Englisches Original: https://argusic.com/subject/jamaibase
JamAIBase
Die kollaborative Tabellenkalkulation für KI. Verketten Sie Zellen zu leistungsstarken Pipelines, experimentieren Sie mit Prompts und Modellen und bewerten Sie LLM-Antworten in Echtzeit. Arbeiten Sie nahtlos zusammen, um KI-Anwendungen zu erstellen und zu verbessern.
LäuftQuelle: GitHubHomepagePythonApache-2.0Commit 56ffb4653ff2
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agents, ai, ai agents framework, baas, backend as a service, chatbot, chatgpt und intelligent spreadsheet.
JamAIBase läuft. Ein Argusic-Agent hat es in 31 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.
JamAI Base API service (owl) installs, migrates its PostgreSQL schema, starts as a Gunicorn/uvicorn server on port 6969, responds 200 on /api/health, and passes 144 unit/integration tests with real PostgreSQL and Redis.
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 80 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.
- No Redis server available6 Minuten
- No PostgreSQL server installed in container4 Minuten
- externally-managed-environment prevents system pip install1 Minute
- Installationszeit
- 31 Minuten
- Von der kalten Maschine bis zum Ende
- 33 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest on 11 test files: 144 passed, 0 failed, 0 skipped; curl http://localhost:6969/api/health returned 200
- Verbrauchte Modell-Tokens
- 444.222
- Genau getesteter Commit
- 56ffb4653ff2
- 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.
server stopped
Services stopped
Now let me compile the final results.
**Install and build**: Python packages installed into a venv, PostgreSQL 16.4 binary deployed from …
**Tests executed**: 144 tests passed across types, DB operations, cryptography, dates, utility func…
**Verified by**: `curl -s -o /dev/null -w "%{http_code}" http://localhost:6969/api/health` returned…
tokens used
444,222
Now let me compile the final results.
**Install and build**: Python packages installed into a venv, PostgreSQL 16.4 binary deployed from …
**Tests executed**: 144 tests passed across types, DB operations, cryptography, dates, utility func…
**Verified by**: `curl -s -o /dev/null -w "%{http_code}" http://localhost:6969/api/health` returned…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 3 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 31 Minuten, langsamer als der Median der 37 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 38 Projekten im Bereich agents, die Argusic installiert und zeitlich gemessen hat, belegte JamAIBase Platz 36 bei der Zeit bis zum lauffähigen Zustand, und 25 von 38 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.
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 | 2/3 | Läuft | 100,00 | 0,38 | |
| Argusic Runner | 1/3 | Nicht verifiziert | 60,00 | 0,13 |
Themen (von GitHub)
agentsaiai-agents-frameworkbaasbackend-as-a-servicechatbotchatgptintelligent-spreadsheetlancedbllama3-1llmllm-opsorchestrationpythonragretrieval-augmented-generationserverlessspreadsheetsvelteworkflow
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/jamaibase)Fragen
- Läuft JamAIBase?
- Ja. JamAIBase läuft. Argusic hat es auf einer sauberen Maschine in 31 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic JamAIBase getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 56ffb4653ff2. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von JamAIBase gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,38 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 JamAIBase?
- 31 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 JamAIBase eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von JamAIBase 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 JamAIBase im Vergleich zu Alternativen ab?
- Von den 38 Projekten im Bereich agents, die Argusic installiert und zeitlich gemessen hat, belegte JamAIBase Platz 36 bei der Zeit bis zum lauffähigen Zustand, und 25 von 38 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für JamAIBase?
- 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.