Englisches Original: https://argusic.com/subject/uniemployee
UniEmployee
Eine Plattform für Unternehmen zum Aufbau und Betrieb digitaler Mitarbeiter: Sie überführt Erfahrungen, Prozesse und Bewertungskriterien von Fachkräften in AI-basierte digitale Mitarbeiter, die jederzeit einsatzbereit, konfigurierbar, genehmigungsfähig und beobachtbar sind.
LäuftQuelle: GitHubPythonMITCommit 7d5edf5480d0
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent orchestration, ai agent, ai employee, ai platform, business process, digital employee, digital workforce und enterprise agents.
UniEmployee läuft. Ein Argusic-Agent hat es in 5 Minuten installiert und ist auf 6 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Backend server on port 8888 serves /health returning 200 with all 7 SQLite databases ok; 553 tests pass covering auth, catalog, conversations, approvals, analytics, security, guardrails, assignments, automations, ontology, traces, sandbox management, summarization, knowledge retrieval, tool calls, streaming, and runtime MCP;
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.
- admin account seeded with must_change_password=true blocking all admin API calls used by tests8 Minuten
- Port 8787 occupied by argusic proxy that auto-restarts on kill; cannot bind uvicorn there5 Minuten
- Argusic proxy on port 8787 returns 502 for all requests; tests hardcode BASE=http://localhost:87873 Minuten
- Playwright browser tests require frontend/dist/ which is not built and Node.js 18 cannot build it (needs 20+)3 Minuten
- deepagents version mismatch: requirements.txt specifies 0.7.13 but lock file pins 0.7.5 causing API incompatibility2 Minuten
- Additional dependencies (duckdb, sqlglot, openpyxl, jieba, rank-bm25, SQLAlchemy, opensandbox, langchain-sandbox-opensandbox) not in lock file but required by requirements.txt2 Minuten
- Installationszeit
- 5 Minuten
- Von der kalten Maschine bis zum Ende
- 38 Minuten
- Aufgetretene und behobene Fehler
- 6 aufgetreten, 6 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- curl http://localhost:8888/health returned 200 with status ok and all 7 databases healthy; uvicorn server started and responded; 553/567 tests passed (all non-Playwright tests pass), 11 Playwright browser tests expectedly fail without built frontend dist/, 2 tests skipped as slow, 1 skipped for search
- Verbrauchte Modell-Tokens
- 1.520.392
- Genau getesteter Commit
- 7d5edf5480d0
- 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.
"test_depth": "tier1_real", "verified_how": "curl http://localhost:8888/health returned 200 with structured status; uvicorn a… "final_state": "Backend server on port 8888 serves health endpoint returning 200 with all 7 SQLit… } exec /bin/sh -lc "curl -s http://127.0.0.1:8888/health | python3 -c \"import sys,json; d=json.load(sys.s… succeeded in 0ms: Status: ok DBs OK: True 2026-10-21T19:27:21.141999Z ERROR codex_core::session: failed to record rollout items: thread 01a15… tokens used 1,520,392
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 5 Minuten installiert.
- Hat sich von allen 6 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 MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 18 Projekten im Bereich agent-orchestration, die Argusic installiert und zeitlich gemessen hat, belegte UniEmployee Platz 7 bei der Zeit bis zum lauffähigen Zustand, und 13 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.
- Für eine schnelle Evaluierung: Es lief 5 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
Themen (von GitHub)
agent-orchestrationai-agentai-employeeai-platformbusiness-processdigital-employeedigital-workforceenterprise-agentsenterprise-aihuman-in-the-loopknowledge-graphllmragworkflow-automation
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/uniemployee)Fragen
- Läuft UniEmployee?
- Ja. UniEmployee läuft. Argusic hat es auf einer sauberen Maschine in 5 Minuten installiert und gestartet, ist dabei auf 6 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic UniEmployee getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 7d5edf5480d0. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von UniEmployee gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,26 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 UniEmployee?
- 5 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 UniEmployee eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von UniEmployee schief?
- Im aufgezeichneten Lauf gingen 6 Dinge kaputt, und 6 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet UniEmployee im Vergleich zu Alternativen ab?
- Von den 18 Projekten im Bereich agent-orchestration, die Argusic installiert und zeitlich gemessen hat, belegte UniEmployee Platz 7 bei der Zeit bis zum lauffähigen Zustand, und 13 von 18 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für UniEmployee?
- 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.