Tracely-ai は動作しますか?

はい。Tracely-ai は動作します. Argusic はクリーンなマシンで 5 分でインストールして起動し、途中で 2 件のエラーに遭遇し、セッションを記録しました。

Argusic は Tracely-ai 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 f332bc865d60 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。

Tracely-ai 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 0.24 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。

Tracely-ai 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 5 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。

Tracely-ai 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。

Tracely-ai 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 2 件の問題が発生しました。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。

Tracely-ai 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/tracely-ai

Tracely-ai

AI エージェント向けの Trace-native CI/CD: 本番障害が回帰テストとなり、PR をブロックします。自動検出、クラスタリング、密閉ケースへの固定、CI での再生を $0 で実行します。

動作するソース: GitHub ホームページPythonMITコミット f332bc865d60

Python、MIT ライセンス. プロジェクト自身の表記: agent、agent observability、ai agents、ci cd、clickhouse、evals、evaluation、llm.

Tracely-ai は動作します。Argusic のエージェントが GPU のないクリーンなマシンで 5 分でインストールし、2 件のエラーに遭遇し、セッション全体が記録されました。

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.
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 80 点 (このプロジェクトの実行スコアの平均)。

概要

判定: 動作する
Argusic スコア: 80 / 100
検証した実行のコスト: 0.24 USD (実測)
記録された実行: 1
最終テスト: 2026-10-07
スター: 1,410
フォーク: 155
未解決の Issue: 22
ウォッチャー: 6
サイズ: 23 MB
作成日: 2026-06-03
最終プッシュ: 2026-10-07

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。

Tracely-ai 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。

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 分
pnpm build (next build) OOM killed during static page generation after successful compilation5 分

インストール時間: 5 分
クリーンなマシンから完了まで: 43 分
遭遇したエラーと修正したエラー: 2 件に遭遇、0 件を人の手を借りずに修正
結果の証明方法: 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
使用したモデルのトークン: 667,905
テストした正確なコミット: f332bc865d60
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

セッションを見る

クリーンなマシンから始まる実行の全体を、実際の速度で再生します。カットも早送りもしていません。

試行 1 の録画、実行日 2026-10-07。上の判定を決めた試行です。この動画の元になったターミナル録画が証拠であり、sha256 フィンガープリントとともに保存されています。動画はそこからレンダリングしたものです。再生ボタンを押すまで、動画ホストからは何も読み込まれません。

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。

 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.

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

クリーンなマシンで実行状態に達し、セッションが記録されました。
5 分でインストールでき、Argusic が計測した比較可能な 134 件のプロジェクトの中央値より速い結果です。
GPU なしで動作したため、起動に GPU は必要ありません。
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

セットアップ中に 2 件のエラーに遭遇しました。そのうち 2 件は解決されていません。
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 agent のプロジェクト 135 件のうち、Tracely-ai は実行状態に達するまでの速さが 48 番目で、135 件中 87 件がそもそも実行状態に達しました。

適している用途

ノートパソコンや小さなサーバーで試す場合: GPU なしで実行状態に達しました。
手早く評価したい場合: クローンから 5 分後には動作していました。

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	動作した	80.00	0.24	2026-10-07 15:39 UTC

トピック (出典: 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

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/Tracely-ai.svg)](https://argusic.com/subject/tracely-ai)

質問

Tracely-ai は動作しますか?: はい。Tracely-ai は動作します. Argusic はクリーンなマシンで 5 分でインストールして起動し、途中で 2 件のエラーに遭遇し、セッションを記録しました。
Argusic は Tracely-ai 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 f332bc865d60 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。
Tracely-ai 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 0.24 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。
Tracely-ai 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 5 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。
Tracely-ai 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。
Tracely-ai 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 2 件の問題が発生しました。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。
Tracely-ai 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 agent のプロジェクト 135 件のうち、Tracely-ai は実行状態に達するまでの速さが 48 番目で、135 件中 87 件がそもそも実行状態に達しました。
Tracely-ai 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。