Englisches Original: https://argusic.com/subject/voxcity
VoxCity
Python-Framework zur Integration von Geodaten, 3D-Stadtmodellierung und urbaner Simulation.
LäuftQuelle: GitHubHomepagePythonMITCommit fa2126563053
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: 3d city model, 3d city models, digital twin, envi met, geospatial data, google earth engine, microclimate und openstreetmap.
VoxCity läuft. Ein Argusic-Agent hat es in 6 Minuten 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.
VoxCity 1.7.0 installs in a pip-only venv, passes its full test suite (3021 passed, 16 skipped), and ran a real end-to-end Tokyo data pipeline plus CPU/GPU solar simulations and OBJ/VOX/INX/CitiLES/NetCDF/HDF5 exports.
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 60 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.
- ModuleNotFoundError: No module named taichi on collection of simulator_gpu tests2 Minuten
- ImportError: No boolean backend for trimesh (pip install manifold3d or blender)2 Minuten
- ValueError could not convert string to float 'a' in ad-hoc solar test (Astral returns DataFrame, not tuples)1 Minute
- Installationszeit
- 6 Minuten
- Von der kalten Maschine bis zum Ende
- 19 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- TAICHI_ARCH=cpu .venv/bin/python -m pytest -q exited 0: 3021 passed, 16 skipped; integration test_voxelcity_pipeline_tokyo_small passed; GPU solar map mean 842.82 W/m2
- Verbrauchte Modell-Tokens
- 486.566
- Genau getesteter Commit
- fa2126563053
- 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.
- **ERROR 2** — `ImportError: No boolean backend: pip install manifold3d or install blender` in `te… - **ERROR 3** — `ValueError: could not convert string to float: 'a'` was my own API misuse (Astral … - Installation itself never failed; one `save_voxel_netcdf` signature mismatch was also my API misu… ## Verification (all observed) - **Install**: `pip install -e .` + dev deps in `.venv`; `import voxcity` → `1.7.0`; `rasterio 1.5.… - **Test suite**: `TAICHI_ARCH=cpu .venv/bin/python -m pytest -q` → `3021 passed, 16 skipped, 0 fai… - **Real end-to-end data pipeline**: `tests/test_integration_pipeline.py::test_voxelcity_pipeline_t… - **GPU solar simulation**: `get_global_solar_irradiance_map` on synthetic city → 6×6 map, mean 842… - **Exporters**: HDF5 save/load roundtrip exact; OBJ with 8 vertices/12 faces; ENVI-met `voxcity.IN… - **Mock tier**: standalone HTTP mock returned Overpass-style coastline JSON; `query_coastlines_fro… ## Note README prerequisite "GDAL via conda" was not needed here: PyPI wheels bundle GDAL, and both the whe…
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 6 Minuten 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.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
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 6 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 | Läuft | 100,00 | 0,12 | |
| Argusic Runner | 1/3 | Lief nicht | 20,00 | 0,10 |
Themen (von GitHub)
3d-city-model3d-city-modelsdigital-twinenvi-metgeospatial-datagoogle-earth-enginemicroclimateopenstreetmappythonsolar-radiationurban-analyticsurban-climateurban-environmenturban-planningurban-simulationvoxelvoxelization
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/voxcity)Fragen
- Läuft VoxCity?
- Ja. VoxCity läuft. Argusic hat es auf einer sauberen Maschine in 6 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic VoxCity getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit fa2126563053. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von VoxCity gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,12 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 VoxCity?
- 6 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 VoxCity eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von VoxCity 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 VoxCity?
- 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.