Original en inglés: https://argusic.com/subject/pi-from-scratch
pi-from-scratch
600 líneas de TypeScript escritas como una versión super mini de pi, que te permite escribir fácilmente tu propio pi-agent desde 0.
Funciona con mocksfuente: GitHubsitio webTypeScriptMITcommit 599d0ba646c5
TypeScript, licencia MIT. El proyecto se describe a sí mismo como: agent loop, ai agent, coding agent, llm, llm agent, pi, pi agent y tool calling.
pi-from-scratch funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 3 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
npm install, tsc build, and all 25 vitest tests pass across 5 test files; the LLM stream function and agent loop work end-to-end against a mock OpenAI-compatible API
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.
- Tiempo de instalación
- 3 minutos
- De máquina en frío a terminar
- 4 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- npm test exited 0, 25 passed; custom mock-API e2e test verified stream() returns correct text and runAgent() completes full tool_call→tool_result→text round-trip
- Tokens de modelo usados
- 86.047
- Commit exacto probado
- 599d0ba646c5
- 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.
✓ test/llm.test.ts (10 tests) 14ms
✓ test/tools.test.ts (7 tests) 21ms
✓ test/tui.test.ts (4 tests) 5ms
✓ test/cli.test.ts (1 test) 6ms
Test Files 5 passed (5)
Tests 25 passed (25)
Start at 01:41:25
Duration 696ms (transform 217ms, setup 0ms, collect 378ms, tests 53ms, environment 1ms, prepare…
All verified. Here is the final report:
tokens used
86,047
All verified. Here is 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
- Se instaló en 3 minutos.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- 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.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
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 | 0,02 |
Temas (de GitHub)
agent-loopai-agentcoding-agentllmllm-agentpipi-agenttool-callingtypescripttypescript-tutorial
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/pi-from-scratch)Preguntas
- ¿Funciona pi-from-scratch?
- pi-from-scratch funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 3 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic pi-from-scratch?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 599d0ba646c5. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar pi-from-scratch?
- La ejecución que produjo este veredicto costó 0,02 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 pi-from-scratch en instalarse?
- 3 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita pi-from-scratch una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar pi-from-scratch?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Dónde está la evidencia de pi-from-scratch?
- 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.