Englisches Original: https://argusic.com/subject/fast-plaid
fast-plaid
Hochleistungs-Engine für Multi-Vector-Suche
LäuftQuelle: GitHubHomepagePythonMITCommit df2be46ee930
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: colbert, colpali, information retrieval, rust und vector database.
fast-plaid läuft. Ein Argusic-Agent hat es in 7,4 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.
fast-plaid 1.7.0 builds, installs from a patched wheel, and passes all 83 tests: create, search, update, delete, metadata filtering, freeze/unfreeze, single-copy storage, legacy argument compatibility, and chunk-budget verification on CPU with torch 2.7.0.
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.
- Segfault on importing the .so — maturin bundles renamed copies of torch shared libraries (different SONAMEs) that conflict with already-loaded torch1,5 Minuten
- Python development headers (Python.h) missing — no python3-dev package installed1 Minute
- Rust toolchain (rustc, cargo) not installed in container0,3 Minuten
- tch-rs 0.20.0 compilation failed with torch 2.14.1+ C++ API differences (e.g. symint::sizes, deprecated functions)0,3 Minuten
- patchelf binary not available for maturin wheel bundling0,2 Minuten
- Installationszeit
- 7 Minuten
- Von der kalten Maschine bis zum Ende
- 31 Minuten
- Aufgetretene und behobene Fehler
- 5 aufgetreten, 5 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python3 -m pytest tests/test.py -v -x (79 passed) && python3 -m pytest tests/test_chunk_budget.py -v (4 passed), all 83 tests passing in 41.9s + 1.6s using the patched wheel installed in a clean venv with torch 2.7.0+cpu
- Verbrauchte Modell-Tokens
- 1.604.763
- Genau getesteter Commit
- df2be46ee930
- 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: 1793022387 I'll now calculate the exact minutes and assemble the final JSON report. Total elapsed time: start at timestamp 1793021943, end at 1793022387 = 444 seconds ≈ 7.4 minutes. Total install + fix time: from scratch (no Rust, no torch) to all 83 tests passing in 3 environment… Here's the final report: tokens used 1,604,763 I'll now calculate the exact minutes and assemble the final JSON report. Total elapsed time: start at timestamp 1793021943, end at 1793022387 = 444 seconds ≈ 7.4 minutes. Total install + fix time: from scratch (no Rust, no torch) to all 83 tests passing in 3 environment… Here's the final report:
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 7,4 Minuten installiert.
- 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 MIT, 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.
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 7,4 Minuten nach dem Klonen.
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/fast-plaid)Fragen
- Läuft fast-plaid?
- Ja. fast-plaid läuft. Argusic hat es auf einer sauberen Maschine in 7 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic fast-plaid getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit df2be46ee930. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von fast-plaid gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,50 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 fast-plaid?
- 7,4 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 fast-plaid eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von fast-plaid 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.
- Wo ist der Nachweis für fast-plaid?
- 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.