Original em inglês: https://argusic.com/subject/canonry
canonry
Agent-first AI SEO (AEO/GEO) operating platform
Executafonte: GitHubTypeScriptMITcommit bd245fdfebf8
TypeScript, licença MIT. O projeto se descreve como: aeo, agent, ai search, ai visibility, answer engine optimisation, answer engine optimization, brand monitoring e cli.
canonry executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 17 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Install, build, and global CLI install succeed. Server launches and serves health (200) and API endpoints (200). 3,652 tests pass across 15 packages. Two db tests fail only because the sqlite3 CLI binary is unavailable in this container (no root).
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. 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.
- Node v18.19.1 too old (requires >=26.12.1)3 minutos
- pnpm not found in container2 minutos
- .npmrc prefix setting conflicted with nvm1 minuto
- sqlite3 CLI binary not found, 2 tests skip
- Tempo de instalação
- 17 minutos
- Da máquina limpa até o fim
- 19 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pnpm exec vitest run --project contracts --project config --project intelligence --project provider-answer-services --project provider-local --project api-client-generated --project integration-typesafe --project integration-traffic --project integration-cloudflare-worker --project integration-cloudflare-queue --project integration-cloud-run --project integration-commoncrawl --project integration-wordpress --project integration-wordpress-traffic --project integration-vercel exited 0: 216 test files, 3652 passed; server 'canonry serve' /health returned 200 with {"status":"ok","service":"canonry","version":"7.97.5"}; API /api/v1/projects returned 200; CLI 'canonry --version' printed 7.97.5
- Tokens de modelo usados
- 82.084
- Commit exato testado
- bd245fdfebf8
- 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.
The API key issue in the last test was due to a subshell expansion issue. The server was verified w… exec /bin/sh -lc '# restore the .npmrc file that was modified cp /work/repo/.npmrc.bak /work/repo/.npmrc 2>/dev/null || true cp /home/runner/.npmrc.bak /home/runner/.npmrc 2>/dev/null || true echo "Cleanup done"' in /work/repo succeeded in 0ms: Cleanup done Here are the final comprehensive results: tokens used 82,084 Here are the final comprehensive results:
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 17 minutos.
- 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.
- 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.
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)
aeoagentai-searchai-visibilityanswer-engine-optimisationanswer-engine-optimizationbrand-monitoringclidataforseogenerative-engine-optimizationgeogoogle-analyticslocal-firstmcpself-hostedseoseo-optimizationserver-side-trackingsqliteweb-analytics
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/canonry)Perguntas
- canonry executa?
- Sim. canonry executa. A Argusic o instalou e iniciou em uma máquina limpa em 17 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou canonry?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit bd245fdfebf8. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar canonry?
- A execução que produziu este veredito custou US$ 0,22: 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 canonry?
- 17 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- canonry 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 canonry?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de canonry?
- 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.