Original en inglés: https://argusic.com/subject/pipeshub-ai
pipeshub-ai
La capa de contexto de código abierto para AI agents. PipesHub convierte el conocimiento de tu empresa (Slack, Drive, Jira, GitHub, Microsoft 365 y más de 50 conectores) en un espacio de trabajo que tiene en cuenta los permisos, y que los agents pueden buscar, grep, navegar y citar. MCP, SDKs y agents integrados. Self-hosted.
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit 1864d3d2a793
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agentic rag, ai, ai agents, claude code, context engineering, context layer, deep research y enterprise search.
pipeshub-ai funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 60 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
286 Python unit tests pass, 9633 JavaScript unit tests pass (4 pending). Both suites execute against mocked external services without real infrastructure dependencies.
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 68 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.
- pytest-timeout 2.4.0 incompatible with pytest 9.x — hangs on test collection of multiple files8 minutos
- Node.js v18 available but project requires v22.15.05 minutos
- sharp native module not compiled for platform2 minutos
- No Docker in container
- Tiempo de instalación
- 60 minutos
- De máquina en frío a terminar
- 62 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python -m pytest (top-level files), 286 passed in 65s; npm test (node22), 9633 passing, 4 pending in 2m
- Tokens de modelo usados
- 953.372
- Commit exacto probado
- 1864d3d2a793
- 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.
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 6…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 60, "errors": [{"msg": "py…
exec
/bin/sh -lc "# Validate JSON is well-formed
echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 60, \"errors\"…
succeeded in 0ms:
JSON valid
2026-09-25T05:17:55.044406Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
tokens used
953,372Reproducir 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 4 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.
- Medido 3 veces, así que el resultado no es algo puntual.
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 60 minutos en instalarse, más lento que la mediana de los 134 proyectos comparables que ha medido Argusic.
De los 135 proyectos de agent que Argusic ha instalado y cronometrado, pipeshub-ai fue el 134.º más rápido en llegar a funcionar, y 87 de 135 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 | 3/3 | Funciona con mocks | 92,00 | 0,25 | |
| Argusic Runner | 2/3 | No funcionó | 20,00 | 0,13 | |
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,29 |
Temas (de GitHub)
agentic-ragaiai-agentsclaude-codecontext-engineeringcontext-layerdeep-researchenterprise-searchgleangraphraghybrid-searchknowledge-graphllmmcpmcp-serverollamapythonragself-hostedworkplace-ai
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/pipeshub-ai)Preguntas
- ¿Funciona pipeshub-ai?
- pipeshub-ai funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 60 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic pipeshub-ai?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 1864d3d2a793. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar pipeshub-ai?
- La ejecución que produjo este veredicto costó 0,25 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 pipeshub-ai en instalarse?
- 60 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita pipeshub-ai una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar pipeshub-ai?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara pipeshub-ai con las alternativas?
- De los 135 proyectos de agent que Argusic ha instalado y cronometrado, pipeshub-ai fue el 134.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
- ¿Dónde está la evidencia de pipeshub-ai?
- Las 3 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.