Tracely-ai fonctionne-t-il ?

Oui. Tracely-ai fonctionne. Argusic l'a installé et lancé sur une machine propre en 5 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.

Comment Argusic a-t-il testé Tracely-ai ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f332bc865d60. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de Tracely-ai ?

L'exécution qui a produit ce verdict a coûté 0,24 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 Tracely-ai ?

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.

Tracely-ai 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 Tracely-ai ?

2 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 Tracely-ai ?

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.

Original en anglais: https://argusic.com/subject/tracely-ai

Tracely-ai

CI/CD natif par trace pour les agents IA: les échecs de production deviennent des tests de régression qui bloquent la pull request. Détection automatique, regroupement, gel en cas hermétiques, relecture dans le CI pour 0 $.

Fonctionnesource : GitHub page d'accueilPythonMITcommit f332bc865d60

Python, sous licence MIT. Le projet se décrit ainsi : agent, agent observability, ai agents, ci cd, clickhouse, evals, evaluation et llm.

Tracely-ai fonctionne. Un agent Argusic l'a installé en 5 minutes et a rencontré 2 erreurs sur une machine propre sans GPU, et toute la session a été enregistrée.

Python backend and SDK install, import, and all 1174 pytest tests pass on Python 3.12.3. Frontend installs via pnpm with no errors and next build compiles successfully but OOMs during static page generation (container memory limit). vitest tests require Node 22+ ([email protected] and [email protected]) while this container has Node 18.19.1 - CI uses Node 22. CLI tool tracely --help works.
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 80 sur 100 (la moyenne des scores des exécutions de ce projet).

En un coup d'œil

verdict: Fonctionne
Score Argusic: 80 / 100
coût de l'exécution de vérification: 0,24 USD (mesuré)
exécutions enregistrées: 1
dernier test: 2026-10-07
étoiles: 1 410
forks: 155
issues ouvertes: 22
observateurs: 6
taille: 23 MB
créé le: 2026-06-03
dernier push: 2026-10-07

Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le 2026-11-04. 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.

Temps perdu à cause de chaque échec lors du test de Tracely-ai, tiré de l'exécution enregistrée — Chaque barre est un échec enregistré par l'agent, avec le temps qu'il a coûté. Tiré de cette exécution, et de nulle part ailleurs.

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.

frontend vitest tests fail on Node 18 - jsdom@30 depends on [email protected] (engines: ^22.14.0) and [email protected] (engines: >=22.19.0), container has Node 18.19.115 minutes
pnpm build (next build) OOM killed during static page generation after successful compilation5 minutes

Temps d'installation: 5 minutes
De la machine vierge à la fin: 43 minutes
Erreurs rencontrées et corrigées: 2 rencontrées, 0 corrigée sans aide humaine
Comment le résultat a été prouvé: pytest backend/tests sdk/tests: 1174 passed, 34 skipped, 0 failed; tracely --help returned usage; uv run uvicorn --help succeeded; next build compiled successfully before OOM
Tokens de modèle utilisés: 667 905
Commit exact testé: f332bc865d60
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

Regarder la session

L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.

Un enregistrement de la tentative 1, exécutée le 2026-10-07, la tentative qui a décidé le verdict ci-dessus. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.

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:
Restored @exodus/bytes package.json to original-like state
Removed encoding-lite.cjs
Removed encoding.cjs
Removed whatwg.cjs
Removed utf16.cjs
Removed utf8.cjs
Restored encoding-lite.js from .esm backup
Now let me do my final report. All patches are reverted and the repo is back to its original state.
tokens used
667,905
Now let me do my final report. All patches are reverted and the repo is back to its original state.

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 5 minutes, plus vite que la médiane des 134 projets comparables mesurés par Argusic.
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

A rencontré 2 erreurs pendant l'installation, dont 2 n'ont pas été résolues.
Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.

Sur les 135 projets agent qu'Argusic a installés et chronométrés, Tracely-ai a été le 48e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 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 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	80,00	0,24	2026-10-07 15:39 UTC

Sujets (depuis GitHub)

agent agent-observability ai-agents ci-cd clickhouse evals evaluation llm llm-as-judge llm-evaluation llm-observability llm-ops llmops mcp monitoring opentelemetry python self-hosted tracing

Intégrer le badge

Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.

[![Tested by Argusic](https://argusic.com/badge/Tracely-ai.svg)](https://argusic.com/subject/tracely-ai)

Questions

Tracely-ai fonctionne-t-il ?: Oui. Tracely-ai fonctionne. Argusic l'a installé et lancé sur une machine propre en 5 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
Comment Argusic a-t-il testé Tracely-ai ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f332bc865d60. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de Tracely-ai ?: L'exécution qui a produit ce verdict a coûté 0,24 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 Tracely-ai ?: 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.
Tracely-ai 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 Tracely-ai ?: 2 problèmes sont survenus lors de l'exécution enregistrée. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Comment Tracely-ai se compare-t-il aux alternatives ?: Sur les 135 projets agent qu'Argusic a installés et chronométrés, Tracely-ai a été le 48e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 en ont atteint un.
Où sont les preuves pour Tracely-ai ?: 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.