Englisches Original: https://argusic.com/subject/pipeshub-ai
pipeshub-ai
Die Open-Source-Kontextschicht für AI agents. PipesHub verwandelt das Wissen Ihres Unternehmens (Slack, Drive, Jira, GitHub, Microsoft 365 und 50+ Konnektoren) in einen berechtigungsbewussten Arbeitsbereich, den agents durchsuchen, grep, navigieren und zitieren können. MCP, SDKs und integrierte agents. Selbst gehostet.
Läuft mit MocksQuelle: GitHubHomepagePythonApache-2.0Commit 1864d3d2a793
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agentic rag, ai, ai agents, claude code, context engineering, context layer, deep research und enterprise search.
pipeshub-ai läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 60 Minuten installiert und ist auf 4 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
286 Python unit tests pass, 9633 JavaScript unit tests pass (4 pending). Both suites execute against mocked external services without real infrastructure dependencies.
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 68 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.
- pytest-timeout 2.4.0 incompatible with pytest 9.x — hangs on test collection of multiple files8 Minuten
- Node.js v18 available but project requires v22.15.05 Minuten
- sharp native module not compiled for platform2 Minuten
- No Docker in container
- Installationszeit
- 60 Minuten
- Von der kalten Maschine bis zum Ende
- 62 Minuten
- Aufgetretene und behobene Fehler
- 4 aufgetreten, 4 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python -m pytest (top-level files), 286 passed in 65s; npm test (node22), 9633 passing, 4 pending in 2m
- Verbrauchte Modell-Tokens
- 953.372
- Genau getesteter Commit
- 1864d3d2a793
- 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.
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 6…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 60, "errors": [{"msg": "py…
exec
/bin/sh -lc "# Validate JSON is well-formed
echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 60, \"errors\"…
succeeded in 0ms:
JSON valid
2026-09-25T05:17:55.044406Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
tokens used
953,372Gesamte 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 4 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz Apache-2.0, laut Angabe des Hosts.
- 3-mal gemessen, das Ergebnis ist also kein Einzelfall.
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 60 Minuten, langsamer als der Median der 134 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte pipeshub-ai Platz 134 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 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 | 3/3 | Läuft mit Mocks | 92,00 | 0,25 | |
| Argusic Runner | 2/3 | Lief nicht | 20,00 | 0,13 | |
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,29 |
Themen (von GitHub)
agentic-ragaiai-agentsclaude-codecontext-engineeringcontext-layerdeep-researchenterprise-searchgleangraphraghybrid-searchknowledge-graphllmmcpmcp-serverollamapythonragself-hostedworkplace-ai
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/pipeshub-ai)Fragen
- Läuft pipeshub-ai?
- pipeshub-ai läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 60 Minuten installiert und gestartet, ist dabei auf 4 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic pipeshub-ai getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 1864d3d2a793. 3 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von pipeshub-ai gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,25 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 pipeshub-ai?
- 60 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 pipeshub-ai eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von pipeshub-ai schief?
- Im aufgezeichneten Lauf gingen 4 Dinge kaputt, und 4 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet pipeshub-ai im Vergleich zu Alternativen ab?
- Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte pipeshub-ai Platz 134 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für pipeshub-ai?
- Alle 3 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.