sagify は動作しますか?

sagify は、外部サービスの代わりにモックを使って動作します. Argusic はクリーンなマシンで 30 分でインストールして起動し、途中で 3 件のエラーに遭遇し、セッションを記録しました。

Argusic は sagify をどのようにテストしましたか?

新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット 054a6a2edc21 に固定)。記録された試行は 1 回で、手順の全体は評価方法のページに掲載しています。

sagify のテストにはいくらかかりましたか?

この判定を出した実行のコストは 0.20 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。

sagify のインストールにはどのくらい時間がかかりますか?

この判定を決めた実行では、クリーンなマシンから実行状態まで 30 分でした。これは 1 回の計測された試行であり、平均ではありません。

sagify には GPU が必要ですか?

起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。

sagify のインストールでは何がうまくいきませんか?

記録された実行では 3 件の問題が発生しました。そのうち 3 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。

sagify の証拠はどこにありますか?

記録された実行をこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。

英語の原文: https://argusic.com/subject/sagify

sagify

簡単にできる LLMs と機械学習

モックで動作するソース: GitHub ホームページPythonMITコミット 054a6a2edc21

Python、MIT ライセンス. プロジェクト自身の表記: ai gateway、anthropic、cohere、generative ai、langchain、langchain python、large language model、large language models.

sagify は、依存するサービスを代わりのものに置き換えたうえで動作します。Argusic のエージェントが GPU のないクリーンなマシンで 30 分でインストールし、3 件のエラーに遭遇してすべてを自力で修正し、セッション全体が記録されました。

sagify 0.25.4 installed in a Python 3.12 virtual environment. CLI responds to --help with 7 command groups (build, cloud, configure, init, llm, local, push) and all 63 existing pytest unit tests pass.
クリーンなマシンでエージェントが最終的に得た結果 (エージェント自身の言葉)。計測方法

Argusic が毎回新しいマシンで計測しています。 すべての数値はその証拠にリンクしています。 Argusic スコア 100 点中 92 点 (このプロジェクトの実行スコアの平均)。

概要

判定: モックで動作する
Argusic スコア: 92 / 100
検証した実行のコスト: 0.20 USD (実測)
記録された実行: 1
最終テスト: 2026-10-21
スター: 443
フォーク: 68
未解決の Issue: 18
ウォッチャー: 16
サイズ: 37 MB
作成日: 2018-03-03
最終プッシュ: 2026-02-11

プロジェクトのデータは GitHub から取得 (このページの冒頭にリンクあり)、更新日 2026-11-04。テストデータは Argusic によるもので (CC BY 4.0)、すべての数値は、完全なログ、録画、それらの sha256 ハッシュを含む実行ページにリンクしています。

計測した内容

この判定を決めた実行から取得しています。各行は記録された値であり、推定値ではありません。

sagify のテスト中に各失敗で失われた時間 (記録された実行から作成) — 各バーはエージェントが記録した失敗と、それにかかった時間です。この実行のデータのみから描いています。

うまくいかなかった点 (エージェント自身の言葉)

エージェント自身の言葉を、深刻なものから順に掲載しています。助言に書き換えることはありません。

LLM gateway dependencies (structlog, anthropic, uvicorn, fastapi, openai, Pillow) not listed in setup.py install_requires4 分
future 0.18.3 references removed `imp` module on Python 3.123 分
pkg_resources missing with setuptools 84.x3 分

インストール時間: 30 分
クリーンなマシンから完了まで: 14 分
遭遇したエラーと修正したエラー: 3 件に遭遇、3 件を人の手を借りずに修正
結果の証明方法: /tmp/venv/bin/python -m pytest tests/ -q exited 0: 63 passed, 3 warnings in 12.74s
使用したモデルのトークン: 97,587
テストした正確なコミット: 054a6a2edc21
コンテナイメージ: sha256:cdd920bce783

計測していない内容

残りの半分です。この証拠がどこまでを示すのかを正確に確認できます。欠けている部分は欠けているものとして表示し、埋めることはありません。

GPU メモリのピーク: CPU マシンで実行したため、サンプリングする GPU がありませんでした
長時間の実行での振る舞い: 各試行はドキュメントにある最小の設定と決まった時間予算を使うため、計測しているのは動作するかどうかであり、負荷のもとでどう持ちこたえるかではありません
実際のサービスに対する振る舞い: この実行は代わりのサービスに対してのみ検証されました

