Englisches Original: https://argusic.com/subject/nearbeach

NearBeach

NearBeach ist ein Open-Source-Projektmanagement-Tool, das Ihnen hilft, den Überblick über Ihr Projekt zu behalten. Sie können Anforderungen, Projekte und Aufgaben verfolgen.

LäuftQuelle: GitHubHomepageCSSMITCommit dd051a04714a

CSS, Lizenz MIT. Das Projekt beschreibt sich selbst als: django, django application, open source, opensource, project management, python und python3.

NearBeach läuft. Ein Argusic-Agent hat es in 6 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

NearBeach project management system installed and fully functional. Python Django backend and JavaScript Vue.js frontend both build and pass all tests without errors.

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

Befund
Läuft
Argusic Score
100 / 100
Kosten des verifizierenden Laufs
0,11 USD (gemessen)
aufgezeichnete Läufe
1
zuletzt getestet
Sterne
218
Forks
71
offene Issues
0
Beobachter
8
Größe
332 MB
erstellt
letzter Push

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
6 Minuten
Von der kalten Maschine bis zum Ende
17 Minuten
Aufgetretene und behobene Fehler
0 aufgetreten, 0 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde
Django test suite: 114 tests passed (OK). Vitest frontend: 169 files, 172 tests passed. Django dev server starts and responds HTTP 302 on GET /.
Verbrauchte Modell-Tokens
75.250
Genau getesteter Commit
dd051a04714a
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.

--- Django test count ---
Ran 114 tests in 72.036s
exec
/bin/sh -lc 'cd /work/repo && . venv/bin/activate && python -m django test NearBeach.tests --settin…
I have all the data I need. Let me compile the final result.
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 2…
 succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors": [], "test_dep…
2026-10-30T03:36:46.216363Z ERROR codex_core::session: failed to record rollout items: thread 01a18…
tokens used
75,250

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 6 Minuten installiert, schneller als der Median der 4 vergleichbaren Projekte, die Argusic gemessen hat.
  • 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.

Was nicht lief oder unbekannt ist

  • Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.

Von den 5 Projekten im Bereich django, die Argusic installiert und zeitlich gemessen hat, belegte NearBeach Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 4 von 5 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.
  • Für eine schnelle Evaluierung: Es lief 6 Minuten nach dem Klonen.
  • Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.

Laufverlauf

getestet vonVersuchErgebnisScoreKosten USDwann
Argusic Runner1/3Läuft100,000,11

Themen (von GitHub)

djangodjango-applicationopen-sourceopensourceproject-managementpythonpython3

Badge einbetten

Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.

[![Tested by Argusic](https://argusic.com/badge/NearBeach.svg)](https://argusic.com/subject/nearbeach)

Fragen

Läuft NearBeach?
Ja. NearBeach läuft. Argusic hat es auf einer sauberen Maschine in 6 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic NearBeach getestet?
Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit dd051a04714a. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von NearBeach gekostet?
Der Lauf, der diesen Befund ergab, kostete 0,11 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 NearBeach?
6 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 NearBeach eine GPU?
Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von NearBeach schief?
Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
Wie schneidet NearBeach im Vergleich zu Alternativen ab?
Von den 5 Projekten im Bereich django, die Argusic installiert und zeitlich gemessen hat, belegte NearBeach Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 4 von 5 erreichten überhaupt einen solchen Zustand.
Wo ist der Nachweis für NearBeach?
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.

Discussion