Original en anglais: https://argusic.com/subject/rag-api
rag-api
ID-based RAG FastAPI: Intégration avec Langchain et PostgreSQL/pgvector
Fonctionnesource : GitHubpage d'accueilPythonMITcommit c4e5cbf79fce
Python, sous licence MIT. Le projet se décrit ainsi : api, api rest, embeddings, fastapi, langchain, pgvector, postgresql et psql.
rag-api fonctionne. Un agent Argusic l'a installé en 3,5 minutes et a rencontré 2 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
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
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.
- OpenAI API key required at import time in app/config.py line 368; tests failed to collect0,5 minute
- pandoc not installed (6 tests skipped in test_lazy_load.py)
- Temps d'installation
- 4 minutes
- De la machine vierge à la fin
- 4 minutes
- Erreurs rencontrées et corrigées
- 2 rencontrées, 2 corrigées sans aide humaine
- Comment le résultat a été prouvé
- pytest exited 0, 303 passed, 6 skipped, 35 deselected
- Tokens de modèle utilisés
- 49 309
- Commit exact testé
- c4e5cbf79fce
- 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.
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, "…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 3,5 minutes, plus vite que la médiane des 60 projets comparables mesurés par Argusic.
- S'est remis des 2 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.
Sur les 61 projets api qu'Argusic a installés et chronométrés, rag-api a été le 29e plus rapide à atteindre un état de fonctionnement, et 35 sur 61 en ont atteint un.
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.
- Une évaluation rapide : il fonctionnait 3,5 minutes après le clone.
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 | 0,02 |
Sujets (depuis GitHub)
apiapi-restembeddingsfastapilangchainpgvectorpostgresqlpsqlpythonragvectorvector-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/rag-api)Questions
- rag-api fonctionne-t-il ?
- Oui. rag-api fonctionne. Argusic l'a installé et lancé sur une machine propre en 4 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé rag-api ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit c4e5cbf79fce. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de rag-api ?
- L'exécution qui a produit ce verdict a coûté 0,02 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 rag-api ?
- 3,5 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.
- rag-api 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 rag-api ?
- 2 problèmes sont survenus lors de l'exécution enregistrée, et 2 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment rag-api se compare-t-il aux alternatives ?
- Sur les 61 projets api qu'Argusic a installés et chronométrés, rag-api a été le 29e plus rapide à atteindre un état de fonctionnement, et 35 sur 61 en ont atteint un.
- Où sont les preuves pour rag-api ?
- 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.