Englisches Original: https://argusic.com/subject/relamind
RelaMind
Ein KI-basiertes System zur Analyse persönlicher Wachstumspfade, das dem Benutzer hilft, sich selbst besser zu verstehen und kontinuierlich zu wachsen, indem es das Leben aufzeichnet, die Vergangenheit Revue passieren lässt und Muster analysiert. Es umfasst Funktionen wie intelligentes Routing, RAG-Retrieval und autonome Task-Agenten.
Läuft mit MocksQuelle: GitHubJavaMITCommit 40ef0f3c027d
Java, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, ai agents, cassandra database, chatbot, docker, java, langchain4j und manus ai.
RelaMind läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 34 Minuten installiert und ist auf 5 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Spring Boot backend compiles and passes 17/18 tests; Vue.js frontend builds; 1 test skipped for PostgreSQL/pgvector dependency.
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
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.
- VectorStore and RAG cloud advisor configs triggered real API calls10 Minuten
- Cassandra repositories missing - Spring context failed to load8 Minuten
- PgVector VectorStore not available (no PostgreSQL)3 Minuten
- Java 21 not available in environment2 Minuten
- DashScope API key missing for Spring context tests2 Minuten
- Installationszeit
- 34 Minuten
- Von der kalten Maschine bis zum Ende
- 35 Minuten
- Aufgetretene und behobene Fehler
- 5 aufgetreten, 5 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- mvn test exited 0, 18 tests run, 17 passed, 0 failed, 1 skipped. Frontend: vite build succeeded.
- Verbrauchte Modell-Tokens
- 309.620
- Genau getesteter Commit
- 40ef0f3c027d
- 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.
- Frontend builds with `npm run build` via vite - Created test infrastructure mocking Cassandra, DashScope, and VectorStore - Modified 2 production `@Configuration` classes to be conditional (`@ConditionalOnProperty`) - All 8 `@SpringBootTest` test classes updated to import mock config **Test results:** - 18 tests run, 17 pass, 0 fail, 1 skipped (PgVector needs PostgreSQL) - 4 tool tests exercise real network/filesystem behavior (PDF generation, web scraping, resource do… - 14 Spring-context tests use mocks for Cassandra repos, DashScope ChatModel/EmbeddingModel, and Ve… **Remaining gaps:** - PgVector (PostgreSQL + pgvector) not available in this container - No real DashScope API key provided - Docker not available for compose-based deployment
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 sich von allen 5 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- 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.
- Die Installation dauerte 34 Minuten, langsamer als der Median der 230 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte RelaMind Platz 219 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 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 | 1/3 | Läuft mit Mocks | 92,00 | 0,68 |
Themen (von GitHub)
aiai-agentscassandra-databasechatbotdockerjavalangchain4jmanus-aimcpragreactagentsensitivewordsmart-routingspring-bootspringaispringai-alibabatoolcallingvector-databasevue3
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/relamind)Fragen
- Läuft RelaMind?
- RelaMind läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 34 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic RelaMind getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 40ef0f3c027d. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von RelaMind gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,68 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 RelaMind?
- 34 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 RelaMind eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von RelaMind schief?
- Im aufgezeichneten Lauf gingen 5 Dinge kaputt, und 5 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet RelaMind im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte RelaMind Platz 219 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für RelaMind?
- 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.