Original en inglés: https://argusic.com/subject/livestream-agent-studio
LiveStream-Agent-Studio
Un AI Agent Studio local para Windows orientado al comercio electrónico en vivo de 抖音, que integra un flujo de trabajo inteligente unificado que abarca el descubrimiento de anfitriones, la información de transmisiones en vivo, la revisión de transmisiones en vivo y la dirección de contenido de videos cortos.
Funciona con mocksfuente: GitHubPythonMITcommit 1614dfa166f7
Python, licencia MIT. El proyecto se describe a sí mismo como: ai agent, douyin, livestream y speech to text.
LiveStream-Agent-Studio funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 27 minutos y encontró 7 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The web UI serves 200 with the LiveAgent Studio title, the local gateway health endpoint verifies both mock DashScope and mock OSS as configured/verified, all 37+16+3 agent unit tests plus the frontend build tests pass, and the full video breakdown pipeline produced and decoded a real timestamped Excel transcript.
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.
- Gateway /api/connections/verify ignored DASHSCOPE_BASE_URL and used GET models5 minutos
- Python agent packages not importable for tests (src layout)4 minutos
- System Node is v18 but project requires Node >=22.133 minutos
- config.py load_dotenv used setdefault so pre-set env overrode .env3 minutos
- process_video_with_status.py hardcoded ALIYUN_OSS_ENDPOINT2 minutos
- Gateway configure did not persist DASHSCOPE_BASE_URL2 minutos
- Tiempo de instalación
- 27 minutos
- De máquina en frío a terminar
- 27 minutos
- Errores encontrados y corregidos
- 7 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl -s -o /dev/null -w %{http_code} http://127.0.0.1:4173/ returned 200; curl -s http://127.0.0.1:8785/api/health returned 200; npm test exited 0 with 2 pass; python3 -m unittest scout 37 OK, breakdown 16 OK, retro 3 OK; process_video_with_status.py completed and openpyxl decoded the Excel
- Tokens de modelo usados
- 3.782.234
- Commit exacto probado
- 1614dfa166f7
- 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.
1. `live_breakdown_agent/process_video_with_status.py` hardcoded `ALIYUN_OSS_ENDPOINT`, ignoring th…
2. `live_breakdown_agent/src/live_breakdown_agent/config.py` used `os.environ.setdefault`, so a pre…
3. `liveagent-studio/local_gateway.py`:
- `/api/connections/verify` always hit the real DashScope URL and used GET (404 on my mock) → no…
- `/api/connections/configure` didn't persist `DASHSCOPE_BASE_URL` → added to the mapping.
- Retro submission required `job_id` in the response, my mock returns `id` → added a fallback.
**Mock verification (tier2_mock)**
- Stood up a local DashScope-compatible mock and a minimal OSS mock (schema-correct `BucketInfo` XM…
- Configured via the real gateway API: `/api/connections/configure` then `/api/connections/verify` …
- Ran the real full breakdown pipeline (`process_video_with_status.py`) on a generated 3-second vid…
**Final state:** web UI, gateway, all three agent test suites, and the full livestream breakdown pi…
`ARGUSIC_RESULT:{"install_succeeded":true,"launch_succeeded":true,"install_minutes":27,"errors":[{"…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 recuperó de los 7 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
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 27 minutos en instalarse, más lento que la mediana de los 69 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 70 proyectos de ai-agent que Argusic ha instalado y cronometrado, LiveStream-Agent-Studio fue el 59.º más rápido en llegar a funcionar, y 43 de 70 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 | 1/3 | Funciona con mocks | 92,00 | 0,76 |
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/livestream-agent-studio)Preguntas
- ¿Funciona LiveStream-Agent-Studio?
- LiveStream-Agent-Studio funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 27 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic LiveStream-Agent-Studio?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 1614dfa166f7. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar LiveStream-Agent-Studio?
- La ejecución que produjo este veredicto costó 0,76 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 LiveStream-Agent-Studio en instalarse?
- 27 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita LiveStream-Agent-Studio una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar LiveStream-Agent-Studio?
- En la ejecución registrada fallaron 7 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara LiveStream-Agent-Studio con las alternativas?
- De los 70 proyectos de ai-agent que Argusic ha instalado y cronometrado, LiveStream-Agent-Studio fue el 59.º más rápido en llegar a funcionar, y 43 de 70 llegaron a funcionar.
- ¿Dónde está la evidencia de LiveStream-Agent-Studio?
- La ejecución registrada está 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.