Original en inglés: https://argusic.com/subject/productflow
ProductFlow
gpt-image-2 画图工作台 / Entorno de trabajo self-hosted para textos de IA, carteles, sesiones de imágenes y flujos de trabajo de productos visuales.
Funcionafuente: GitHubsitio webPythonMITcommit 649a8a52f26a
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, ecommerce, fastapi, gpt image 2, productflow, react y self hosted.
ProductFlow funciona. Un agent de Argusic lo instaló en 16 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Backend test suite 293/293 passing, web frontend builds to dist/ with vite, and the FastAPI server starts and returns HTTP 200 on /healthz
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.
- Vite 7 requires Node 20.19+, container has Node 18.19.15 minutos
- pnpm install blocked (no root, esbuild build scripts)4 minutos
- hatchling build rejects readme path outside project directory2 minutos
- test_image_generation_core.py missing env-vars fixture1 minuto
- Tiempo de instalación
- 16 minutos
- De máquina en frío a terminar
- 8 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- uv run --directory backend pytest --tb=short --no-header -q: 293 passed; pnpm --dir web build: vite build exited 0; curl -s http://localhost:29282/healthz returned 200 and {"status":"ok"}
- Tokens de modelo usados
- 121.348
- Commit exacto probado
- 649a8a52f26a
- 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.
3. **Node.js 18 too old for Vite 7** — Vite 7 requires Node.js 20.19+ / 22.12+. **Fix**: downloaded…
4. **pnpm not installed / permission errors** — global npm install failed (no root); esbuild build‑…
2026-10-25T13:24:04.779360Z ERROR codex_core::session: failed to record rollout items: thread 01a17…
2026-10-25T13:24:04.779392Z ERROR codex_core::session: failed to record rollout items: thread 01a17…
tokens used
121,348
All 293 tests pass, the web frontend builds, and the API answers `{"status":"ok"}` on `/healthz`. H…
**Errors encountered and fixed:**
1. **Backend pyproject.toml `readme` path** — `readme = "../README.md"` points outside the project …
2. **Test missing env‑var fixture** — `test_image_generation_core.py` calls code that needs `get_ru…
3. **Node.js 18 too old for Vite 7** — Vite 7 requires Node.js 20.19+ / 22.12+. **Fix**: downloaded…
4. **pnpm not installed / permission errors** — global npm install failed (no root); esbuild build‑…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 4 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 16 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, ProductFlow fue el 182.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)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/productflow)Preguntas
- ¿Funciona ProductFlow?
- Sí. ProductFlow funciona. Argusic lo instaló y lo inició en una máquina limpia en 16 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ProductFlow?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 649a8a52f26a. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ProductFlow?
- La ejecución que produjo este veredicto costó 0,09 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 ProductFlow en instalarse?
- 16 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ProductFlow una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ProductFlow?
- 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 ProductFlow con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ProductFlow fue el 182.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de ProductFlow?
- 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.