Original en inglés: https://argusic.com/subject/llm-ls
llm-ls
Servidor LSP que aprovecha LLMs para autocompletado de código (¿y más?)
Funciona con mocksfuente: GitHubRustApache-2.0commit 89fa8a2e89b0
Rust, licencia Apache-2.0. El proyecto se describe a sí mismo como: ai, code generation, huggingface, ide, llamacpp, llm, lsp y lsp server.
llm-ls funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 20 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Workspace builds with rustup-managed Rust 1.99.0, all 13 unit tests pass, and llm-ls 0.5.4 serves initialize/getCompletions/acceptCompletion/rejectCompletion successfully against the schema-correct local mock server.
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.
- llm-ls/getCompletions rejected a request with -32602 missing field tokensToClear/contextWindow/tlsSkipVerifyInsecure because GetCompletionsParams fields are serialized camelCase by clients but those three fields lacked explicit serde rename12 minutos
- No Rust toolchain in container; cargo/rustc missing on PATH8 minutos
- Tiempo de instalación
- 20 minutos
- De máquina en frío a terminar
- 22 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 LSP driver over TCP: initialize returned serverInfo llm-ls 0.5.4, then llm-ls/getCompletions with a schema-correct request returned result {"completions":[{"generated_text":"dummy"}],"request_id":...}; accept/reject completion returned result null; cargo test --workspace exited 0 with 13 passed, 0 failed
- Tokens de modelo usados
- 1.451.691
- Commit exacto probado
- 89fa8a2e89b0
- 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
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 1, 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.
- Ran `cargo test --workspace`: 13 tests passed (5 llm-ls, 8 lsp-client, 0 elsewhere), 0 failed.
- Launched the repo's own `mock_server` (hardcoded `127.0.0.1:4242`, verified with curl `200` on `P…
- Drove the real LSP protocol over TCP: `initialize` returned `serverInfo: llm-ls 0.5.4`; `didOpen`…
- Also verified `llm-ls/acceptCompletion` and `rejectCompletion` both returned `result: null`, and …
**Errors found and fixed**
- Missing Rust toolchain: installed rustup 1.99.0 stable user-local.
- Request deserialization on the server rejected the client's own wire format for `tokens_to_clear`…
- Unfixed environment observation: standard `install` paths need a C compiler/linker (`cc` missing)…
**Honest caveats**
- The `tgi` backend parse path returned `InvalidBackend` against the mock's `[{"generated_text":...…
- The unpatched upstream code plus any unmodified client also encode `textDocument` and `apiToken` …
`cargo test --workspace` → `test result: ok. 13 passed; 0 failed` across the suite. `launch_succeed…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 2 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.
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 20 minutos en instalarse, más lento que la mediana de los 230 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 231 proyectos de ai que Argusic ha instalado y cronometrado, llm-ls fue el 195.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 | 1/3 | Funciona con mocks | 92,00 | 0,31 |
Temas (de GitHub)
aicode-generationhuggingfaceidellamacppllmlsplsp-serveropenaiself-hosted
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/llm-ls)Preguntas
- ¿Funciona llm-ls?
- llm-ls funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 20 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic llm-ls?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 89fa8a2e89b0. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar llm-ls?
- La ejecución que produjo este veredicto costó 0,31 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 llm-ls en instalarse?
- 20 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita llm-ls una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar llm-ls?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara llm-ls con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, llm-ls fue el 195.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de llm-ls?
- 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.