Original em inglês: https://argusic.com/subject/productflow
ProductFlow
gpt-image-2 Painel para criação de imagens / Workbench auto-hospedado para cópia de IA, pôsteres, sessões de imagem e fluxos de trabalho de produtos visuais
Executafonte: GitHubpágina do projetoPythonMITcommit 649a8a52f26a
Python, licença MIT. O projeto se descreve como: ai, ecommerce, fastapi, gpt image 2, productflow, react e self hosted.
ProductFlow executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 16 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Backend test suite 293/293 passing, web frontend builds to dist/ with vite, and the FastAPI server starts and returns HTTP 200 on /healthz
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.
- Vite 7 requires Node 20.19+, container has Node 18.19.15 minutos
- pnpm install blocked (no root, esbuild build scripts)4 minutos
- hatchling build rejects readme path outside project directory2 minutos
- test_image_generation_core.py missing env-vars fixture1 minuto
- Tempo de instalação
- 16 minutos
- Da máquina limpa até o fim
- 8 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- uv run --directory backend pytest --tb=short --no-header -q: 293 passed; pnpm --dir web build: vite build exited 0; curl -s http://localhost:29282/healthz returned 200 and {"status":"ok"}
- Tokens de modelo usados
- 121.348
- Commit exato testado
- 649a8a52f26a
- 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.
3. **Node.js 18 too old for Vite 7** — Vite 7 requires Node.js 20.19+ / 22.12+. **Fix**: downloaded…
4. **pnpm not installed / permission errors** — global npm install failed (no root); esbuild build‑…
2026-10-25T13:24:04.779360Z ERROR codex_core::session: failed to record rollout items: thread 01a17…
2026-10-25T13:24:04.779392Z ERROR codex_core::session: failed to record rollout items: thread 01a17…
tokens used
121,348
All 293 tests pass, the web frontend builds, and the API answers `{"status":"ok"}` on `/healthz`. H…
**Errors encountered and fixed:**
1. **Backend pyproject.toml `readme` path** — `readme = "../README.md"` points outside the project …
2. **Test missing env‑var fixture** — `test_image_generation_core.py` calls code that needs `get_ru…
3. **Node.js 18 too old for Vite 7** — Vite 7 requires Node.js 20.19+ / 22.12+. **Fix**: downloaded…
4. **pnpm not installed / permission errors** — global npm install failed (no root); esbuild build‑…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 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
- Levou 16 minutos para instalar, mais devagar que a mediana dos 230 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 231 projetos de ai que a Argusic instalou e cronometrou, ProductFlow foi o 182º mais rápido a chegar a um estado de execução, e 152 de 231 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)
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/productflow)Perguntas
- ProductFlow executa?
- Sim. ProductFlow executa. A Argusic o instalou e iniciou em uma máquina limpa em 16 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou ProductFlow?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 649a8a52f26a. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar ProductFlow?
- 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 ProductFlow?
- 16 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- ProductFlow 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 ProductFlow?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como ProductFlow se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, ProductFlow foi o 182º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de ProductFlow?
- 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.