Englisches Original: https://argusic.com/subject/enola
enola
Verstehen, analysieren und steuern Sie Software-Systeme über Repositorys, Sprachen und Technologien hinweg.
LäuftQuelle: GitHubHomepageCApache-2.0Commit 2cc26ecec1b7
C, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: ai coding, architecture analysis, architecture differences, architecture testing, change impact analysis, ci cd, code intelligence und code review.
enola läuft. Ein Argusic-Agent hat es in 0,1 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
enola v0.4.35 installed and operational: analyzes Go/TypeScript/Python/Ruby/C/C++ repositories, generates architectural snapshots with 10000+ facts, produces 23 categories of insights including cycles, layers, hotspots, god-class, dead-code, and dependency-depth; baseline pinning and MCP server both confirmed working.
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.
- Installationszeit
- unter einer Minute
- Von der kalten Maschine bis zum Ende
- 3 Minuten
- Aufgetretene und behobene Fehler
- 0 aufgetreten, 0 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pip install within venv; enola --version returned 'enola version 0.4.35'; enola --explain . analyzed the repo yielding 10399 facts and 181 insights with exit 0; enola --generate . wrote full snapshot to .enola/ in 32s; enola doctor reported 'up to date' and 'comparable' baseline; enola baseline pin succeeded; enola --list returned 22 tools; enola MCP server started on stdio on demand
- Verbrauchte Modell-Tokens
- 125.515
- Genau getesteter Commit
- 2cc26ecec1b7
- 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.
succeeded in 0ms:
-rwxrwxr-x 1 runner runner 56149608 Oct 26 19:16 /tmp/enola-venv/bin/enola
succeeded in 0ms:
ELF > P&@ @ h�X @ 8 @ ( ' @ @ @ @ @ � …
E [ u i …
H�� P�� X�� `�� …
�@����%r_Ph �0����%j_Ph � ����%b_Ph �����%Z_Ph � ����%R_Ph ������%J_Ph �…
_Ph �`����%_Ph �P����%�^Ph �@����%�^Ph �0����%�^Ph � ����%�^Ph �����%�^P…
Everything is verified. The install succeeded without errors, and I exercised the tool extensively.…
tokens used
125,515
Everything is verified. The install succeeded without errors, and I exercised the tool extensively.…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 0,1 Minuten installiert, schneller als der Median der 5 vergleichbaren Projekte, die Argusic gemessen hat.
- Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz Apache-2.0, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 6 Projekten im Bereich ai-coding, die Argusic installiert und zeitlich gemessen hat, belegte enola Platz 1 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 0,1 Minuten nach dem Klonen.
- Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.
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)
ai-codingarchitecture-analysisarchitecture-differencesarchitecture-testingchange-impact-analysisci-cdcode-intelligencecode-reviewcodebase-understandingcoding-agentcross-repository-intelligencedependency-analysisdeveloper-toolsimpact-analysismcp-toolsmodel-context-protocalrefactoringsoftware-architecturestatic-analysistoken-savings
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/enola)Fragen
- Läuft enola?
- Ja. enola läuft. Argusic hat es auf einer sauberen Maschine in 0 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic enola getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 2cc26ecec1b7. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von enola 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 enola?
- 0,1 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 enola eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von enola schief?
- Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
- Wie schneidet enola im Vergleich zu Alternativen ab?
- Von den 6 Projekten im Bereich ai-coding, die Argusic installiert und zeitlich gemessen hat, belegte enola Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 5 von 6 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für enola?
- 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.