Ja. waku-agent läuft. Argusic hat es auf einer sauberen Maschine in 5 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.

Wie hat Argusic waku-agent getestet?

Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 12bf00efb11f. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.

Was hat der Test von waku-agent gekostet?

Der Lauf, der diesen Befund ergab, kostete 0,08 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 waku-agent?

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 waku-agent eine GPU?

Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.

Was geht bei der Installation von waku-agent schief?

Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 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 waku-agent?

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.

Englisches Original: https://argusic.com/subject/waku-agent

waku-agent

Waku Waku! Waku Agent ist ein AI-Agent-Harness, das lokal zuerst arbeitet und das Sie tatsächlich besitzen, einschließlich Schleife, Speicher und Evaluierung, alles in Code, der dafür gebaut ist, lesbar zu bleiben, während er wächst.

LäuftQuelle: GitHubPythonMITCommit 12bf00efb11f

Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent framework, ai agent, ai assistant, claude, evals, llm, llmops und local first.

waku-agent läuft. Ein Argusic-Agent hat es in 5 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

Waku 0.1.8 installed and verified: all 1714 offline deterministic tests pass, the dashboard serves HTTP 200 on localhost:7777, the CLI responds to waku --help, the loop runs end-to-end with a real LLM provider (OpenRouter free tier), and lint passes cleanly.
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

Befund: Läuft
Argusic Score: 100 / 100
Kosten des verifizierenden Laufs: 0,08 USD (gemessen)
aufgezeichnete Läufe: 1
zuletzt getestet: 2026-10-05
Sterne: 2.133
Forks: 420
offene Issues: 64
Beobachter: 5
Größe: 11 MB
erstellt: 2026-07-10
letzter Push: 2026-10-23

Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert 2026-11-04. 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.

Durch jeden Fehlschlag verlorene Zeit beim Testen von waku-agent, aus dem aufgezeichneten Lauf gezeichnet — Jeder Balken ist ein Fehler, den der Agent aufgezeichnet hat, mit der Zeit, die er gekostet hat. Aus diesem Lauf gezeichnet, aus keiner anderen Quelle.

Was schiefging, in den Worten des Agents

Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.

hosted extra dependency jwt (PyJWT) not installed, causing 4 collection errors in evals/deterministic/hosted/*.py1 Minute

Installationszeit: 5 Minuten
Von der kalten Maschine bis zum Ende: 7 Minuten
Aufgetretene und behobene Fehler: 1 aufgetreten, 1 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde: pytest evals/deterministic: 1714 passed, 63 skipped; live LLM call via OpenRouter free tier: w.respond('Reply with exactly the word VERIFIED') returned 'VERIFIED'; dashboard HTTP GET on port 7777 returned 200; ruff check passed
Verbrauchte Modell-Tokens: 56.594
Genau getesteter Commit: 12bf00efb11f
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.

### Verification
| Check | Result |
|---|---|
| **pytest evals/deterministic** | 1714 passed, 63 skipped (live-eval tests correctly skipped witho…
| **ruff check** | All checks passed |
| **Dashboard HTTP** | `GET /` on localhost:7777 returned HTTP 200 |
| **CLI entrypoints** | `python -m waku --help` prints all 14 commands correctly |
| **Live LLM call** | Argusic free-tier model responded with "VERIFIED" to a prompt via `w.respond(…
| **Memory DB** | `state.db` created with 15 tables (facts, episodes, chat_log, etc.) — schema veri…
### Notable
- The pre-existing `OPENROUTER_API_KEY` in the environment allowed **tier1_real** verification — th…
- No system packages were needed or installed.

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.
Hat sich von dem einen Fehler 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

Die Installation dauerte 5 Minuten, langsamer als der Median der 61 vergleichbaren Projekte, die Argusic gemessen hat.
Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.

Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte waku-agent Platz 34 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 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

getestet von	Versuch	Ergebnis	Score	Kosten USD	wann
Argusic Runner	1/3	Läuft	100,00	0,08	2026-10-05 10:27 UTC

Themen (von GitHub)

agent-framework ai-agent ai-assistant claude evals llm llmops local-first openai personal-assistant python sqlite

Badge einbetten

Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.

[![Tested by Argusic](https://argusic.com/badge/waku-agent.svg)](https://argusic.com/subject/waku-agent)

Fragen

Läuft waku-agent?: Ja. waku-agent läuft. Argusic hat es auf einer sauberen Maschine in 5 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic waku-agent getestet?: Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 12bf00efb11f. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von waku-agent gekostet?: Der Lauf, der diesen Befund ergab, kostete 0,08 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 waku-agent?: 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 waku-agent eine GPU?: Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von waku-agent schief?: Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
Wie schneidet waku-agent im Vergleich zu Alternativen ab?: Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte waku-agent Platz 34 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 erreichten überhaupt einen solchen Zustand.
Wo ist der Nachweis für waku-agent?: 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.