Original em inglês: https://argusic.com/subject/fridayos1-0
FridayOS1.0
Segundo cérebro com IA local e gerenciamento de conhecimento pessoal: blueprint Markdown Six-Brain, vault de exemplo Obsidian, implantação offline e guias bilíngues. 六脑方法 · 本地知识管理
Executafonte: GitHubpágina do projetoPythonMITcommit eaf305360eb3
Python, licença MIT. O projeto se descreve como: ai, ai agents, fridayos, human ai collaboration, knowledge management, local first, markdown e obsidian.
FridayOS1.0 executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 30 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
All three repo-local Python scripts run successfully: the demo brain generator produces 129 wiki files matching the shipped zip content, the transcript parser converts 188 JSONL files to 179 markdown docs, and the star history script works offline. The demo zip (182 entries) passes CRC integrity checks and all media files decode.
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, 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.
- FridayOS-Lite示例大脑生成器.py had hardcoded absolute BASE path '/sessions/friendly-upbeat-wozniak/...' causing PermissionError5 minutos
- docs/images/gif/node.gif has LZW decode error in one frame (202/210 frames decode)2 minutos
- Tempo de instalação
- 30 minutos
- Da máquina limpa até o fim
- 9 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- python3 FridayOS-Lite示例大脑生成器.py returned 'v2 完成。员工: 100' and generated 129 markdown files matching the shipped zip; python3 parse_transcripts.py (in FridayOS-Lite实测/) generated 179 markdown files from 188 JSONL transcripts; python3 update_star_history.py --count 901 produced valid CSV+SVG; unzip testzip passed for 示例大脑-云栈科技.zip; ffmpeg decode passed for all 12 gifs and 3 pngs (1 GIF had minor LZW warning)
- Tokens de modelo usados
- 171.913
- Commit exato testado
- eaf305360eb3
- 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 generator script produces 129 wiki markdown files + 1 CSV, matching all 129 common files in t…
- The parser converts 188 JSONL files to 179 readable markdown transcripts
- The star history script appends a date to the snapshot CSV and regenerates the SVG (valid)
- The zip is valid with 182 entries
- All media decodes (1 minor LZW warning in `node.gif`)
Now I need to construct the single-line JSON result. Let me be very careful about the format:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 30, "errors": [{"msg": "..…
For `verified_how`, I need the exact command and what it returned. The most meaningful verification…
- `python3 FridayOS-Lite示例大脑生成器.py` → "v2 完成。员工: 100"
- `python3 parse_transcripts.py` → "✅ transcripts-md/..." 179 files
- `python3 update_star_history.py --count 901` → generated CSV+SVG
Let me write the final result now.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.
- Recuperou-se de todos os 2 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
- Levou 30 minutos para instalar, mais devagar que a mediana dos 37 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 38 projetos de agents que a Argusic instalou e cronometrou, FridayOS1.0 foi o 35º mais rápido a chegar a um estado de execução, e 25 de 38 chegaram a esse estado.
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)
aiai-agentsfridayoshuman-ai-collaborationknowledge-managementlocal-firstmarkdownobsidianobsidian-vaultpersonal-knowledge-managementsecond-brain
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/fridayos1-0)Perguntas
- FridayOS1.0 executa?
- Sim. FridayOS1.0 executa. A Argusic o instalou e iniciou em uma máquina limpa em 30 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou FridayOS1.0?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit eaf305360eb3. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar FridayOS1.0?
- A execução que produziu este veredito custou US$ 0,10: 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 FridayOS1.0?
- 30 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- FridayOS1.0 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 FridayOS1.0?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como FridayOS1.0 se compara às alternativas?
- Dos 38 projetos de agents que a Argusic instalou e cronometrou, FridayOS1.0 foi o 35º mais rápido a chegar a um estado de execução, e 25 de 38 chegaram a esse estado.
- Onde estão as evidências de FridayOS1.0?
- 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.