Original en inglés: https://argusic.com/subject/alphora
alphora
Un framework listo para producción para construir AI agents componibles
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit 3885e73b8d61
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent framework, ai agents, llm y multi agent systems.
alphora funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 3 minutos y encontró 3 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Alphora 1.3.4 is installed in a venv, all 22 tutorials run without errors, the alphora-web frontend server responds to HTTP 200 on /v1/health, and the publish_agent_api server accepts streaming and non-streaming chat completion requests against a mock OpenAI backend.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 52,7 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- memory/manager.py inject() failed on plain string -> AttributeError: 'str' object has no attribute 'to_dict'1 minuto
- sync long_response path sent unexpected prompt_id to LongResponseGenerator1 minuto
- Docker sandbox unavailable (no Docker socket)
- Tiempo de instalación
- 3 minutos
- De máquina en frío a terminar
- 17 minutos
- Errores encontrados y corregidos
- 3 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- all 22 tutorials pass (tutorials/*.py), alphora-web --no-browser returns 200 on /, publish_agent_api server responds on /v1/health (200) and /v1/chat/completions (streaming SSE and non-streaming JSON), all core modules import cleanly
- Tokens de modelo usados
- 330.669
- Commit exacto probado
- 3885e73b8d61
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
/bin/sh -lc '# Quick calculation of time spent (rough) echo "Start time check..." date +%s' in /work/repo succeeded in 0ms: Start time check... 1792786049 All tutorials pass, the API server responds on `/v1/health` (200) and `/v1/chat/completions` (strea… It's about 13 minutes. Let me write the final output. tokens used 330,669 All tutorials pass, the API server responds on `/v1/health` (200) and `/v1/chat/completions` (strea… It's about 13 minutes. Let me write the final output.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se instaló en 3 minutos, más rápido que la mediana de los 61 proyectos comparables que ha medido Argusic.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Encontró 3 errores durante la instalación, 1 de ellos sin resolver.
De los 62 proyectos de agent-framework que Argusic ha instalado y cronometrado, alphora fue el 26.º más rápido en llegar a funcionar, y 48 de 62 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona con mocks | 85,33 | 0,09 | |
| Argusic Runner | 1/3 | No funcionó | 20,00 | 0,01 |
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/alphora)Preguntas
- ¿Funciona alphora?
- alphora funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 3 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic alphora?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 3885e73b8d61. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar alphora?
- La ejecución que produjo este veredicto costó 0,09 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda alphora en instalarse?
- 3 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita alphora una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar alphora?
- En la ejecución registrada fallaron 3 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara alphora con las alternativas?
- De los 62 proyectos de agent-framework que Argusic ha instalado y cronometrado, alphora fue el 26.º más rápido en llegar a funcionar, y 48 de 62 llegaron a funcionar.
- ¿Dónde está la evidencia de alphora?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.