Original en inglés: https://argusic.com/subject/leann
LEANN
RAG en todo con LEANN. Disfruta de un 97% de ahorro de almacenamiento mientras ejecutas una aplicación RAG rápida, precisa y 100% privada en tu dispositivo personal.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit f84dec41db5b
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, faiss, gpt oss, langchain, llama index, llm, localstorage y offline first.
LEANN funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 85 minutos y encontró 8 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
LEANN Python packages installed, HNSW backend with custom-built Faiss SWIG module works, CI tests pass, README HNSW examples pass with mock embeddings, DiskANN backend blocked by missing libaio system dependency.
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 89,5 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.
- Faiss Python wrapper files had circular import structure when nested under leann_backend_hnsw10 minutos
- leann-backend-diskann requires libaio and Boost system packages (no root access)10 minutos
- CMake FindBLAS could not find BLAS (only libblas3 runtime, no .so symlink without version)5 minutos
- CMake could not find SWIG during Faiss build5 minutos
- Faiss SWIG module compiled with numpy 1.x but env had numpy 2.x, causing SystemError at import5 minutos
- Git submodules not initialized3 minutos
- Tiempo de instalación
- 85 minutos
- De máquina en frío a terminar
- 87 minutos
- Errores encontrados y corregidos
- 8 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest tests/test_ci_minimal.py -v: 4 passed, pytest tests/test_readme_examples.py -v -k hnsw: 2 passed
- Tokens de modelo usados
- 1.755.633
- Commit exacto probado
- f84dec41db5b
- 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.
2026-09-26T20:42:47.957373Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957387Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957399Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957412Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957425Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957436Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957451Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957466Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957480Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T20:42:47.957499Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… tokens used 1,755,633
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
- Licencia MIT, 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.
- Tardó 85 minutos en instalarse, más lento que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Encontró 8 errores durante la instalación, 1 de ellos sin resolver.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, LEANN fue el 231.º más rápido en llegar a funcionar, y 152 de 231 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 | Se quedó sin tiempo | 0,00 | 0,83 | |
| Argusic Runner | 1/3 | Funciona con mocks | 89,50 | 0,54 |
Temas (de GitHub)
aifaissgpt-osslangchainllama-indexllmlocalstorageoffline-firstollamaprivacypythonragretrieval-augmented-generationvector-databasevector-searchvectors
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/leann)Preguntas
- ¿Funciona LEANN?
- LEANN funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 85 minutos, con 8 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic LEANN?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit f84dec41db5b. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar LEANN?
- La ejecución que produjo este veredicto costó 0,54 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 LEANN en instalarse?
- 85 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita LEANN una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar LEANN?
- En la ejecución registrada fallaron 8 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara LEANN con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, LEANN fue el 231.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de LEANN?
- 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.