Englisches Original: https://argusic.com/subject/vector-storage
vector-storage
Vector Storage ist eine Vektordatenbank, die semantische Ähnlichkeitssuchen in Textdokumenten im lokalen Speicher des Browsers ermöglicht. Sie verwendet OpenAI-Embeddings, um Dokumente in Vektoren umzuwandeln, und ermöglicht die Suche nach ähnlichen Dokumenten auf Basis der Kosinus-Ähnlichkeit.
Läuft mit MocksQuelle: GitHubHomepageTypeScriptMITCommit 0484d9c25765
TypeScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: cosine similarity, embedding vectors, javascript, local storage, localstorage, lru cache, npm und open source.
vector-storage läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 1 Minute installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
npm install completes, npx tsc and npm run lint pass, and node verify.mjs exits 0 with ALL CHECKS PASSED covering add/search/filter/hits/persistence/LRU and the OpenAI embedding fetch path against a local mock server.
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.
- Race: constructor kicked off async loadFromIndexDbStorage() unawaited, so addText/addTexts raced with the load and wiped documents10 Minuten
- Hit counters never accumulated: updateHitCounters mutated result copies, not stored documents, breaking the documented LRU ordering8 Minuten
- indexedDB is not defined in Node: library depends on browser IndexedDB via idb1 Minute
- Installationszeit
- 1 Minuten
- Von der kalten Maschine bis zum Ende
- 10 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- node verify.mjs exited 0 with ALL CHECKS PASSED (21/21 checks: CRUD, ranking, filters, hits, persistence, LRU, and the OpenAI fetch path via local mock server); npx tsc and npm run lint both exited 0
- Verbrauchte Modell-Tokens
- 231.283
- Genau getesteter Commit
- 0484d9c25765
- 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.
All checks pass and the tree is clean except the intended changes. Final verification recap, then t…
**What I did**
- `npm install` — succeeded (242 packages); added `fake-indexeddb` as a devDependency for Node-side…
- `npx tsc` — builds `dist/` without errors.
- No test suite exists in the repo, so I wrote `verify.mjs` exercising the actual built package.
**Errors found and fixed**
1. `indexedDB is not defined` when running the library in Node — fixed by using `fake-indexeddb/aut…
2. Constructor fired async `loadFromIndexDbStorage()` unawaited, racing with `addText`/`addTexts` a…
3. `updateHitCounters` mutated shallow copies, so hit counters (and thus LRU eviction order) never …
**Verified behavior (21/21 checks in `node verify.mjs`, exit 0, "ALL CHECKS PASSED")**
- `addText`/`addTexts`, dedupe on repeated text, cosine ranking ("fox" first for "quick fox"), `k`,…
- `npm run lint` passes; `npx tsc` passes.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
- In 1 Minute installiert.
- Hat sich von allen 3 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.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
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 | 0,07 |
Themen (von GitHub)
cosine-similarityembedding-vectorsjavascriptlocal-storagelocalstoragelru-cachenpmopen-sourceopenaisemantic-searchsemantic-similaritytypescriptvector-databasevector-dbvector-searchvector-similarityvector-similarity-databasevector-similarity-search
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/vector-storage)Fragen
- Läuft vector-storage?
- vector-storage läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 1 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic vector-storage getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 0484d9c25765. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von vector-storage gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,07 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 vector-storage?
- 1 Minute in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht vector-storage eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von vector-storage schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wo ist der Nachweis für vector-storage?
- 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.