Englisches Original: https://argusic.com/subject/fabric
Fabric
Fabric ist ein Open-Source-Framework zur Unterstützung von Menschen mithilfe von KI. Es bietet ein modulares System zur Lösung spezifischer Probleme mithilfe einer per Crowdsourcing erstellten Sammlung von KI-Prompts, die überall verwendet werden kann.
LäuftQuelle: GitHubHomepageGoMITCommit 177b3a9d2848
Go, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, augmentation, flourishing, life und work.
Fabric läuft. Ein Argusic-Agent hat es in 12 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Fabric v1.4.518 built and installed from source in /home/runner/go/bin; all 55 sub-packages pass tests; CLI executes patterns with both dry-run and real OpenRouter API; REST API server serves /patterns/names at 200; 265 patterns and 9 strategies are installed and ready.
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 90 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
- 12 Minuten
- Von der kalten Maschine bis zum Ende
- 13 Minuten
- Aufgetretene und behobene Fehler
- 0 aufgetreten, 0 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- 1) 'fabric --version' returned v1.4.518; 2) 'echo test | fabric -p ai --dry-run --stream' printed the expected dry-run template; 3) 'echo test | fabric -p ai --stream' with real OpenRouter key returned 5 AI-generated bullet points; 4) 'curl http://localhost:8080/patterns/names' returned 200 with 265 pattern names; 5) 'go test ./...' passed 41/41 packages with 0 failures; 6) 'code2context --help' printed its usage; 7) 'fabric --serve --dry-run' started the REST server successfully.
- Verbrauchte Modell-Tokens
- 94.434
- Genau getesteter Commit
- 177b3a9d2848
- 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 1, 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.
EXIT=0 The real Argusic API call worked perfectly - the AI responded with meaningful content. Let me compi… exec /bin/sh -lc 'export PATH="/tmp/go/bin:$HOME/go/bin:$PATH" && export GOPATH=$HOME/go && cd /work/rep… succeeded in 1274ms: 41 ---failures--- 41 All 41 test packages passed, 0 failures, real API call returned AI-generated content. Here's the fu… tokens used 94,434 All 41 test packages passed, 0 failures, real API call returned AI-generated content. Here's the fu…
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.
- Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 12 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 Fabric Platz 163 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.
- Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Nicht verifiziert | 80,00 | 0,11 | |
| Argusic Runner | 1/3 | Läuft | 100,00 | 0,08 |
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/fabric)Fragen
- Läuft Fabric?
- Ja. Fabric läuft. Argusic hat es auf einer sauberen Maschine in 12 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic Fabric getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 177b3a9d2848. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von Fabric gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,08 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 Fabric?
- 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 Fabric eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von Fabric schief?
- Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
- Wie schneidet Fabric im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte Fabric Platz 163 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für Fabric?
- 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.