Englisches Original: https://argusic.com/subject/django-shop
django-shop
A Django based shop system
LäuftQuelle: GitHubPythonBSD-3-ClauseCommit 951d1e75b1f4
Python, Lizenz BSD-3-Clause. Das Projekt beschreibt sich selbst als: django, django shop und e commerce.
django-shop läuft. Ein Argusic-Agent hat es in 3 Minuten installiert und ist auf 5 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
All 117 tests in the django-SHOP test suite pass with Python 3.12 and Django 3.0.14 in a virtual environment, using SQLite in-memory database with no external dependencies.
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 98,3 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt. 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.
- pip install failed: externally-managed-environment (PEP 668) prevents system-wide install1 Minute
- Old django-allauth 0.40.0 fails to build with modern setuptools: ImportError cannot import name 'convert_path'1 Minute
- lxml 4.5.0 fails to compile on python3.12 (missing C headers)1 Minute
- pytest 5.3.1 crashes on Python 3.12: AttributeError: __spec__ from old py package1 Minute
- urllib3 1.25.9 missing packages.six.moves module1 Minute
- Installationszeit
- 3 Minuten
- Von der kalten Maschine bis zum Ende
- 5 Minuten
- Aufgetretene und behobene Fehler
- 5 aufgetreten, 5 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- cd /work/repo/tests && /tmp/venv/bin/python -m pytest exited 0, 117 passed, collected and ran test_auth (11), test_cart (8), test_catalog (6), test_checkout (8), test_commodity (1), test_customer (6), test_inventory (3), test_order (2), test_auth again (1), test_deferred (29), test_money (30), test_money_db_field (4), test_enum (7), and test_cart again (1)
- Verbrauchte Modell-Tokens
- 125.057
- Genau getesteter Commit
- 951d1e75b1f4
- 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.
Script start: 1795342863 Let me calculate the elapsed time more carefully. exec /bin/sh -lc 'date +%s' in /work/repo succeeded in 0ms: 1795342865 The session started around timestamp 1795342863 (the first command was at or before that). It's now… Let me compile the final result with proper timing. From the first install command to the test comp… tokens used 125,057 The session started around timestamp 1795342863 (the first command was at or before that). It's now… Let me compile the final result with proper timing. From the first install command to the test comp…
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.
- In 3 Minuten installiert, schneller als der Median der 5 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 5 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.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Von den 6 Projekten im Bereich django, die Argusic installiert und zeitlich gemessen hat, belegte django-shop Platz 3 bei der Zeit bis zum lauffähigen Zustand, und 5 von 6 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.
- Für eine schnelle Evaluierung: Es lief 3 Minuten nach dem Klonen.
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-shop)Fragen
- Läuft django-shop?
- Ja. django-shop läuft. Argusic hat es auf einer sauberen Maschine in 3 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic django-shop getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 951d1e75b1f4. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von django-shop gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,05 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-shop?
- 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 django-shop eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von django-shop schief?
- Im aufgezeichneten Lauf gingen 5 Dinge kaputt, und 5 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet django-shop im Vergleich zu Alternativen ab?
- Von den 6 Projekten im Bereich django, die Argusic installiert und zeitlich gemessen hat, belegte django-shop Platz 3 bei der Zeit bis zum lauffähigen Zustand, und 5 von 6 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für django-shop?
- Alle 2 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.