Original en inglés: https://argusic.com/subject/news-please
news-please
news-please: un rastreador web integrado y extractor de información para noticias que simplemente funciona.
Funcionafuente: GitHubPythonApache-2.0archivado en el origencommit f899850be2bb
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: cc news, ccnews, commoncrawl, crawler, data gathering, elasticsearch, extract articles y extract information.
news-please funciona. Un agent de Argusic lo instaló en 2 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
news-please 1.6.13 installs and its library API extracts structured article data (title, authors, publication date, description, maintext, language) from HTML via both HTTP and raw HTML input; CLI entry points respond with help output
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 90 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.
- Debian Python 3.12 blocks system-wide pip install due to externally-managed-environment1 minuto
- newspaper4k prints warning that nltk is not installed, disabling optional NLP features
- Example scripts (downloadfromurl.py, downloadfromfile.py) contain hardcoded author machine paths
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 5 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- NewsPlease.from_url() against a local HTTP server serving a mock news page extracted title, authors, date, description, language, and maintext with all 15 output fields populated; NewsPlease.from_html() extracted from raw HTML; news-please --help returned correct usage
- Tokens de modelo usados
- 42.176
- Commit exacto probado
- f899850be2bb
- 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.
All tests pass. Let me compile the final report. The project is `news-please`, a generic news crawler and extractor. Here's what I found: **Install**: Created a Python venv to work around the Debian externally-managed-environment restric… **Errors encountered and fixed**: - **Externally-managed Python**: Debian's Python 3.12 blocks system-wide `pip install`. Fix: create… - **`nltk` missing**: `newspaper4k` prints a warning that NLP features are unavailable without `nlt… - **Example scripts have hardcoded paths** (`/Users/felix/Downloads/`). These are examples for the … **Verification results**: - **CLI**: `news-please --help` prints usage with all flags correctly. - **`NewsPlease.from_url()`**: Started an HTTP server with a mock news article (title, author meta,… - **`NewsPlease.from_html()`**: Extracted title, authors, text, and metadata correctly from raw HTM… The library API works end-to-end. The CLI starts but requires real news sites and a properly config…
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 instaló en 2 minutos.
- Se recuperó de los 3 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 Apache-2.0, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
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 2 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
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona | 100,00 | 0,05 | |
| Argusic Runner | 1/3 | Sin verificar | 80,00 | 0,09 |
Temas (de GitHub)
cc-newsccnewscommoncrawlcrawlerdata-gatheringelasticsearchextract-articlesextract-informationextractorjsonnewsnews-archivenews-articlesnews-crawlernews-extractornews-scrapernews-websitesnlppythonroberta
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/news-please)Preguntas
- ¿Funciona news-please?
- Sí. news-please funciona. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic news-please?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit f899850be2bb. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar news-please?
- La ejecución que produjo este veredicto costó 0,05 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 news-please en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita news-please una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar news-please?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de news-please?
- 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.