Original en inglés: https://argusic.com/subject/raglight
RAGLight
RAGLight es un framework modular para Retrieval-Augmented Generation (RAG). Facilita conectar diferentes LLMs, embeddings y almacenes vectoriales, y ahora incluye una integración fluida con MCP para conectar herramientas externas y fuentes de datos.
Funcionafuente: GitHubsitio webPythonMITcommit 155cee5d8f06
Python, licencia MIT. El proyecto se describe a sí mismo como: agentic ai, agentic rag, agentic workflow, artificial intelligence, data science, framework, huggingface y lmstudio.
RAGLight funciona. Un agent de Argusic lo instaló en 3 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
RAGLight 3.4.7 is fully installed in a venv at /tmp/venv with all extras (chroma, qdrant, langfuse). The CLI, FastAPI REST API server, and all 75 unit tests (embeddings, LLM, vector store, API, document processing, scrapper, config) all pass and function correctly. The package is importable from Python under the venv.
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.
- uv package manager not available in base Python installation1 minuto
- raglight package not installed after `uv sync --all-extras`1 minuto
- Relative import errors when running `python -m unittest discover` on test subdirectories (from ..test_config import TestsConfig fails when subpackage is not a top-level package)1 minuto
- Tiempo de instalación
- 3 minutos
- De máquina en frío a terminar
- 6 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- 75 tests passed via `python -m unittest` in 2.8s (0 failures, 0 errors); CLI `raglight --help` displayed all commands correctly; FastAPI `create_app()` initialized without error; `raglight --version` resolved to 3.4.7
- Tokens de modelo usados
- 167.906
- Commit exacto probado
- 155cee5d8f06
- 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.
print('FastAPI app created successfully')
\" 2>&1" in /work/repo
succeeded in 9488ms:
FastAPI app created successfully
All systems verified. Let me compile the final report.
exec
/bin/sh -lc '# Get timing for the report
echo "Install and test completed successfully"' in /work/repo
succeeded in 0ms:
Install and test completed successfully
tokens used
167,906Reproducir 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 minutos, más rápido que la mediana de los 37 proyectos comparables que ha medido Argusic.
- 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 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 38 proyectos de agentic-ai que Argusic ha instalado y cronometrado, RAGLight fue el 12.º más rápido en llegar a funcionar, y 27 de 38 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 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)
agentic-aiagentic-ragagentic-workflowartificial-intelligencedata-scienceframeworkhuggingfacelmstudiomcpmcp-toolsmistral-apimistralaiollamaopenaiopenai-apiragretrieval-augmentedretrieval-augmented-generationvector-database
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/raglight)Preguntas
- ¿Funciona RAGLight?
- Sí. RAGLight funciona. Argusic lo instaló y lo inició en una máquina limpia en 3 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic RAGLight?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 155cee5d8f06. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar RAGLight?
- La ejecución que produjo este veredicto costó 0,01 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 RAGLight 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 RAGLight una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar RAGLight?
- 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.
- ¿Cómo se compara RAGLight con las alternativas?
- De los 38 proyectos de agentic-ai que Argusic ha instalado y cronometrado, RAGLight fue el 12.º más rápido en llegar a funcionar, y 27 de 38 llegaron a funcionar.
- ¿Dónde está la evidencia de RAGLight?
- 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.