Original en anglais: https://argusic.com/subject/autoflow
autoflow
pingcap/autoflow est un outil de base de connaissances conversationnel et basé sur Graph RAG, construit avec TiDB Serverless Vector Storage.
Non vérifiablesource : GitHubpage d'accueilTypeScriptApache-2.0commit c4cb19d8fa20
TypeScript, sous licence Apache-2.0. Le projet se décrit ainsi : chatbot, cot, graphrag, knowledge graph, mysql, rag, serverless et vector database.
Argusic n'a pas réussi à faire fonctionner autoflow. Un agent Argusic l'a installé en 3 minutes et a rencontré 4 erreurs sur une machine propre sans GPU, et toute la session a été enregistrée.
Python dependencies installed and backend module loads 138 API routes, but the app cannot start because TiDB/MySQL server is unreachable on localhost:4000, no Docker is available to start it, and no third-party API keys are provided for LLM or embedding models.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 25 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- TiDB/MySQL server required — backend engine connects to localhost:4000 on module import; no Docker and no root to install MySQL/TiDB15 minutes
- No third-party API keys available — 7 backend LLM tests fail with AuthenticationError, core model/knowledge_graph tests fail needing OpenAI, Jina AI, etc.10 minutes
- Backend lifespan startup fails — engine.connect() raises OperationalError (2003) to localhost:4000; 138 routes import but server cannot bind10 minutes
- No Redis server — required by Celery/Flower for async task queue, cannot start full backend5 minutes
- Temps d'installation
- 3 minutes
- De la machine vierge à la fin
- 24 minutes
- Erreurs rencontrées et corrigées
- 4 rencontrées, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- cd backend && PYTHONPATH=$PWD .venv/bin/python -c 'from app.api_server import app; print(len(app.routes))' returned 138; .venv/bin/python -m pytest tests/test_dynamic_models.py -v returned 1 passed; import of app.core.db creates engine eagerly and connecting to localhost:4000 raises OperationalError
- Tokens de modèle utilisés
- 700 566
- Commit exact testé
- c4cb19d8fa20
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
- S'il fonctionne tout court
- cette exécution n'a rien vérifié, donc cette page n'affirme rien dans un sens ni dans l'autre
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File "/work/repo/backend/.venv/lib/python3.12/site-packages/pymysql/connections.py", line 361, in…
self.connect()
File "/work/repo/backend/.venv/lib/python3.12/site-packages/pymysql/connections.py", line 716, in…
raise exc
sqlalchemy.exc.OperationalError: (pymysql.err.OperationalError) (2003, "Can't connect to MySQL serv…
(Background on this error at: https://sqlalche.me/e/20/e3q8)
Attempting lifespan startup...
Here is the final report based on everything I verified.
tokens used
700,566
Here is the final report based on everything I verified.Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- Installé en 3 minutes.
- Sous licence Apache-2.0, selon son hébergeur.
- Mesuré 2 fois, le résultat n'est donc pas un cas isolé.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Un agent sans limite de temps ne l'a pas fait fonctionner.
- A rencontré 4 erreurs pendant l'installation, dont 4 n'ont pas été résolues.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | N'a pas fonctionné | 20,00 | 0,23 | |
| Argusic Runner | 1/3 | N'a pas fonctionné | 30,00 | 0,12 |
Sujets (depuis GitHub)
chatbotcotgraphragknowledge-graphmysqlragserverlessvector-database
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/autoflow)Questions
- autoflow fonctionne-t-il ?
- Argusic n'a pas pu vérifier que autoflow fonctionne. Argusic l'a installé et lancé sur une machine propre en 3 minutes, en rencontrant 4 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé autoflow ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit c4cb19d8fa20. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test d'autoflow ?
- L'exécution qui a produit ce verdict a coûté 0,12 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer autoflow ?
- 3 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- autoflow a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation d'autoflow ?
- 4 problèmes sont survenus lors de l'exécution enregistrée. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour autoflow ?
- Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.