Original en inglés: https://argusic.com/subject/deepwiki-open
deepwiki-open
DeepWiki de código abierto: generador de wikis impulsado por IA para repositorios de GitHub/Gitlab/Bitbucket.
Funcionafuente: GitHubsitio webPythonMITcommit d92819a9c9f3
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, codex, gemini, github, grok cli, ollama, open source y openai.
deepwiki-open funciona. Un agent de Argusic lo instaló en 19 minutos y encontró 10 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Backend FastAPI server runs on port 8001 with health, models, auth, repo, wiki, chat, codemap, and system endpoints all responding; frontend Next.js dev server compiles and serves on port 3000; 100 out of 105 tests pass (2 deselected for real API keys, 3 stale/invalid tests).
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 94,7 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.
- Frontend build OOM killed during next build static generation (1GB RAM limit)5 minutos
- Missing uv and root pyproject.toml - uv.lock existed but no project file2 minutos
- Stale test files import removed modules (api.google_embedder_client, api.tools.embedder)2 minutos
- Missing anthropic Python package1 minuto
- Missing gitpython package1 minuto
- Missing watchfiles package1 minuto
- Tiempo de instalación
- 19 minutos
- De máquina en frío a terminar
- 21 minutos
- Errores encontrados y corregidos
- 10 encontrados, 10 corregidos sin ayuda humana
- Cómo se demostró el resultado
- Backend: curl http://localhost:8001/health returned 200, curl http://localhost:8001/ returned 200 with 13 endpoint groups listed. Frontend: curl http://localhost:3000/ returned 200 with compiled HTML (memory watchdog causes restarts). Test suite: pytest tests/ --ignore=tests/api --ignore=tests/unit/test_google_embedder.py --ignore=tests/integration passed 100/100.
- Tokens de modelo usados
- 962.465
- Commit exacto probado
- d92819a9c9f3
- 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
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 2, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
/bin/sh -lc "ARGUSIC_RESULT:{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_min…
exited 127 in 0ms:
/bin/sh: 1: ARGUSIC_RESULT:{install_succeeded:: not found
The shell is interpreting the JSON as a command. I need to use echo:
exec
/bin/sh -lc "echo 'ARGUSIC_RESULT:{\"install_succeeded\": true, \"launch_succeeded\": true, \"insta…
succeeded in 0ms:
The result line has been printed. The report covers everything: I created the missing `pyproject.to…
2026-09-15T07:37:25.200201Z ERROR codex_core::session: failed to record rollout items: thread 01a0a…
tokens used
962,465
The result line has been printed. The report covers everything: I created the missing `pyproject.to…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
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de los 10 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 19 minutos en instalarse, más lento que la mediana de los 230 proyectos comparables que ha medido Argusic.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, deepwiki-open fue el 191.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
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 | 3/3 | Funciona con mocks | 92,00 | 0,14 | |
| Argusic Runner | 2/3 | Funciona | 100,00 | 0,23 | |
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,08 |
Temas (de GitHub)
aicodexgeminigithubgrok-cliollamaopen-sourceopenaiopenrouterself-hostedwiki
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/deepwiki-open)Preguntas
- ¿Funciona deepwiki-open?
- Sí. deepwiki-open funciona. Argusic lo instaló y lo inició en una máquina limpia en 19 minutos, con 10 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic deepwiki-open?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit d92819a9c9f3. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar deepwiki-open?
- La ejecución que produjo este veredicto costó 0,23 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 deepwiki-open en instalarse?
- 19 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita deepwiki-open una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar deepwiki-open?
- En la ejecución registrada fallaron 10 cosas, y 10 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara deepwiki-open con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, deepwiki-open fue el 191.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de deepwiki-open?
- Las 3 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.