Original en inglés: https://argusic.com/subject/deeptutor
DeepTutor
DeepTutor: tutoría personalizada de por vida.
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit a053fecf6eec
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: ai agents, ai tutor, clawbot, cli tool, deepresearch, interactive learning, learning y multi agent systems.
DeepTutor funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 1,5 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Package installed via pip install -e .[dev] with partners extra. LLM features require OpenAI/etc credentials (deeptutor doctor reports No active LLM model). Test suite passes across core, API, CLI, services, book, reading, video learning, agents, capabilities, tools, knowledge, runtime, and plugins modules after 4 test fixes.
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 92 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.
- ModuleNotFoundError: slack_sdk not installed for partners channel tests0,5 minutos
- test_preview_route_requires_authentication failed: FastAPI 0.162 _IncludedRouter incompatible0,3 minutos
- test_learner_surface_uses_actual_kb_route_template failed: FastAPI 0.162 _IncludedRouter incompatible0,2 minutos
- test_load_credentials_parses_session: hardcoded timestamp now expired0,1 minutos
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 81 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- deeptutor --help prints usage, deeptutor doctor runs diagnostics. pytest on batch of 17 modules: 1050 passed, 5 skipped, 18 warnings in 27s. All individual test files verified passing across all modules.
- Tokens de modelo usados
- 995.885
- Commit exacto probado
- a053fecf6eec
- 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.
],
\"test_depth\": \"tier2_mock\",
\"notes\": \"Installed pip install -e .[dev] plus partners extra. 1050 tests passed in one batc…
\"verified_how\": \"deeptutor --help prints usage, deeptutor doctor runs diagnostics. pytest on…
\"final_state\": \"Package installed via pip install -e .[dev] with partners extra. LLM feature…
}
print(json.dumps(result))
' 2>&1" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 1.5, "errors": [{"msg": "M…
tokens used
995,885Reproducir 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 1,5 minutos, más rápido que la mediana de los 110 proyectos comparables que ha medido Argusic.
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- 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.
De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, DeepTutor fue el 21.º más rápido en llegar a funcionar, y 83 de 111 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 | 92,00 | 0,35 | |
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,20 |
Temas (de GitHub)
ai-agentsai-tutorclawbotcli-tooldeepresearchinteractive-learninglearningmulti-agent-systemsrag
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/deeptutor)Preguntas
- ¿Funciona DeepTutor?
- DeepTutor funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic DeepTutor?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit a053fecf6eec. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar DeepTutor?
- La ejecución que produjo este veredicto costó 0,35 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 DeepTutor en instalarse?
- 1,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita DeepTutor una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar DeepTutor?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara DeepTutor con las alternativas?
- De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, DeepTutor fue el 21.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.
- ¿Dónde está la evidencia de DeepTutor?
- 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.