Original em inglês: https://argusic.com/subject/autoflow
autoflow
pingcap/autoflow é uma ferramenta de base de conhecimento conversacional baseada em Graph RAG construída com TiDB Serverless Vector Storage.
Não foi possível verificarfonte: GitHubpágina do projetoTypeScriptApache-2.0commit c4cb19d8fa20
TypeScript, licença Apache-2.0. O projeto se descreve como: chatbot, cot, graphrag, knowledge graph, mysql, rag, serverless e vector database.
A Argusic não conseguiu fazer autoflow executar. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 3 minutos e encontrou 4 erros, e a sessão inteira foi gravada.
Python dependencies installed and backend module loads 138 API routes, but the app cannot start because TiDB/MySQL server is unreachable on localhost:4000, no Docker is available to start it, and no third-party API keys are provided for LLM or embedding models.
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 25 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.
- TiDB/MySQL server required — backend engine connects to localhost:4000 on module import; no Docker and no root to install MySQL/TiDB15 minutos
- No third-party API keys available — 7 backend LLM tests fail with AuthenticationError, core model/knowledge_graph tests fail needing OpenAI, Jina AI, etc.10 minutos
- Backend lifespan startup fails — engine.connect() raises OperationalError (2003) to localhost:4000; 138 routes import but server cannot bind10 minutos
- No Redis server — required by Celery/Flower for async task queue, cannot start full backend5 minutos
- Tempo de instalação
- 3 minutos
- Da máquina limpa até o fim
- 24 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- cd backend && PYTHONPATH=$PWD .venv/bin/python -c 'from app.api_server import app; print(len(app.routes))' returned 138; .venv/bin/python -m pytest tests/test_dynamic_models.py -v returned 1 passed; import of app.core.db creates engine eagerly and connecting to localhost:4000 raises OperationalError
- Tokens de modelo usados
- 700.566
- Commit exato testado
- c4cb19d8fa20
- 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
- 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.
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File "/work/repo/backend/.venv/lib/python3.12/site-packages/pymysql/connections.py", line 361, in…
self.connect()
File "/work/repo/backend/.venv/lib/python3.12/site-packages/pymysql/connections.py", line 716, in…
raise exc
sqlalchemy.exc.OperationalError: (pymysql.err.OperationalError) (2003, "Can't connect to MySQL serv…
(Background on this error at: https://sqlalche.me/e/20/e3q8)
Attempting lifespan startup...
Here is the final report based on everything I verified.
tokens used
700,566
Here is the final report based on everything I verified.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 3 minutos.
- Licença Apache-2.0, 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.
- Encontrou 4 erros durante a configuração, 4 dos quais não foram resolvidos.
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 | 0,23 | |
| Argusic Runner | 1/3 | Não executou | 30,00 | 0,12 |
Tópicos (de GitHub)
chatbotcotgraphragknowledge-graphmysqlragserverlessvector-database
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/autoflow)Perguntas
- autoflow executa?
- A Argusic não conseguiu verificar se autoflow executa. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou autoflow?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit c4cb19d8fa20. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar autoflow?
- A execução que produziu este veredito custou US$ 0,12: 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 autoflow?
- 3 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- autoflow 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 autoflow?
- 4 coisas quebraram na execução registrada. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de autoflow?
- 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.