - 7 third-party packages affected4 Minuten
- Missing Python dependencies3 Minuten
- ForeignKey missing on_delete in 5 dependency packages2 Minuten
- django.core.urlresolvers removed in Django 4+1 Minute
- django.conf.urls.url removed in Django 5+1 Minute
- Django settings missing required LFS config values1 Minute
- Installationszeit
- 12 Minuten
- Von der kalten Maschine bis zum Ende
- 19 Minuten
- Aufgetretene und behobene Fehler
- 7 aufgetreten, 7 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python -m django test lfs.voucher lfs.criteria lfs.payment lfs.customer_tax lfs.caching lfs.gross_price lfs.net_price lfs.supplier lfs.tax lfs.portlet lfs.export lfs.utils exited 0, 29 passed
- Verbrauchte Modell-Tokens
- 1.392.351
- Genau getesteter Commit
- 3385b9a583ab
- 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
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
- `country_data.COUNTRIES.items()` → `list(...items())` dict_items compatibility
- `TextPortletForm` missing `fields = "__all__"` (Django ModelForm requirement)
- Missing `captcha` app in `INSTALLED_APPS`
- Migration dependency typo `0006_alter_product_sk` → `0006_alter_product_sku`
- Missing Django settings defaults (`LFS_CRITERIA`, `LFS_PRICE_CALCULATORS`, etc.)
**Verification**: `python -m django test lfs.voucher lfs.criteria lfs.payment lfs.customer_tax lfs.…
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 1…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 12, "errors": [{"msg": "ug…
tokens used
1,392,351Gesamte 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 7 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 BSD-3-Clause, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 12 Minuten, langsamer als der Median der 4 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 5 Projekten im Bereich django, die Argusic installiert und zeitlich gemessen hat, belegte django-lfs Platz 4 bei der Zeit bis zum lauffähigen Zustand, und 4 von 5 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
Themen (von GitHub)
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/django-lfs)Fragen
- Läuft django-lfs?
- Ja. django-lfs läuft. Argusic hat es auf einer sauberen Maschine in 12 Minuten installiert und gestartet, ist dabei auf 7 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic django-lfs getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 3385b9a583ab. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von django-lfs gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,04 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 django-lfs?
- 12 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 django-lfs eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von django-lfs schief?
- Im aufgezeichneten Lauf gingen 7 Dinge kaputt, und 7 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet django-lfs im Vergleich zu Alternativen ab?
- Von den 5 Projekten im Bereich django, die Argusic installiert und zeitlich gemessen hat, belegte django-lfs Platz 4 bei der Zeit bis zum lauffähigen Zustand, und 4 von 5 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für django-lfs?
- 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.