Original em inglês: https://argusic.com/subject/academic-file-converter
academic-file-converter
Importe publicações Bibtex e posts de blog do Jupyter Notebook para seu site ou livro em Markdown. 将Bibtex转换为Markdown网站
Executafonte: GitHubpágina do projetoPythonMITcommit 7833b6fbb391
Python, licença MIT. O projeto se descreve como: academic, astrojs, biblatex, bibliography, bibtex, citations, cli e csl json.
academic-file-converter executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 6 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
Academic CLI v0.11.2 installs, passes all 5 tests, passes lint and type checks, and successfully converts BibTeX publications and Jupyter notebooks into Markdown content bundles with YAML front matter.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- 6 minutos
- Da máquina limpa até o fim
- 6 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 'poetry run pytest -v' exited 0 (5 passed), 'poetry run flake8 academic tests' exited 0, 'poetry run pyright' exited 0 with 0 errors, 'poetry run academic import article.bib ...' created correct index.md and cite.bib, 'poetry run academic import notebooks/*.ipynb ...' created correct blog posts with converted markdown content
- Tokens de modelo usados
- 46.103
- Commit exato testado
- 7833b6fbb391
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
import json, time, os # Count time: I started around 19:20 UTC, now is... from datetime import datetime, timezone now = datetime.now(timezone.utc) print(now.isoformat()) "' in /work/repo succeeded in 0ms: 2026-10-21T19:26:47.904377+00:00 Everything works perfectly with zero issues. Here's the final report: tokens used 46,103 Everything works perfectly with zero issues. Here's the final report:
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 6 minutos.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 6 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
academicastrojsbiblatexbibliographybibtexcitationsclicsl-jsongatsbyhugohugo-themejekylllatexmarkdownmarkdown-converternextjsreference-managerstatic-site-generatorwowchemy
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/academic-file-converter)Perguntas
- academic-file-converter executa?
- Sim. academic-file-converter executa. A Argusic o instalou e iniciou em uma máquina limpa em 6 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou academic-file-converter?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 7833b6fbb391. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar academic-file-converter?
- A execução que produziu este veredito custou US$ 0,06: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar academic-file-converter?
- 6 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- academic-file-converter precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar academic-file-converter?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Onde estão as evidências de academic-file-converter?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.