録画の最後

この判定を決めたターミナルセッションの最後の行を、記録されたとおりに表示しています。

-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html
63 passed, 3 warnings in 12.74s
All verification is complete. Here is the summary:
exec
/bin/sh -lc "cd /work/repo && echo '{\"install_succeeded\":true,\"launch_succeeded\":true,\"install…
 succeeded in 0ms:
{"install_succeeded":true,"launch_succeeded":true,"install_minutes":30,"errors":[{"msg":"future 0.1…
exec
/bin/sh -lc "cd /work/repo && ARGUSIC_RESULT='{\"install_succeeded\":true,\"launch_succeeded\":true…
 succeeded in 0ms:
tokens used
97,587

セッション全体を再生 (クリーンなマシンからこの時点までのすべてのコマンド)。

テスト方法

1 つのエージェント、1 つのコンテナで、人の手は借りません。エージェントはプロジェクト自身のドキュメントに書かれた方法でインストールし、実行し、壊れた部分を修正します。以下はすべて、実際に起きたとおりに記録されています: ターミナルセッション、ログ、そして正確なコミットです。評価方法の全文.

強みと限界

意見ではなく、計測された事実です。コンテンツの作成方法.

うまくいった点

3 件のエラーすべてから、人の介入なしに回復しました。失敗が解決できる程度にはドキュメント化されていることを示しています。
ホストの報告によると、ライセンスは MIT です。

うまくいかなかった点、または不明な点

代わりのサービスに対してのみ実行状態に達したため、実際のサービスで動作することはここでは証明されていません。
インストールに 30 分かかり、Argusic が計測した比較可能な 22 件のプロジェクトの中央値より遅い結果です。
これまでの計測は 1 回です。1 回の試行は動作し得ることを示すだけで、安定して動作することは示しません。

Argusic がインストールして時間を計測した ai-gateway のプロジェクト 23 件のうち、sagify は実行状態に達するまでの速さが 21 番目で、23 件中 17 件がそもそも実行状態に達しました。

同じ分野でテストしたプロジェクト

ここに挙げたものはすべて、Argusic がクリーンなマシンにインストールして実行しました。テストしていないものは表示されません。

実行履歴

テスト担当	試行	結果	スコア	コスト (USD)	日時
Argusic Runner	1/3	モックで動作した	92.00	0.20	2026-10-21 05:56 UTC

トピック (出典: GitHub)

ai-gateway anthropic cohere generative-ai langchain langchain-python large-language-model large-language-models llm llm-inference llmops open-source-llm openai sagemaker

バッジを埋め込む

プロジェクトの README に貼る Markdown です。バッジはこのページにリンクします。利用条件: 利用規約ページ.

[![Tested by Argusic](https://argusic.com/badge/sagify.svg)](https://argusic.com/subject/sagify)

質問

sagify は動作しますか?: sagify は、外部サービスの代わりにモックを使って動作します. Argusic はクリーンなマシンで 30 分でインストールして起動し、途中で 3 件のエラーに遭遇し、セッションを記録しました。
Argusic は sagify をどのようにテストしましたか?: 新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット 054a6a2edc21 に固定)。記録された試行は 1 回で、手順の全体は評価方法のページに掲載しています。
sagify のテストにはいくらかかりましたか?: この判定を出した実行のコストは 0.20 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。
sagify のインストールにはどのくらい時間がかかりますか?: この判定を決めた実行では、クリーンなマシンから実行状態まで 30 分でした。これは 1 回の計測された試行であり、平均ではありません。
sagify には GPU が必要ですか?: 起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。
sagify のインストールでは何がうまくいきませんか?: 記録された実行では 3 件の問題が発生しました。そのうち 3 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。
sagify は代替のプロジェクトと比べてどうですか?: Argusic がインストールして時間を計測した ai-gateway のプロジェクト 23 件のうち、sagify は実行状態に達するまでの速さが 21 番目で、23 件中 17 件がそもそも実行状態に達しました。
sagify の証拠はどこにありますか?: 記録された実行をこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。