Englisches Original: https://argusic.com/subject/gpt-rag
GPT-RAG
Enterprise-taugliche Landing Zone für KI-Agent-Anwendungen auf Azure. Stellen Sie die sichere Infrastruktur, die Agent-App oder beides bereit: basierend auf Microsoft Foundry und Microsoft Agent Framework, mit Zero-Trust-Netzwerk, Observability und IaC.
Läuft mit MocksQuelle: GitHubHomepagePythonMITCommit 324df2c24620
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent framework, agent landing zone, agentic rag, ai agents, azd templates, azure, azure ai search und azure container apps.
GPT-RAG läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 18 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
In a fresh container venv, the full pytest suite passes (469 passed, 9 environment skips), all five bash hooks pass syntax checks, and the topology, hosted-access, and app-config CLIs run to completion against mocked Azure and fail closed without it.
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 92 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.
- util/requirements.txt and config/requirements.txt pin conflicting azure-identity versions (1.23.0 vs 1.25.3), and pip-re Installing both files fails with ResolutionImpossible4 Minuten
- PowerShell 7 (pwsh) and Azure CLI (az)/azd are not installed in the container; hook tests for pwsh are skipped and live azd provisioning cannot run (no root to install)4 Minuten
- scripts/postProvision.sh and scripts/preDeploy.sh report syntax errors under 'sh -n'3 Minuten
- Installationszeit
- 18 Minuten
- Von der kalten Maschine bis zum Ende
- 6 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python -m pytest -q returned 469 passed, 9 skipped, 431 subtests passed; python -m config.deployment.topology --describe returned rc 0 JSON topology; hosted_access main --plan/--apply returned rc 0 with 3 grants; appconfig main() returned rc 0 and printed hosted-no-panel; validator script exit 0
- Verbrauchte Modell-Tokens
- 348.807
- Genau getesteter Commit
- 324df2c24620
- 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
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
- Set up `.venv`, installed `util/requirements.txt` + `config/requirements.txt` + `pytest` + `PyYAM…
- Suite: `python -m pytest -q` → `469 passed, 9 skipped, 431 subtests passed in 4.59s`. The 9 skips…
- Real CLI executions, all with no real Azure credentials:
- `PYTHONPATH=. python -m config.deployment.topology --describe` → rc 0, JSON `{"topology": "host…
- `hosted_access.main(["--plan"]/["--apply"])` via the repo's own schema-correct mock `az` → rc 0…
- `appconfig.main()` with a fake `az` binary → rc 0, printed `hosted-no-panel`, issued the 46 exp…
- `hosted_image.render_hosted_dockerfile` → anchored `FROM ...@sha256:...` and rejected mutable t…
- `hosted_prepare` and `validate-hosted-context` fail closed without provisioned Azure (by design…
- CI validator: `python .github/scripts/validate-agentic-assets.py` → `Validated 3 agents and 14 sk…
- Repo-owned mismatch found and worked around: `util/requirements.txt` pins `azure-identity==1.23.0…
- Shell hooks need `bash` (they're `#!/usr/bin/env bash`); `bash -n` passes on all five. Azure CLI/…
Verified how: `pytest -q` counts; the topology/appconfig/hosted_access CLIs' return codes and JSON …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 sich von allen 3 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Die Installation dauerte 18 Minuten, langsamer als der Median der 61 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte GPT-RAG Platz 53 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 erreichten überhaupt einen solchen Zustand.
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
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,08 |
Themen (von GitHub)
agent-frameworkagent-landing-zoneagentic-ragai-agentsazd-templatesazureazure-ai-searchazure-container-appsbicepenterprisefoundry-iqgenerative-aigpt-4landing-zonemicrosoft-foundryopenairagzero-trust
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/gpt-rag)Fragen
- Läuft GPT-RAG?
- GPT-RAG läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 18 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic GPT-RAG getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 324df2c24620. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von GPT-RAG 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 GPT-RAG?
- 18 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 GPT-RAG eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von GPT-RAG schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet GPT-RAG im Vergleich zu Alternativen ab?
- Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte GPT-RAG Platz 53 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für GPT-RAG?
- 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.