Englisches Original: https://argusic.com/subject/radient
radient
Radient wandelt viele Datentypen (nicht nur Text) in Vektoren um, für Ähnlichkeitssuche, RAG, Regressionsanalyse und mehr.
LäuftQuelle: GitHubPythonBSD-2-ClauseCommit 89ee872edd6b
Python, Lizenz BSD-2-Clause. Das Projekt beschreibt sich selbst als: audio, embeddings, etl, fraud detection, graphs, image search, images und milvus.
radient läuft. Ein Argusic-Agent hat es in 15 Minuten installiert und ist auf 7 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Installs under virtualenv. All 5 vectorizer backends produce correct embeddings. GANN C extension compiles and searches. Workflows run. ffmpeg demux produces decodable media. accelerate() broken on modern torch/transformers.
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
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.
- 18 modules need from __future__ import annotations to prevent eager LazyImport at class-definition time5 Minuten
- SklearnTextVectorizer crashes on single string and missing fit3 Minuten
- WhisperSpeechToTextTransform default torch_dtype eagerly evaluates LazyImport2 Minuten
- FastRPGraphVectorizer list result crashes metadata attachment2 Minuten
- RDKitMoleculeVectorizer crashes on invalid SMILES from FDA dataset1 Minute
- DefaultVideoDemuxTransform cannot decode AAC/mp4 via librosa+soundfile
- Installationszeit
- 15 Minuten
- Von der kalten Maschine bis zum Ende
- 25 Minuten
- Aufgetretene und behobene Fehler
- 7 aufgetreten, 7 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- text(sbert) returned (384,) float32; text(sklearn) returned (1,2) int64; graph returned 34 vectors of (64,); molecule returned (2048,) bool; audio returned (768,) float32. Drug-discovery top-10 matches match README. GANN C library compiles and search finds nearest neighbor at distance ~0. Workflow orchestration runs. ffmpeg demux produces decodable frames and audio.
- Verbrauchte Modell-Tokens
- 1.326.982
- Genau getesteter Commit
- 89ee872edd6b
- 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.
- `text_vectorizer()` → `(384,) float32` Vector for "Hello, world!" - `text_vectorizer(method="sklearn")` → `(1, 2) int64` - `graph_vectorizer()` on Karate Club → 34 × `(64,)` node embeddings - `molecule_vectorizer()` on `O=C=O` → `(2048,) bool` - `audio_vectorizer(method="torchaudio", model_name="HUBERT_BASE")` on generated wav → `(768,) floa… - Drug-discovery example → exact README top-10 (Dexibuprofen...Oxeladin) - GANN C extension compiled with `make`, index built, search returns true nearest neighbor - Workflow orchestration (source → vectorize) executed - ffmpeg demux transform produced frames/wavs that all decode with `ffmpeg -v error -i FILE -f null… **Remaining unfixed gaps** (documented): - `accelerate()` broken with modern torch/transformers (ONNX exporter can't ingest `BatchEncoding`). - Default opencv video demux can't extract audio from mp4 (librosa/soundfile limitation); ffmpeg me…
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 7 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 BSD-2-Clause, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 15 Minuten, langsamer als der Median der 17 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 18 Projekten im Bereich audio, die Argusic installiert und zeitlich gemessen hat, belegte radient Platz 13 bei der Zeit bis zum lauffähigen Zustand, und 15 von 18 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
Themen (von GitHub)
audioembeddingsetlfraud-detectiongraphsimage-searchimagesmilvusmolecular-searchmoleculesmultimodal-ragrecommender-systemretrieval-augmented-generationsemantic-searchsimilarity-searchtextunstructured-dataunstructured-data-processingvector-databasevectors
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/radient)Fragen
- Läuft radient?
- Ja. radient läuft. Argusic hat es auf einer sauberen Maschine in 15 Minuten installiert und gestartet, ist dabei auf 7 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic radient getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 89ee872edd6b. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von radient gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,29 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 radient?
- 15 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 radient eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von radient schief?
- Im aufgezeichneten Lauf gingen 7 Dinge kaputt, und 7 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet radient im Vergleich zu Alternativen ab?
- Von den 18 Projekten im Bereich audio, die Argusic installiert und zeitlich gemessen hat, belegte radient Platz 13 bei der Zeit bis zum lauffähigen Zustand, und 15 von 18 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für radient?
- 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.