Original en inglés: https://argusic.com/subject/rag-api
rag-api
RAG FastAPI basado en ID: Integración vía Langchain y PostgreSQL/pgvector
Funcionafuente: GitHubsitio webPythonMITcommit c4e5cbf79fce
Python, licencia MIT. El proyecto se describe a sí mismo como: api, api rest, embeddings, fastapi, langchain, pgvector, postgresql y psql.
rag-api funciona. Un agent de Argusic lo instaló en 3,5 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Dependencies installed in venv, all 303 non-integration tests pass after adding OPENAI_API_KEY mock to conftest.py; 6 tests skip due to missing pandoc, 35 integration tests require Docker
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.
- OpenAI API key required at import time in app/config.py line 368; tests failed to collect0,5 minutos
- pandoc not installed (6 tests skipped in test_lazy_load.py)
- Tiempo de instalación
- 4 minutos
- De máquina en frío a terminar
- 4 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest exited 0, 303 passed, 6 skipped, 35 deselected
- Tokens de modelo usados
- 49.309
- Commit exacto probado
- c4e5cbf79fce
- 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.
succeeded in 0ms:
os.environ["TESTING"] = "1"; os.environ["OPENAI_API_KEY"] = "test-key"
# Set DB_HOST (and DSN) to dummy values to avoid real connection attempts.
os.environ["DB_HOST"] = "localhost" # or any dummy value
os.environ["DSN"] = "dummy://"
# -- Patch the vector store classes to bypass DB connection --
All 303 tests pass, 6 skipped (all due to `pandoc` not being installed — not a repo code issue). Th…
**ARGUSIC_RESULT:** {"install_succeeded": true, "launch_succeeded": true, "install_minutes": 3.5, "…
tokens used
49,309
All 303 tests pass, 6 skipped (all due to `pandoc` not being installed — not a repo code issue). Th…
**ARGUSIC_RESULT:** {"install_succeeded": true, "launch_succeeded": true, "install_minutes": 3.5, "…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 3,5 minutos, más rápido que la mediana de los 60 proyectos comparables que ha medido Argusic.
- Se recuperó de los 2 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
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 61 proyectos de api que Argusic ha instalado y cronometrado, rag-api fue el 29.º más rápido en llegar a funcionar, y 35 de 61 llegaron a funcionar.
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 3,5 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
Temas (de GitHub)
apiapi-restembeddingsfastapilangchainpgvectorpostgresqlpsqlpythonragvectorvector-database
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/rag-api)Preguntas
- ¿Funciona rag-api?
- Sí. rag-api funciona. Argusic lo instaló y lo inició en una máquina limpia en 4 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic rag-api?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit c4e5cbf79fce. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar rag-api?
- 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 rag-api en instalarse?
- 3,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita rag-api una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar rag-api?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara rag-api con las alternativas?
- De los 61 proyectos de api que Argusic ha instalado y cronometrado, rag-api fue el 29.º más rápido en llegar a funcionar, y 35 de 61 llegaron a funcionar.
- ¿Dónde está la evidencia de rag-api?
- 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.