Original en inglés: https://argusic.com/subject/leon
leon
Leon es tu asistente personal de código abierto.
Funcionafuente: GitHubsitio webTypeScriptMITcommit a8f2052fb6d9
TypeScript, licencia MIT. El proyecto se describe a sí mismo como: ai, ai agent, ai assistant, artificial intelligence, assistant, automation, bot y chatbot.
leon funciona. Un agent de Argusic lo instaló en 8 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Leon server installs, builds, serves HTTP on port 5366, and passes all 371 unit tests with Node.js v24 in CI mode (no local AI or voice models).
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 100 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.
- System Node.js v18 does not meet >=24 requirement3 minutos
- llama.cpp build OOM-killed during cmake2 minutos
- node-llama-cpp postinstall crashes on Node 18 JSON-with syntax1 minuto
- Ninja setup requires unzip command (not in container)1 minuto
- Tiempo de instalación
- 8 minutos
- De máquina en frío a terminar
- 10 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pnpm run test:unit exited 0, 40 test files, 371 tests passed; server GET / returned HTTP 200
- Tokens de modelo usados
- 78.472
- Commit exacto probado
- a8f2052fb6d9
- 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
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- llama.cpp build OOM-killed (skipped via CI mode; not needed for server-only testing) tokens used 78,472 Here's the complete report on this install & verification run: **Install:** The project requires Node.js >=24 (system has v18). I downloaded Node.js v24.21.0 dire… **Verification:** All 371 unit tests pass (40 test files). The server starts and responds 200 on `G… **Errors:** - Node.js v18 system binary insufficient (fixed by using standalone v24 binary) - `pnpm install` engine-strict blocked v18 (fixed by using v24 and `--ignore-scripts`) - `node-llama-cpp` postinstall crashed on Node.js 18 JSON-with syntax (worked around with `--ignore… - Ninja setup requires `unzip` (skipped via CI mode; not needed for server-only testing) - llama.cpp build OOM-killed (skipped via CI mode; not needed for server-only testing)
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 4 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 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 8 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, leon fue el 138.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.
- Una evaluación rápida: estaba funcionando 8 minutos después del clon.
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
Temas (de GitHub)
aiai-agentai-assistantartificial-intelligenceassistantautomationbotchatbotleonnodejsofflinepersonal-assistantprivacypythonspeech-recognitionspeech-synthesisspeech-to-texttext-to-speechvirtual-assistantvoice-assistant
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/leon)Preguntas
- ¿Funciona leon?
- Sí. leon funciona. Argusic lo instaló y lo inició en una máquina limpia en 8 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic leon?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit a8f2052fb6d9. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar leon?
- La ejecución que produjo este veredicto costó 0,12 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 leon en instalarse?
- 8 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita leon una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar leon?
- 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 leon con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, leon fue el 138.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de leon?
- 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.