Englisches Original: https://argusic.com/subject/experiential
experiential
Experiential ist das Open-Source-Gateway ohne Aufschlag für BYOK, selbst gehostete und 1000+ Marketplace-Modelle. Es lernt aus Ihrem Traffic, um Kosten zu senken, bessere Modelle zu empfehlen und ein spezialisiertes Modell zu trainieren, das Ihnen gehört.
LäuftQuelle: GitHubHomepagePythonApache-2.0Commit 1253c82fe479
Python, Lizenz Apache-2.0.
experiential läuft. Ein Argusic-Agent hat es in 45 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.
The experiential project installs cleanly under uv on Python 3.13 with the native Rust gateway extension built from source; all quality gates pass, 8396 of 8397 container-runnable tests pass, and the initialized loopback gateway serves health, models, non-stream and stream chat completions, and usage accounting against a local mock OpenAI-compatible upstream.
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.
- uv sync on system Python 3.12 left venv incomplete; repo gates need 3.1315 Minuten
- TERM unset made ~77 rich picker PTY tests fail (non-interactive fallback)10 Minuten
- rustc/cargo not installed; native gateway crate requires them6 Minuten
- test_prepared_snapshot_rejects_path_and_content_races[rewrite] fails on overlayfs ctime semantics in this container5 Minuten
- macOS-only capture lock test fails on Linux because pwd exists and ~/Library 0755 trips fail-closed ancestor check3 Minuten
- uv not installed in container2 Minuten
- Installationszeit
- 45 Minuten
- Von der kalten Maschine bis zum Ende
- 74 Minuten
- Aufgetretene und behobene Fehler
- 7 aufgetreten, 7 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- uv sync --extra dev exited 0; ruff check/format --check and ty check all reported All checks passed; .venv/bin/pytest -q = 8396 passed, 1 env-expected failure, 60 skipped; curl -s http://127.0.0.1:8000/health/ready returned 200 with body {"status":"ready"}; curl POST /v1/chat/completions with exp_vk_ key returned HTTP 200 with id chatcmpl_9feeeb47b3a8e4b60f01741637ca166a and content "Hello" via mock upstream; SSE stream returned chunks ending data: [DONE]
- Verbrauchte Modell-Tokens
- 1.697.702
- Genau getesteter Commit
- 1253c82fe479
- 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.
- Full pytest: **8396 passed, 1 failed (capture-lock env test), 1 error (flaky terminal-tasks test …
- Live gateway on loopback:
- `exp config gateway init/provider add openai-compatible/alias create opus-5/identity create/gra…
- `exp --root /tmp/exp-root-test --non-interactive --json --check` -> `{"status":"ready",...}` ex…
- `exp --root ... --port 8000` launched; process stayed up (PID constant across probes).
- `GET /health/ready` → 200 `{"status":"ready"}`.
- `GET /v1/models` with issued `exp_vk_…` key → 200 listing the granted `opus-5` alias.
- `POST /v1/chat/completions` (Bearer key, `{"model":"opus-5",...}`) → 200 real completion `"id":…
- Streaming → 200 SSE `data:` chunks ending `data: [DONE]`.
- `GET /usage` → 200 HTML accounting page (per-identity request/attempt/token tables); SQLite `ga…
- 502s observed only when the background mock upstream had died between exec sessions (proven by …
**Honest scoping:** I did not run `exp build`/`exp optimize`/SFT (require real hosted provider keys…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 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 Apache-2.0, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 45 Minuten, langsamer als der Median der 46 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 47 Projekten im Bereich Python, die Argusic installiert und zeitlich gemessen hat, belegte experiential Platz 47 bei der Zeit bis zum lauffähigen Zustand, und 28 von 47 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.
Laufverlauf
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/experiential)Fragen
- Läuft experiential?
- Ja. experiential läuft. Argusic hat es auf einer sauberen Maschine in 45 Minuten installiert und gestartet, ist dabei auf 7 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic experiential getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 1253c82fe479. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von experiential gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,47 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 experiential?
- 45 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 experiential eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von experiential 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 experiential im Vergleich zu Alternativen ab?
- Von den 47 Projekten im Bereich Python, die Argusic installiert und zeitlich gemessen hat, belegte experiential Platz 47 bei der Zeit bis zum lauffähigen Zustand, und 28 von 47 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für experiential?
- 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.