Original en inglés: https://argusic.com/subject/mianshiya
mianshiya
Sitio web de banco de preguntas de entrevistas empresariales, ¡para que consigas la oferta que deseas! Preguntas de entrevista más recientes de 2026 para Java, frontend, modelos de IA, AI Agent, RAG, C++, Go, Python, pruebas, operaciones, backend, sistemas operativos, redes, Redis, MySQL, algoritmos, Spring, JVM, concurrencia de Java, Linux, LLM, prompts, diseño de sistemas, y más de 1万 preguntas clásicas de programador en búsqueda de empleo. Practica con 面试鸭, un proyecto full-stack con React, Node y desarrollo en la nube, por 程序员鱼皮.
Funcionafuente: GitHubsitio webTypeScriptMITcommit 7354f4859b74
TypeScript, licencia MIT. El proyecto se describe a sí mismo como: ai, ai agents, algorithm, ant design, backend, cpp, css y database.
mianshiya funciona. Un agent de Argusic lo instaló en 15 minutos y encontró 5 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The React frontend builds and its dev server serves the 面试鸭 homepage with HTTP 200 on port 8000, and the Node backend starts and serves its static-data API (POST /api/tag/get/map returning HTTP 200 with JSON) on port 7592; data/auth endpoints still require real Tencent CloudBase, MongoDB and Redis credentials.
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.
- Backend server crashed at startup with 'ReferenceError: File is not defined' from undici 7.30.1 (pulled transitively by cheerio 1.2.0, which requires Node 20 globals that Node 18.19 lacks)3 minutos
- npm install failed with ERESOLVE peer dependency conflict (braft-editor requires react ^16 while project uses react ^17); yarn is not installed2 minutos
- umi/webpack build and dev failed under Node 18 with ERR_OSSL_EVP_UNSUPPORTED (webpack 5 MD4 hash rejected by OpenSSL 3)2 minutos
- Backend crashed on any request without an Origin header: ERR_HTTP_INVALID_HEADER_VALUE 'undefined' for Access-Control-Allow-Origin in server/src/server.js CORS middleware2 minutos
- Database/auth-backed endpoints (question search, login, etc.) need real Tencent CloudBase env/secretId/secretKey plus Redis/MongoDB; the shipped config uses placeholder values (env 'mianshiya-xxx', secretId/secretKey 'xxx')
- Tiempo de instalación
- 15 minutos
- De máquina en frío a terminar
- 13 minutos
- Errores encontrados y corregidos
- 5 encontrados, 5 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl -s -o /dev/null -w %{http_code} http://localhost:8000/ returned 200; curl -s -X POST http://localhost:7592/api/tag/get/map -H 'Content-Type: application/json' -d '{}' returned HTTP 200 with JSON body; npm run build exited 0 with 'Webpack: Compiled successfully'; backend log showed 'server start at 7592, env = local'
- Tokens de modelo usados
- 313.244
- Commit exacto probado
- 7354f4859b74
- 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.
res.setHeader('Access-Control-Allow-Credentials', 'true');
// 允许的地址 http://127.0.0.1:9000 这样的格式
const origin = req.get('Origin');
if (origin) {
res.setHeader('Access-Control-Allow-Origin', origin);
}
// 允许跨域请求的方法
res.setHeader('Access-Control-Allow-Methods', 'POST, GET, OPTIONS, DELETE, PUT');
Now I'll produce the final report.
tokens used
313,244
Now I'll produce the final report.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 5 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.
Qué no salió bien, o no se sabe
- Tardó 15 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, mianshiya fue el 177.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
Temas (de GitHub)
aiai-agentsalgorithmant-designbackendcppcssdatabasefrontendgolanginterviewjavajavascriptnodejsprogrammerpythonreactredistypescript
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/mianshiya)Preguntas
- ¿Funciona mianshiya?
- Sí. mianshiya funciona. Argusic lo instaló y lo inició en una máquina limpia en 15 minutos, con 5 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic mianshiya?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 7354f4859b74. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar mianshiya?
- 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 mianshiya en instalarse?
- 15 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita mianshiya una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar mianshiya?
- En la ejecución registrada fallaron 5 cosas, y 5 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara mianshiya con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, mianshiya fue el 177.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de mianshiya?
- 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.