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

selfgraph

Build and query versioned knowledge graphs for AI agents, with any graph database.

LäuftQuelle: GitHubTypeScriptApache-2.0Commit 97fb52be8e8e

TypeScript, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agent, graphs, knowledge graph, knowledge graphs, knowledge management und ontology.

selfgraph läuft. Ein Argusic-Agent hat es in 0,4 Minuten installiert und ist auf 2 Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

SelfGraph 0.2.2 installs cleanly on Python 3.12 via venv and runs its full test suite on embedded Kuzu with all deterministic tests passing. The CLI, SDK quickstart, and MCP server all function correctly. One test is OOM-bound in this container (test_kuzu_cancel_then_close).

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 90 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).

Auf einen Blick

Befund
Läuft
Argusic Score
90 / 100
Kosten des verifizierenden Laufs
0,18 USD (gemessen)
aufgezeichnete Läufe
1
zuletzt getestet
Sterne
211
Forks
0
offene Issues
0
Beobachter
0
erstellt
-
letzter Push
-

Projektdaten von GitHub, oben auf dieser Seite verlinkt. 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.

Durch jeden Fehlschlag verlorene Zeit beim Testen von selfgraph, aus dem aufgezeichneten Lauf gezeichnet
Jeder Balken ist ein Fehler, den der Agent aufgezeichnet hat, mit der Zeit, die er gekostet hat. Aus diesem Lauf gezeichnet, aus keiner anderen Quelle.

Was schiefging, in den Worten des Agents

Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.

  • test_kuzu_cancel_then_close subprocess OOM-killed (SIGKILL -9) on container with ~1GB RAM: spawns 50 Kuzu databases at 128MB each2 Minuten
  • kuzu 0.11.3 needs a larger buffer pool than 64MB for 513 relation versions1 Minute
Installationszeit
unter einer Minute
Von der kalten Maschine bis zum Ende
48 Minuten
Aufgetretene und behobene Fehler
2 aufgetreten, 1 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde
pytest with SELFGRAPH_TEST_STORE=kuzu: 789 collected, ~766 passed, ~22 skipped, 1 OOM failure unrelated to code. Quickstart asyncio.run() returned correct context. CLI insert+retrieve round-trip worked.
Verbrauchte Modell-Tokens
120.033
Genau getesteter Commit
97fb52be8e8e
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.

3. **Inter-test Kuzu lock contention**: When test suites ran in sequence, stale `.kuzu` files from …
**Test results (SELFGRAPH_TEST_STORE=kuzu, 789 collected, 10 deselected)**:
- All deterministic tests pass with Kuzu backend
- ~22 skipped (cypher dialect, HydraDB-specific, FalkorDB-specific, concurrent — all unrelated to K…
- 1 failure: OOM on `test_kuzu_cancel_then_close` (container memory limit)
- The buffer pool test and all conformance-critical tests pass
**End-to-end verification**: The README quickstart ran and returned `GRAPH | Jane Doe -[WORKS_AT]->…
exec
/bin/sh -lc "echo \"ARGUSIC_RESULT: {\\\"install_succeeded\\\": true, \\\"launch_succeeded\\\": tru…
 succeeded in 0ms:
tokens used
120,033

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 0,4 Minuten installiert, schneller als der Median der 140 vergleichbaren Projekte, die Argusic gemessen hat.
  • Lief ohne GPU, braucht also keine, um zu starten.
  • Lizenz Apache-2.0, laut Angabe des Hosts.

Was nicht lief oder unbekannt ist

  • Ist bei der Einrichtung auf 2 Fehler gestoßen, davon 1 nicht gelöst.
  • Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.

Von den 141 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte selfgraph Platz 10 bei der Zeit bis zum lauffähigen Zustand, und 94 von 141 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 0,4 Minuten nach dem Klonen.

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 vonVersuchErgebnisScoreKosten USDwann
Argusic Runner1/3Läuft90,000,18

Themen (von GitHub)

agentgraphsknowledge-graphknowledge-graphsknowledge-managementontology

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/selfgraph.svg)](https://argusic.com/subject/selfgraph)

Fragen

Läuft selfgraph?
Ja. selfgraph läuft. Argusic hat es auf einer sauberen Maschine in 0 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic selfgraph getestet?
Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 97fb52be8e8e. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von selfgraph gekostet?
Der Lauf, der diesen Befund ergab, kostete 0,18 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 selfgraph?
0,4 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 selfgraph eine GPU?
Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von selfgraph schief?
Im aufgezeichneten Lauf gingen 2 Dinge kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
Wie schneidet selfgraph im Vergleich zu Alternativen ab?
Von den 141 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte selfgraph Platz 10 bei der Zeit bis zum lauffähigen Zustand, und 94 von 141 erreichten überhaupt einen solchen Zustand.
Wo ist der Nachweis für selfgraph?
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