Original en anglais: https://argusic.com/subject/qmedia
Qmedia
Un moteur de recherche de contenu AI open source conçu spécifiquement pour les créateurs de contenu. Prend en charge l'extraction de texte, d'images et de courtes vidéos. Permet un déploiement local complet (web app, serveur RAG, serveur LLM). Prend en charge le Q&A de contenu RAG multimodal.
Fonctionnesource : GitHubTypeScriptMITcommit c890b2543ac5
TypeScript, sous licence MIT. Le projet se décrit ainsi : content, content search, rag, search, search engine et video.
Qmedia fonctionne. Un agent Argusic l'a installé en 35 minutes et a rencontré 11 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
All three services (mm_server on port 50110, mmrag_server on port 8001, qmedia_web on port 3000) are installed and respond to API calls; mmrag_server loads persisted index from db/ with embeddings for 14 assets and serves note search and detail APIs.
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 100 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.
- transformers 5.20 requires torch>=2.6 but torch 2.2.0 installed3 minutes
- faster-whisper model download blocks server at import time3 minutes
- PEP 668 externally-managed-environment blocked pip install system-wide2 minutes
- NumPy 2.5.4 incompatible with torch 2.2.0 (numpy.long removed)2 minutes
- scipy 1.12+ uses np.long incompatible with numpy 1.x2 minutes
- FastAPI 0.143 removed add_event_handler2 minutes
- Temps d'installation
- 35 minutes
- De la machine vierge à la fin
- 39 minutes
- Erreurs rencontrées et corrigées
- 11 rencontrées, 11 corrigées sans aide humaine
- Comment le résultat a été prouvé
- mm_server: POST /api/embeddings returned 200 with 384-dim embedding, POST /api/clip-text-embeddings returned 200 with 512-dim embedding, POST /api/clip-image-embeddings returned 200 with 512-dim embedding; mmrag_server: GET / returned 200 with {'msg':'Access success.'}, GET /note-search?query=vlog&topk=3 returned 200 with 10 search results, GET /note/662534e20000000001004af8 returned 200 with title 'Vlog用综艺的方式去拍真的很酷😎5' and card_type 'video'; qmedia_web: GET / returned 200 with full Next.js HTML
- Tokens de modèle utilisés
- 347 769
- Commit exact testé
- c890b2543ac5
- 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
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.
**Errors encountered:**
1. **PEP 668 (externally-managed-environment)**: system pip blocked. Fixed by creating venvs.
2. **NumPy 2.x incompatibility with torch 2.2.0**: `numpy.long` removed. Fixed by pinning `numpy<2`…
3. **scipy version incompatibility**: scipy 1.12+ uses `np.long` which doesn't exist in numpy 1.x. …
4. **transformers/sentence-transformers version incompatibility with torch 2.2.0**: transformers > …
5. **python-multipart missing**: FastAPI requires it for form data. Fixed by installing `python-mul…
6. **moviepy 2.x import path change**: `moviepy.editor` removed in moviepy 2.x. Fixed by changing t…
7. **FastAPI 0.143 removed `add_event_handler`**: Fixed by switching to `lifespan` context manager.
8. **fast-whisper model download blocking server startup**: Moved whisper import from module-level …
9. **PermissionError on `/work/db`**: Config used `Path("").absolute().parent` resolving to `/work`…
10. **mmrag_server startup crash with Ollama unavailable**: The `on_startup` event tried to connect…
11. **OCRValidationError on image OCR responses**: mm_server's OCR API returns `{"error": ...}` for…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
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- Installé en 35 minutes.
- S'est remis des 11 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
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 | 1/3 | Fonctionne | 100,00 | 0,25 |
Sujets (depuis GitHub)
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/qmedia)Questions
- Qmedia fonctionne-t-il ?
- Oui. Qmedia fonctionne. Argusic l'a installé et lancé sur une machine propre en 35 minutes, en rencontrant 11 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé Qmedia ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit c890b2543ac5. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de Qmedia ?
- L'exécution qui a produit ce verdict a coûté 0,25 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 Qmedia ?
- 35 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.
- Qmedia 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 de Qmedia ?
- 11 problèmes sont survenus lors de l'exécution enregistrée, et 11 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour Qmedia ?
- L'exécution enregistrée se trouve 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.