Original em inglês: https://argusic.com/subject/ai-real-estate-assistant
ai-real-estate-assistant
Assistente imobiliário de IA de código aberto: RAG + busca vetorial sobre seus próprios anúncios, 16 provedores de LLM, FastAPI + Next.js. Execute-o no seu próprio servidor com Docker ou experimente a demonstração ao vivo.
Não foi possível verificarfonte: GitHubpágina do projetoPythonMITcommit f87a1d22a806
Python, licença MIT. O projeto se descreve como: ai assistant, artificial intelligence, chatbot, chromadb, docker, fastapi, langchain e llm.
A Argusic não conseguiu fazer ai-real-estate-assistant executar. Em uma máquina limpa sem GPU, um agent da Argusic não encontrou nenhum erro, e a sessão inteira foi gravada.
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 20 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.
- Da máquina limpa até o fim
- 8 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Commit exato testado
- f87a1d22a806
- 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.
- Tempo de instalação
- a execução não informou esse tempo
- Como o resultado foi comprovado
- as execuções anteriores a 2026-09-07 não registravam o comando usado para conferir o resultado
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Tokens de modelo usados
- não registrado nesta execução
- 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
- Se ele funciona de algum modo
- esta execução não verificou nada, então esta página não afirma nada em nenhum sentido
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
# Logging
log_cli = true
log_cli_level = INFO
log_cli_format = %(asctime)s [%(levelname)8s] %(message)s
log_cli_date_format = %Y-%m-%d %H:%M:%S
# Timeout (requires pytest-timeout)
# timeout = 300
exec
/bin/sh -lc 'cd /work/repo && .venv/bin/python -m pytest apps/api/tests/unit/ -o "addopts=-v --tb=s…
/work/run-agent.sh: line 4: 3625 Exit 101 codex exec --skip-git-repo-check --danger…
3626 Broken pipe | tee /work/agent-output.txt
3627 Killed | python3 -I -u /work/brand-codex.pyReproduzir 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
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Um agent sem limite de tempo não conseguiu fazê-lo executar.
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 | 2/3 | Não executou | 20,00 | 0,05 | |
| Argusic Runner | 1/3 | Não executou | 20,00 | 0,32 |
Tópicos (de GitHub)
ai-assistantartificial-intelligencechatbotchromadbdockerfastapilangchainllmnextjsopen-sourceproperty-searchpythonragreal-estateself-hostedtypescriptvector-search
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-real-estate-assistant)Perguntas
- ai-real-estate-assistant executa?
- A Argusic não conseguiu verificar se ai-real-estate-assistant executa. A Argusic o instalou e iniciou em uma máquina limpa, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou ai-real-estate-assistant?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f87a1d22a806. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar ai-real-estate-assistant?
- A execução que produziu este veredito custou US$ 0,05: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- ai-real-estate-assistant 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-real-estate-assistant?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Onde estão as evidências de ai-real-estate-assistant?
- Todas as 2 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.