Original em inglês: https://argusic.com/subject/pharosrag
PharosRAG
Pharos. Local-first agentic RAG para a biblioteca de documentos do seu time: ingestão multi-formato, recuperação híbrida, ACL empresarial, saídas duplas HTTP + MCP.
Executa com mocksfonte: GitHubPythonMITcommit 162c7ca3e975
Python, licença MIT. O projeto se descreve como: agentic rag, embeddings, fastapi, hybrid search, knowledge base, llm, local first e mcp.
PharosRAG executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,2 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Pharos installs, builds, and runs its test suite (240/240 pass in the product+engine CPU tests); the HTTP server starts and answers health checks; the MCP stdio adapter initializes with full tool contract; the RAG pipeline (embedder → Qdrant in-memory → hybrid dense+BM25 retrieval → small-to-big context assembly) works end-to-end via a mock inference backend;
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.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- pharos serve requires GPU model scripts at ~/models/Qwen3-VL-Embedding-8B/scripts which don't exist (no GPU in container)3 minutos
- remote module _verify_server checks that os.path.basename(dense_model_path) matches the server's model_dense field, so default path basename ~/models/... must match2 minutos
- externally-managed-environment prevents system-wide pip install0,2 minutos
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 22 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- `python -m pytest tests -q` exited 0 with 240 passed, 12 skipped (12 skipped because no torch installed; expected without [gpu] extra); `pharos health` returned {"status":"ok"} on running server; `curl http://127.0.0.1:8788/healthz` returned 200; `echo initialize | pharos mcp` returned valid MCP capabilities; `python -c '...embedder pipeline...'` indexed one doc and retrieved 1 hit with score=1.0; `curl -X POST /v1/ask` returned structured `llm_unconfigured` (correct, needs real DeepSeek key)
- Tokens de modelo usados
- 268.489
- Commit exato testado
- 162c7ca3e975
- 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
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 2, 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.
All systems verified. Let me compile the final report. **Install elapsed**: roughly 0.2 minutes (the pip install itself). **Total time including investigation**: harder to bound, but within the allowed exec /bin/sh -lc 'pkill -f "mock_inference" 2>/dev/null; pkill -f "pharos serve" 2>/dev/null; echo "clea… exited 143 in 0ms: exec /bin/sh -lc 'date +%s' in /work/repo succeeded in 0ms: 1789889871 tokens used 268,489
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 0,2 minutos, mais rápido que a mediana dos 3 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 3 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, 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
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
Dos 4 projetos de agentic-rag que a Argusic instalou e cronometrou, PharosRAG foi o 1º mais rápido a chegar a um estado de execução, e 2 de 4 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 | 2/3 | Executa com mocks | 92,00 | 0,09 | |
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,03 |
Tópicos (de GitHub)
agentic-ragembeddingsfastapihybrid-searchknowledge-basellmlocal-firstmcpmodel-context-protocolpythonqdrantragretrieval-augmented-generationself-hosted
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/pharosrag)Perguntas
- PharosRAG executa?
- PharosRAG executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 0 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou PharosRAG?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 162c7ca3e975. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar PharosRAG?
- A execução que produziu este veredito custou US$ 0,09: 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 PharosRAG?
- 0,2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- PharosRAG 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 PharosRAG?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como PharosRAG se compara às alternativas?
- Dos 4 projetos de agentic-rag que a Argusic instalou e cronometrou, PharosRAG foi o 1º mais rápido a chegar a um estado de execução, e 2 de 4 chegaram a esse estado.
- Onde estão as evidências de PharosRAG?
- 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.