Läuft pi-from-scratch?

pi-from-scratch läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 3 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.

Wie hat Argusic pi-from-scratch getestet?

Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 599d0ba646c5. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.

Was hat der Test von pi-from-scratch gekostet?

Der Lauf, der diesen Befund ergab, kostete 0,02 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 pi-from-scratch?

3 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 pi-from-scratch eine GPU?

Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.

Was geht bei der Installation von pi-from-scratch schief?

Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.

Wo ist der Nachweis für pi-from-scratch?

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.

Englisches Original: https://argusic.com/subject/pi-from-scratch

pi-from-scratch

Eine in 600 Zeilen TypeScript geschriebene Super-Mini-Version von pi, mit der Sie ganz einfach von 0 aus Ihren eigenen pi-agent schreiben können.

Läuft mit MocksQuelle: GitHub HomepageTypeScriptMITCommit 599d0ba646c5

TypeScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent loop, ai agent, coding agent, llm, llm agent, pi, pi agent und tool calling.

pi-from-scratch läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 3 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

npm install, tsc build, and all 25 vitest tests pass across 5 test files; the LLM stream function and agent loop work end-to-end against a mock OpenAI-compatible API
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

Befund: Läuft mit Mocks
Argusic Score: 92 / 100
Kosten des verifizierenden Laufs: 0,02 USD (gemessen)
aufgezeichnete Läufe: 1
zuletzt getestet: 2026-10-09
Sterne: 1.300
Forks: 107
offene Issues: 1
Beobachter: 2
Größe: 12 MB
erstellt: 2026-08-09
letzter Push: 2026-10-24

Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert 2026-11-04. 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: 3 Minuten
Von der kalten Maschine bis zum Ende: 4 Minuten
Aufgetretene und behobene Fehler: 0 aufgetreten, 0 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde: npm test exited 0, 25 passed; custom mock-API e2e test verified stream() returns correct text and runAgent() completes full tool_call→tool_result→text round-trip
Verbrauchte Modell-Tokens: 86.047
Genau getesteter Commit: 599d0ba646c5
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.

 ✓ test/llm.test.ts (10 tests) 14ms
 ✓ test/tools.test.ts (7 tests) 21ms
 ✓ test/tui.test.ts (4 tests) 5ms
 ✓ test/cli.test.ts (1 test) 6ms
 Test Files  5 passed (5)
      Tests  25 passed (25)
   Start at  01:41:25
   Duration  696ms (transform 217ms, setup 0ms, collect 378ms, tests 53ms, environment 1ms, prepare…
All verified. Here is the final report:
tokens used
86,047
All verified. Here is 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

In 3 Minuten installiert.
Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
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.
Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.

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	0,02	2026-10-09 01:41 UTC

Themen (von GitHub)

agent-loop ai-agent coding-agent llm llm-agent pi pi-agent tool-calling typescript typescript-tutorial

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/pi-from-scratch.svg)](https://argusic.com/subject/pi-from-scratch)

Fragen

Läuft pi-from-scratch?: pi-from-scratch läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 3 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic pi-from-scratch getestet?: Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 599d0ba646c5. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von pi-from-scratch gekostet?: Der Lauf, der diesen Befund ergab, kostete 0,02 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 pi-from-scratch?: 3 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 pi-from-scratch eine GPU?: Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von pi-from-scratch schief?: Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
Wo ist der Nachweis für pi-from-scratch?: 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.