Englisches Original: https://argusic.com/subject/swirl-search
swirl-search
AI Search & RAG ohne Verschiebung Ihrer Daten. Erhalten Sie sofortige Antworten aus dem Wissen Ihres Unternehmens über 100+ Apps, während Ihre Daten sicher bleiben. Stellen Sie in Minuten bereit, nicht in Monaten.
LäuftQuelle: GitHubHomepagePythonApache-2.0Commit 0506aa5638ae
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: ai search, bigquery, django, federated query, federated search, gpt, large language models und metasearch.
swirl-search läuft. Ein Argusic-Agent hat es in 18 Minuten installiert und ist auf 2 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
SWIRL Community Edition installed in a Python 3.12 virtual environment with all dependencies; Django server starts and answers requests; full test suite passes 184/184 tests.
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.
- Python 3.12 externally-managed-environment blocks system-wide pip install1 Minute
- redis-server binary not available (no root); Celery/Channels requires Redis
- Installationszeit
- 18 Minuten
- Von der kalten Maschine bis zum Ende
- 11 Minuten
- Aufgetretene und behobene Fehler
- 2 aufgetreten, 2 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest swirl/tests/ -q exited 0, 184 passed; manage.py runserver answers HTTP 302 on /; manage.py check shows 0 errors
- Verbrauchte Modell-Tokens
- 55.690
- Genau getesteter Commit
- 0506aa5638ae
- 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.
In the span of about 75 minutes, I set up this project from scratch in the container and ran it. Tw… 1. **Externally managed Python environment** — Ubuntu 24.04's Python blocks system-wide pip install… 2. **No `redis-server` binary** — The Celery/Channels config defaults to `redis://localhost:6379/0`… The Galaxy UI frontend returns 404 because it's an optional Docker-based install (`install-ui.sh`).… **Verification commands and results:** | Check | Result | |---|---| | `django-admin check` | 5 warnings (no errors) — JSONField defaults, URL namespace | | `manage.py collectstatic` | 159 static files copied | | `curl http://localhost:8000/` | HTTP 302 → redirects to `/galaxy/` | | `curl http://localhost:8000/admin/` | HTTP 302 → redirects to admin login | | `pytest swirl/tests/ -q` | **184 passed, 2 warnings** |
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 2 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 Apache-2.0, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 18 Minuten, langsamer als der Median der 3 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 4 Projekten im Bereich ai-search, die Argusic installiert und zeitlich gemessen hat, belegte swirl-search Platz 4 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 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)
ai-searchbigquerydjangofederated-queryfederated-searchgptlarge-language-modelsmetasearchpythonragrelevancyretrieval-augmented-generationsearchsearch-engineunified-search
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/swirl-search)Fragen
- Läuft swirl-search?
- Ja. swirl-search läuft. Argusic hat es auf einer sauberen Maschine in 18 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic swirl-search getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 0506aa5638ae. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von swirl-search gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,05 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 swirl-search?
- 18 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 swirl-search eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von swirl-search schief?
- Im aufgezeichneten Lauf gingen 2 Dinge kaputt, und 2 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet swirl-search im Vergleich zu Alternativen ab?
- Von den 4 Projekten im Bereich ai-search, die Argusic installiert und zeitlich gemessen hat, belegte swirl-search Platz 4 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für swirl-search?
- 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.