Original en anglais: https://argusic.com/subject/wikipedia-semantic-search
wikipedia-semantic-search
Recherche sémantique sur Wikipedia avec Upstash Vector
Fonctionne avec des mockssource : GitHubpage d'accueilTypeScriptMITcommit e0bad8f0c256
TypeScript, sous licence MIT. Le projet se décrit ainsi : ai, search, semantic, vector et vector database.
wikipedia-semantic-search fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 30 minutes et a rencontré 5 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
pnpm install and next build succeed; next start serves / with HTTP 200 and the full chat/search pipeline runs end-to-end against local schema-correct Upstash/OpenAI mocks, with retrieval context and streaming answers verified via the installed SDKs; connecting real Upstash/OpenAI credentials is the only remaining external step.
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.
- mock-only: chat endpoint returned 500 because history pipeline needed list semantics (pipeline result array) and vector query mock routing/response shape were incomplete; later the mock LLM was bypassed by the app hardcoding https://api.openai.com/v115 minutes
- README/.env documents UPSTASH_* and QSTASH_TOKEN but src/lib/rag-chat.ts hardcodes the OpenAI provider base URL to https://api.openai.com/v1, so the chat LLM cannot be pointed at a local mock via env15 minutes
- production next start exited after .next lost BUILD_ID following a dev run; first start with mock env also died at container exec teardown8 minutes
- next build failed during page data collection: UPSTASH_VECTOR_REST_TOKEN is missing (env not configured)5 minutes
- pnpm not installed in container (no root)2 minutes
- Temps d'installation
- 30 minutes
- De la machine vierge à la fin
- 30 minutes
- Erreurs rencontrées et corrigées
- 5 rencontrées, 5 corrigées sans aide humaine
- Comment le résultat a été prouvé
- curl -s -o /dev/null -w %{http_code} http://127.0.0.1:3000/ returned 200 (HTML contains 'Wikipedia Semantic Search by Upstash Vector'); curl -c cookiejar -o /dev/null http://127.0.0.1:3000/ set a sessionId cookie via middleware; pnpm build exited 0 ('Generating static pages (5/5)'); index.query({data}) against the vector mock returned the seeded Eiffel Tower document, and ragChat.chat with streaming returned 'Mock answer for: ...ctx=The Eiffel Tower is a wrought-iron lattice tower in Paris, France...,q=What is the Eiffel Tower? [mock]'
- Tokens de modèle utilisés
- 4 743 999
- Commit exact testé
- e0bad8f0c256
- 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.
/bin/sh -lc "echo \"ARGUSIC_RESULT:\"; echo '{\"install_succeeded\": true, \"launch_succeeded\": tr…
exited 2 in 0ms:
/bin/sh: 1: Syntax error: "(" unexpected
exec
/bin/sh -lc "cat > /tmp/result.json <<'EOF'
{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 30, \"errors\": [{\"…
EOF
python3 -c \"import json; json.load(open('/tmp/result.json')); print('json valid')\" && printf 'ARG…
succeeded in 0ms:
json valid
tokens used
4,743,999Revoir 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
- S'est remis des 5 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.
- Installation en 30 minutes, plus lente que la médiane des 230 projets comparables mesurés par Argusic.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 231 projets ai qu'Argusic a installés et chronométrés, wikipedia-semantic-search a été le 215e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.
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 | 0,94 |
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/wikipedia-semantic-search)Questions
- wikipedia-semantic-search fonctionne-t-il ?
- wikipedia-semantic-search fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 30 minutes, en rencontrant 5 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé wikipedia-semantic-search ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit e0bad8f0c256. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de wikipedia-semantic-search ?
- L'exécution qui a produit ce verdict a coûté 0,94 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 wikipedia-semantic-search ?
- 30 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.
- wikipedia-semantic-search 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 wikipedia-semantic-search ?
- 5 problèmes sont survenus lors de l'exécution enregistrée, et 5 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment wikipedia-semantic-search se compare-t-il aux alternatives ?
- Sur les 231 projets ai qu'Argusic a installés et chronométrés, wikipedia-semantic-search a été le 215e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.
- Où sont les preuves pour wikipedia-semantic-search ?
- 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.