Original em inglês: https://argusic.com/subject/ai-goofish-monitor
ai-goofish-monitor
Sistema de monitoramento em tempo real/agendado e análise inteligente de múltiplas tarefas no Xianyu, implementado com Playwright e IA, equipado com uma UI de administração de backend completa. Ajuda os usuários a encontrar os produtos desejados entre a vasta quantidade de produtos no Xianyu.
Executa com mocksfonte: GitHubPythonMITcommit f85d140b6b45
Python, licença MIT. O projeto se descreve como: ai, ai assistant, ai tools, automation, gemini, goofish, open source e openai.
ai-goofish-monitor executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 4 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Python backend with 117 passing tests and API server running on port 8000; frontend Vue build blocked by Node 18.19.1 < 20.19 requirement.
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 92 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.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- test_save_to_jsonl strict equality failed because result_storage_service decorates records with metadata fields
- test_failure_guard_auto_recovers_on_cookie_change failed due to filesystem mtime race on tmpfs
- test_frontend_build_output_path_is_consistent_across_configs failed because .dockerignore contained web-ui/dist
- Frontend build failed: Node 18.19.1 is too old for Vite 7.x (requires Node 20.19+)
- Tempo de instalação
- 4 minutos
- Da máquina limpa até o fim
- 7 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest: 117 passed, 3 skipped. uvicorn: /docs returns 200, /auth/status returns authenticated properly.
- Tokens de modelo usados
- 277.065
- Commit exato testado
- f85d140b6b45
- 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
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
| **Unit tests** | 85/85 passed |
| **Integration tests** | 29/29 passed |
| **Standalone tests** | 3/3 passed |
| **Total test suite** | **117 passed, 3 skipped (live-only)** |
| **App launch** | uvicorn started, `/docs` → 200, `/auth/status` → 200 `{"authenticated":true}` |
| **Frontend build** | **Failed** — Node 18.19.1 is too old for Vite 7.x (requires ≥20.19) |
## Verify command
```bash
cd /work/repo && . venv/bin/activate && PYTEST_DISABLE_PLUGIN_AUTOLOAD=1 python -m pytest
# → 117 passed, 3 skipped
```
The 3 skipped tests are live smoke tests (`tests/live/test_live_smoke.py`) marked with `@pytest.mar…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
- Instalado em 4 minutos, mais rápido que a mediana dos 230 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 3 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
Dos 231 projetos de ai que a Argusic instalou e cronometrou, ai-goofish-monitor foi o 99º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
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
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 3/3 | Executa com mocks | 92,00 | 0,04 | |
| Argusic Runner | 2/3 | Executa com mocks | 92,00 | 0,06 | |
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,08 |
Tópicos (de GitHub)
aiai-assistantai-toolsautomationgeminigoofishopen-sourceopenaiplaywrighttoolxian-yuxianyuxianyu-bot
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/ai-goofish-monitor)Perguntas
- ai-goofish-monitor executa?
- ai-goofish-monitor executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 4 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou ai-goofish-monitor?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f85d140b6b45. Há 3 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar ai-goofish-monitor?
- A execução que produziu este veredito custou US$ 0,04: 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 ai-goofish-monitor?
- 4 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- ai-goofish-monitor 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 ai-goofish-monitor?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como ai-goofish-monitor se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, ai-goofish-monitor foi o 99º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de ai-goofish-monitor?
- Todas as 3 execuções registradas estão 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.