Original em inglês: https://argusic.com/subject/panwatch
PanWatch
PanWatch: monitoramento de ações por IA para mercados de ações A, Hong Kong e EUA, desenvolvido por TradingAgents. Análises de carteira, alertas em tempo real e relatórios automatizados.｜盯盘侠：覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。
Executafonte: GitHubpágina do projetoPythonMITcommit d2d2a869b735
Python, licença MIT. O projeto se descreve como: a share, agent, ai, ai agent, akshare, deepseek, fastapi e fintech.
PanWatch executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 6,3 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Python 3.12 venv with all deps installed, 782/784 tests pass (3 skipped are Windows-only), server starts and responds 200 on /api/health, frontend builds cleanly via pnpm, WeasyPrint PDF renders Chinese characters as extractable text.
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.
- No CJK fonts on system; WeasyPrint PDF tests failed asserting Chinese text in PDF text layer2,5 minutos
- pnpm not installed globally, needed for frontend builds1,5 minutos
- Tempo de instalação
- 6 minutos
- Da máquina limpa até o fim
- 8 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest tests/ -q --tb=no returned 782 passed, 3 skipped; curl -s -o /dev/null -w '%{http_code}' http://localhost:8000/api/health returned 200
- Tokens de modelo usados
- 57.253
- Commit exato testado
- d2d2a869b735
- 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
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
src/modules/reporting/pdf_export.py | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) All 782 tests pass, 3 skipped (Windows-only). The server starts and serves HTTP 200 on `/api/health… **Errors found and fixed:** 1. **pnpm not available** – Installed pnpm to `~/.npm-global` via `npm install -g pnpm --prefix` 2. **CJK fonts missing** – WeasyPrint rendered PDFs but Chinese characters appeared as `.notdef` bo… tokens used 57,253 All 782 tests pass, 3 skipped (Windows-only). The server starts and serves HTTP 200 on `/api/health… **Errors found and fixed:** 1. **pnpm not available** – Installed pnpm to `~/.npm-global` via `npm install -g pnpm --prefix` 2. **CJK fonts missing** – WeasyPrint rendered PDFs but Chinese characters appeared as `.notdef` bo…
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 6,3 minutos, mais rápido que a mediana dos 4 projetos comparáveis que a Argusic mediu.
- 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
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 5 projetos de a-share que a Argusic instalou e cronometrou, PanWatch foi o 2º mais rápido a chegar a um estado de execução, e 3 de 5 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.
- Uma avaliação rápida: ele estava executando 6,3 minutos depois do clone.
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)
a-shareagentaiai-agentaksharedeepseekfastapifintechlanggraphllmmcpopenaipwaquantself-hostedstockstock-analysisstock-markettrading-agentstrading-bot
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/panwatch)Perguntas
- PanWatch executa?
- Sim. PanWatch executa. A Argusic o instalou e iniciou em uma máquina limpa em 6 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou PanWatch?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit d2d2a869b735. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar PanWatch?
- A execução que produziu este veredito custou US$ 0,06: 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 PanWatch?
- 6,3 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- PanWatch 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 PanWatch?
- 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 PanWatch se compara às alternativas?
- Dos 5 projetos de a-share que a Argusic instalou e cronometrou, PanWatch foi o 2º mais rápido a chegar a um estado de execução, e 3 de 5 chegaram a esse estado.
- Onde estão as evidências de PanWatch?
- 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.