Original en anglais: https://argusic.com/subject/txtai
txtai
Framework AI tout-en-un pour la recherche sémantique, l'orchestration de LLM et les flux de travail de modèles de langage.
Fonctionnesource : GitHubpage d'accueilPythonApache-2.0commit 483dbd3b3bd8
Python, sous licence Apache-2.0. Le projet se décrit ainsi : agents, ai, ai agents, embeddings, information retrieval, language model, large language models et llm.
txtai fonctionne. Un agent Argusic l'a installé en 2 minutes et a rencontré 19 erreurs sur une machine propre sans GPU, et toute la session a été enregistrée.
txtai 9.14.0 installed in venv, all core embeddings/graph/workflow/agent/cloud/vector/scoring tests pass, API responds to search/index/count endpoints with real model inference, ~470 automated tests pass across 30 test suites
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 94,7 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.
- docling/liteparse missing (testDocling, testLiteParse errors)3 minutes
- sentence-transformers not installed (testShortcuts ImportError)2 minutes
- Externally-managed Python environment blocked system pip install1 minute
- torchvision missing (transformers import error)1 minute
- scikit-learn/scipy missing (testwords ImportError)1 minute
- grand-cypher/grand-graph missing (testShortcuts graph error)1 minute
- Temps d'installation
- 2 minutes
- De la machine vierge à la fin
- 83 minutes
- Erreurs rencontrées et corrigées
- 19 rencontrées, 14 corrigées sans aide humaine
- Comment le résultat a été prouvé
- FastAPI testclient GET /search returned 200 with real semantic search results using sentence-transformers/nli-mpnet-base-v2 model; 470+ tests passing across 30+ suites
- Tokens de modèle utilisés
- 1 548 363
- Commit exact testé
- 483dbd3b3bd8
- 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.
5. LiteLLM auth failure (needs real API key)
6. PEFT not installed (optional, for LoRA training)
exec
/bin/sh -lc "echo \"{\\\"install_succeeded\\\": true, \\\"launch_succeeded\\\": true, \\\"install_m…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors": [{"msg": "Ext…
Now I have all the data. Let me compute the elapsed time precisely and output the final result.
The session started at about 19:16 UTC and ends at about 20:38 UTC. I started around 19:16 and ende…
tokens used
1,548,363
Now I have all the data. Let me compute the elapsed time precisely and output the final result.
The session started at about 19:16 UTC and ends at about 20:38 UTC. I started around 19:16 and ende…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 2 minutes, plus vite que la médiane des 37 projets comparables mesurés par Argusic.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- 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
- A rencontré 19 erreurs pendant l'installation, dont 5 n'ont pas été résolues.
Sur les 38 projets agents qu'Argusic a installés et chronométrés, txtai a été le 5e plus rapide à atteindre un état de fonctionnement, et 25 sur 38 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 2 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 | 2/3 | Délai dépassé | 0,00 | 0,53 | |
| Argusic Runner | 1/3 | Fonctionne | 94,74 | 0,31 |
Sujets (depuis GitHub)
agentsaiai-agentsembeddingsinformation-retrievallanguage-modellarge-language-modelsllmnlppythonragretrieval-augmented-generationsearchsearch-enginesemantic-searchsentence-embeddingstransformerstxtaivector-databasevector-search
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/txtai)Questions
- txtai fonctionne-t-il ?
- Oui. txtai fonctionne. Argusic l'a installé et lancé sur une machine propre en 2 minutes, en rencontrant 19 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé txtai ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 483dbd3b3bd8. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de txtai ?
- L'exécution qui a produit ce verdict a coûté 0,31 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 txtai ?
- 2 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.
- txtai 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 txtai ?
- 19 problèmes sont survenus lors de l'exécution enregistrée, et 14 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment txtai se compare-t-il aux alternatives ?
- Sur les 38 projets agents qu'Argusic a installés et chronométrés, txtai a été le 5e plus rapide à atteindre un état de fonctionnement, et 25 sur 38 en ont atteint un.
- Où sont les preuves pour txtai ?
- 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.