Original en anglais: https://argusic.com/subject/vector-storage
vector-storage
Vector Storage est une base de données vectorielle qui permet d'effectuer des recherches de similarité sémantique sur des documents texte dans le stockage local du navigateur. Elle utilise les plongements OpenAI pour convertir les documents en vecteurs et permet de rechercher des documents similaires sur la base de la similarité cosinus.
Fonctionne avec des mockssource : GitHubpage d'accueilTypeScriptMITcommit 0484d9c25765
TypeScript, sous licence MIT. Le projet se décrit ainsi : cosine similarity, embedding vectors, javascript, local storage, localstorage, lru cache, npm et open source.
vector-storage fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 1 minute et a rencontré 3 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
npm install completes, npx tsc and npm run lint pass, and node verify.mjs exits 0 with ALL CHECKS PASSED covering add/search/filter/hits/persistence/LRU and the OpenAI embedding fetch path against a local mock server.
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 92 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.
- Race: constructor kicked off async loadFromIndexDbStorage() unawaited, so addText/addTexts raced with the load and wiped documents10 minutes
- Hit counters never accumulated: updateHitCounters mutated result copies, not stored documents, breaking the documented LRU ordering8 minutes
- indexedDB is not defined in Node: library depends on browser IndexedDB via idb1 minute
- Temps d'installation
- 1 minute
- De la machine vierge à la fin
- 10 minutes
- Erreurs rencontrées et corrigées
- 3 rencontrées, 3 corrigées sans aide humaine
- Comment le résultat a été prouvé
- node verify.mjs exited 0 with ALL CHECKS PASSED (21/21 checks: CRUD, ranking, filters, hits, persistence, LRU, and the OpenAI fetch path via local mock server); npx tsc and npm run lint both exited 0
- Tokens de modèle utilisés
- 231 283
- Commit exact testé
- 0484d9c25765
- 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
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
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.
All checks pass and the tree is clean except the intended changes. Final verification recap, then t…
**What I did**
- `npm install` — succeeded (242 packages); added `fake-indexeddb` as a devDependency for Node-side…
- `npx tsc` — builds `dist/` without errors.
- No test suite exists in the repo, so I wrote `verify.mjs` exercising the actual built package.
**Errors found and fixed**
1. `indexedDB is not defined` when running the library in Node — fixed by using `fake-indexeddb/aut…
2. Constructor fired async `loadFromIndexDbStorage()` unawaited, racing with `addText`/`addTexts` a…
3. `updateHitCounters` mutated shallow copies, so hit counters (and thus LRU eviction order) never …
**Verified behavior (21/21 checks in `node verify.mjs`, exit 0, "ALL CHECKS PASSED")**
- `addText`/`addTexts`, dedupe on repeated text, cosine ranking ("fox" first for "quick fox"), `k`,…
- `npm run lint` passes; `npx tsc` passes.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 1 minute.
- S'est remis des 3 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
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 avec des mocks | 92,00 | 0,07 |
Sujets (depuis GitHub)
cosine-similarityembedding-vectorsjavascriptlocal-storagelocalstoragelru-cachenpmopen-sourceopenaisemantic-searchsemantic-similaritytypescriptvector-databasevector-dbvector-searchvector-similarityvector-similarity-databasevector-similarity-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/vector-storage)Questions
- vector-storage fonctionne-t-il ?
- vector-storage fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 1 minute, en rencontrant 3 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé vector-storage ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 0484d9c25765. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de vector-storage ?
- L'exécution qui a produit ce verdict a coûté 0,07 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 vector-storage ?
- 1 minute 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.
- vector-storage 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 vector-storage ?
- 3 problèmes sont survenus lors de l'exécution enregistrée, et 3 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour vector-storage ?
- 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.