Englisches Original: https://argusic.com/subject/txtai
txtai
All-in-one AI-Framework für semantische Suche, LLM-Orchestrierung und Sprachmodell-Workflows
LäuftQuelle: GitHubHomepagePythonApache-2.0Commit 483dbd3b3bd8
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agents, ai, ai agents, embeddings, information retrieval, language model, large language models und llm.
txtai läuft. Ein Argusic-Agent hat es in 2 Minuten installiert und ist auf 19 Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
txtai 9.14.0 installed in venv, all core embeddings/graph/workflow/agent/cloud/vector/scoring tests pass, API responds to search/index/count endpoints with real model inference, ~470 automated tests pass across 30 test suites
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 94,7 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.
- docling/liteparse missing (testDocling, testLiteParse errors)3 Minuten
- sentence-transformers not installed (testShortcuts ImportError)2 Minuten
- Externally-managed Python environment blocked system pip install1 Minute
- torchvision missing (transformers import error)1 Minute
- scikit-learn/scipy missing (testwords ImportError)1 Minute
- grand-cypher/grand-graph missing (testShortcuts graph error)1 Minute
- Installationszeit
- 2 Minuten
- Von der kalten Maschine bis zum Ende
- 83 Minuten
- Aufgetretene und behobene Fehler
- 19 aufgetreten, 14 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- FastAPI testclient GET /search returned 200 with real semantic search results using sentence-transformers/nli-mpnet-base-v2 model; 470+ tests passing across 30+ suites
- Verbrauchte Modell-Tokens
- 1.548.363
- Genau getesteter Commit
- 483dbd3b3bd8
- 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.
5. LiteLLM auth failure (needs real API key)
6. PEFT not installed (optional, for LoRA training)
exec
/bin/sh -lc "echo \"{\\\"install_succeeded\\\": true, \\\"launch_succeeded\\\": true, \\\"install_m…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors": [{"msg": "Ext…
Now I have all the data. Let me compute the elapsed time precisely and output the final result.
The session started at about 19:16 UTC and ends at about 20:38 UTC. I started around 19:16 and ende…
tokens used
1,548,363
Now I have all the data. Let me compute the elapsed time precisely and output the final result.
The session started at about 19:16 UTC and ends at about 20:38 UTC. I started around 19:16 and ende…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 2 Minuten installiert, schneller als der Median der 37 vergleichbaren Projekte, die Argusic gemessen hat.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz Apache-2.0, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Ist bei der Einrichtung auf 19 Fehler gestoßen, davon 5 nicht gelöst.
Von den 38 Projekten im Bereich agents, die Argusic installiert und zeitlich gemessen hat, belegte txtai Platz 5 bei der Zeit bis zum lauffähigen Zustand, und 25 von 38 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 2 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 von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Zeit abgelaufen | 0,00 | 0,53 | |
| Argusic Runner | 1/3 | Läuft | 94,74 | 0,31 |
Themen (von GitHub)
agentsaiai-agentsembeddingsinformation-retrievallanguage-modellarge-language-modelsllmnlppythonragretrieval-augmented-generationsearchsearch-enginesemantic-searchsentence-embeddingstransformerstxtaivector-databasevector-search
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/txtai)Fragen
- Läuft txtai?
- Ja. txtai läuft. Argusic hat es auf einer sauberen Maschine in 2 Minuten installiert und gestartet, ist dabei auf 19 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic txtai getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 483dbd3b3bd8. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von txtai gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,31 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 txtai?
- 2 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 txtai eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von txtai schief?
- Im aufgezeichneten Lauf gingen 19 Dinge kaputt, und 14 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet txtai im Vergleich zu Alternativen ab?
- Von den 38 Projekten im Bereich agents, die Argusic installiert und zeitlich gemessen hat, belegte txtai Platz 5 bei der Zeit bis zum lauffähigen Zustand, und 25 von 38 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für txtai?
- Alle 2 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.