Original em inglês: https://argusic.com/subject/devops-ai-guidelines
devops-ai-guidelines
First AI Journey for DevOps - com caminhos de aprendizado abrangentes, dicas práticas e diretrizes empresariais
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit e01855ec61af
Python, licença MIT. O projeto se descreve como: agentic ai, ai, ai agent, amazon web services, artificial intelligence, aws, cloud e copilot.
devops-ai-guidelines executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
All 23 tests pass (8 in chapter-07, 15 in chapter-08) and all 6 demonstration scripts across chapters 1-7 produce correct grading/diagnosis output without any API keys or external services
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.
- Tempo de instalação
- 2 minutos
- Da máquina limpa até o fim
- 5 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest on 07-evaluating-ai-agents/code/chapter-07/test_grade.py (8 passed) and chapter-08/test_agent.py + test_jev_judge.py (15 passed, 4 subtests passed); all 6 demo scripts in chapters 1-7 ran and produced expected output
- Tokens de modelo usados
- 55.748
- Commit exato testado
- e01855ec61af
- 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.
ERROR 07-evaluating-ai-agents/code/chapter-08/test_jev_judge.py !!!!!!!!!!!!!!!!!!! Interrupted: 2 errors during collection !!!!!!!!!!!!!!!!!!!! ============================== 2 errors in 0.46s =============================== exec /bin/sh -lc 'cd /work/repo/07-evaluating-ai-agents/code/chapter-07 && /tmp/venv/bin/python -m pytes… succeeded in 694ms: ============================== 8 passed in 0.01s =============================== ==================== 15 passed, 4 subtests passed in 0.37s ===================== All done. Here's my assessment of this repository: tokens used 55,748 All done. Here's my assessment of this repository:
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 2 minutos, mais rápido que a mediana dos 37 projetos comparáveis que a Argusic mediu.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
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.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 38 projetos de agentic-ai que a Argusic instalou e cronometrou, devops-ai-guidelines foi o 10º mais rápido a chegar a um estado de execução, e 27 de 38 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 | 1/3 | Executa com mocks | 92,00 | 0,08 |
Tópicos (de GitHub)
agentic-aiaiai-agentamazon-web-servicesartificial-intelligenceawscloudcopilotdevopsdevops-learninggogolanglangchainmcpopenclawproject-managementprompt-engineeringroadmap
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/devops-ai-guidelines)Perguntas
- devops-ai-guidelines executa?
- devops-ai-guidelines executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou devops-ai-guidelines?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit e01855ec61af. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar devops-ai-guidelines?
- A execução que produziu este veredito custou US$ 0,08: 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 devops-ai-guidelines?
- 2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- devops-ai-guidelines 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 devops-ai-guidelines?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como devops-ai-guidelines se compara às alternativas?
- Dos 38 projetos de agentic-ai que a Argusic instalou e cronometrou, devops-ai-guidelines foi o 10º mais rápido a chegar a um estado de execução, e 27 de 38 chegaram a esse estado.
- Onde estão as evidências de devops-ai-guidelines?
- 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.