Englisches Original: https://argusic.com/subject/wikipedia-semantic-search
wikipedia-semantic-search
Semantische Suche auf Wikipedia mit Upstash Vector
Läuft mit MocksQuelle: GitHubHomepageTypeScriptMITCommit e0bad8f0c256
TypeScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, search, semantic, vector und vector database.
wikipedia-semantic-search läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 30 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.
pnpm install and next build succeed; next start serves / with HTTP 200 and the full chat/search pipeline runs end-to-end against local schema-correct Upstash/OpenAI mocks, with retrieval context and streaming answers verified via the installed SDKs; connecting real Upstash/OpenAI credentials is the only remaining external step.
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.
- mock-only: chat endpoint returned 500 because history pipeline needed list semantics (pipeline result array) and vector query mock routing/response shape were incomplete; later the mock LLM was bypassed by the app hardcoding https://api.openai.com/v115 Minuten
- README/.env documents UPSTASH_* and QSTASH_TOKEN but src/lib/rag-chat.ts hardcodes the OpenAI provider base URL to https://api.openai.com/v1, so the chat LLM cannot be pointed at a local mock via env15 Minuten
- production next start exited after .next lost BUILD_ID following a dev run; first start with mock env also died at container exec teardown8 Minuten
- next build failed during page data collection: UPSTASH_VECTOR_REST_TOKEN is missing (env not configured)5 Minuten
- pnpm not installed in container (no root)2 Minuten
- Installationszeit
- 30 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
- curl -s -o /dev/null -w %{http_code} http://127.0.0.1:3000/ returned 200 (HTML contains 'Wikipedia Semantic Search by Upstash Vector'); curl -c cookiejar -o /dev/null http://127.0.0.1:3000/ set a sessionId cookie via middleware; pnpm build exited 0 ('Generating static pages (5/5)'); index.query({data}) against the vector mock returned the seeded Eiffel Tower document, and ragChat.chat with streaming returned 'Mock answer for: ...ctx=The Eiffel Tower is a wrought-iron lattice tower in Paris, France...,q=What is the Eiffel Tower? [mock]'
- Verbrauchte Modell-Tokens
- 4.743.999
- Genau getesteter Commit
- e0bad8f0c256
- 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.
/bin/sh -lc "echo \"ARGUSIC_RESULT:\"; echo '{\"install_succeeded\": true, \"launch_succeeded\": tr…
exited 2 in 0ms:
/bin/sh: 1: Syntax error: "(" unexpected
exec
/bin/sh -lc "cat > /tmp/result.json <<'EOF'
{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 30, \"errors\": [{\"…
EOF
python3 -c \"import json; json.load(open('/tmp/result.json')); print('json valid')\" && printf 'ARG…
succeeded in 0ms:
json valid
tokens used
4,743,999Gesamte 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 30 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 wikipedia-semantic-search Platz 215 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 | 0,94 |
Themen (von GitHub)
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/wikipedia-semantic-search)Fragen
- Läuft wikipedia-semantic-search?
- wikipedia-semantic-search läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 30 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic wikipedia-semantic-search getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit e0bad8f0c256. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von wikipedia-semantic-search gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,94 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 wikipedia-semantic-search?
- 30 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 wikipedia-semantic-search eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von wikipedia-semantic-search 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 wikipedia-semantic-search im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte wikipedia-semantic-search Platz 215 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für wikipedia-semantic-search?
- 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.