Englisches Original: https://argusic.com/subject/vectordbz
vectordbz
Eine moderne Desktop-Anwendung zum Erkunden, Verwalten und Analysieren von Vektor-Datenbanken.
Läuft mit MocksQuelle: GitHubHomepageTypeScriptMITCommit 57d51d2549ba
TypeScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, aitools, chroma, database management, embeddings, milvus, pgvector und pinecone.
vectordbz läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 29 Minuten installiert und ist auf 5 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
npm ci completes successfully, Vite builds produce valid bundles, the Electron app launches on Xvfb with a visible VectorDBZ 1400x900 window connected to the Vite renderer dev server. The embedding mock server serves embedding vectors on port 3005. Integration tests require Docker containers not available in this environment. Package step fails with OOM.
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.
- Node.js version mismatch - system has v18.19.1, project requires >=22.12.03 Minuten
- Corrupted Vite build artifacts from prior failed package attempt caused Electron SyntaxError: Unexpected end of input2 Minuten
- Electron main.js entry-point had duplicated content after rebuild1 Minute
- All 8 database integration test files fail - require Docker containers for Qdrant, Weaviate, ChromaDB, Milvus, pgvector, Pinecone, Elasticsearch, RedisSearch (docker not available in container)
- npm run package (electron-forge make) runs out of memory (OOM)
- Installationszeit
- 29 Minuten
- Von der kalten Maschine bis zum Ende
- 30 Minuten
- Aufgetretene und behobene Fehler
- 5 aufgetreten, 5 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- npm run start (via electron-forge) launched Electron app; VectorDBZ window 1400x900 appeared on virtual display :99 and Electron processes remained alive for 25+ seconds. Embedding server at localhost:3005 responded 200 on POST /embed/text with valid 384-dim embedding vector. Electron --version via forge returned 7.11.1.
- Verbrauchte Modell-Tokens
- 497.049
- Genau getesteter Commit
- 57d51d2549ba
- 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.
succeeded in 0ms:
The task is complete. Let me clean up the running processes.
exec
/bin/sh -lc "ps aux | grep \"[e]lectron\" | grep -v codex | grep -v grep | awk '{print "'$2}'"' | x…
ps aux | grep \"[v]ite\" | grep -v codex | grep -v grep | awk '{print "'$2}'"' | xargs -r kill 2>/d…
echo \"Cleanup done\"" in /work/repo
succeeded in 0ms:
Cleanup done
Done. The app has been installed, built, and launched—VectorDBZ window appeared on the virtual disp…
tokens used
497,049
Done. The app has been installed, built, and launched—VectorDBZ window appeared on the virtual disp…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 sich von allen 5 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.
- Die Installation dauerte 29 Minuten, langsamer als der Median der 230 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte vectordbz Platz 214 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
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 | 0,51 |
Themen (von GitHub)
aiaitoolschromadatabase-managementembeddingsmilvuspgvectorpineconeqdrantragsemantic-searchvector-data-managementvector-databasevector-database-embeddingvector-searchvector-storevectordatabasevectordbvectorspaceweaviate
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/vectordbz)Fragen
- Läuft vectordbz?
- vectordbz läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 29 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic vectordbz getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 57d51d2549ba. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von vectordbz gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,51 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 vectordbz?
- 29 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 vectordbz eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von vectordbz schief?
- Im aufgezeichneten Lauf gingen 5 Dinge kaputt, und 5 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet vectordbz im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte vectordbz Platz 214 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für vectordbz?
- 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.