Original em inglês: https://argusic.com/subject/qmedia
Qmedia
Um mecanismo de busca de conteúdo de código aberto com IA, projetado especificamente para criadores de conteúdo. Suporta extração de texto, imagens e vídeos curtos. Permite implantação totalmente local (aplicativo web, servidor RAG, servidor LLM). Suporta perguntas e respostas sobre conteúdo com RAG multimodal.
Executafonte: GitHubTypeScriptMITcommit c890b2543ac5
TypeScript, licença MIT. O projeto se descreve como: content, content search, rag, search, search engine e video.
Qmedia executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 35 minutos e encontrou 11 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
All three services (mm_server on port 50110, mmrag_server on port 8001, qmedia_web on port 3000) are installed and respond to API calls; mmrag_server loads persisted index from db/ with embeddings for 14 assets and serves note search and detail APIs.
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.
- transformers 5.20 requires torch>=2.6 but torch 2.2.0 installed3 minutos
- faster-whisper model download blocks server at import time3 minutos
- PEP 668 externally-managed-environment blocked pip install system-wide2 minutos
- NumPy 2.5.4 incompatible with torch 2.2.0 (numpy.long removed)2 minutos
- scipy 1.12+ uses np.long incompatible with numpy 1.x2 minutos
- FastAPI 0.143 removed add_event_handler2 minutos
- Tempo de instalação
- 35 minutos
- Da máquina limpa até o fim
- 39 minutos
- Erros encontrados e corrigidos
- 11 encontrados, 11 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- mm_server: POST /api/embeddings returned 200 with 384-dim embedding, POST /api/clip-text-embeddings returned 200 with 512-dim embedding, POST /api/clip-image-embeddings returned 200 with 512-dim embedding; mmrag_server: GET / returned 200 with {'msg':'Access success.'}, GET /note-search?query=vlog&topk=3 returned 200 with 10 search results, GET /note/662534e20000000001004af8 returned 200 with title 'Vlog用综艺的方式去拍真的很酷😎5' and card_type 'video'; qmedia_web: GET / returned 200 with full Next.js HTML
- Tokens de modelo usados
- 347.769
- Commit exato testado
- c890b2543ac5
- 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.
**Errors encountered:**
1. **PEP 668 (externally-managed-environment)**: system pip blocked. Fixed by creating venvs.
2. **NumPy 2.x incompatibility with torch 2.2.0**: `numpy.long` removed. Fixed by pinning `numpy<2`…
3. **scipy version incompatibility**: scipy 1.12+ uses `np.long` which doesn't exist in numpy 1.x. …
4. **transformers/sentence-transformers version incompatibility with torch 2.2.0**: transformers > …
5. **python-multipart missing**: FastAPI requires it for form data. Fixed by installing `python-mul…
6. **moviepy 2.x import path change**: `moviepy.editor` removed in moviepy 2.x. Fixed by changing t…
7. **FastAPI 0.143 removed `add_event_handler`**: Fixed by switching to `lifespan` context manager.
8. **fast-whisper model download blocking server startup**: Moved whisper import from module-level …
9. **PermissionError on `/work/db`**: Config used `Path("").absolute().parent` resolving to `/work`…
10. **mmrag_server startup crash with Ollama unavailable**: The `on_startup` event tried to connect…
11. **OCRValidationError on image OCR responses**: mm_server's OCR API returns `{"error": ...}` for…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 35 minutos.
- Recuperou-se de todos os 11 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.
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/qmedia)Perguntas
- Qmedia executa?
- Sim. Qmedia executa. A Argusic o instalou e iniciou em uma máquina limpa em 35 minutos, encontrando 11 erros no caminho, e gravou a sessão.
- Como a Argusic testou Qmedia?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit c890b2543ac5. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar Qmedia?
- A execução que produziu este veredito custou US$ 0,25: 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 Qmedia?
- 35 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- Qmedia 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 Qmedia?
- 11 coisas quebraram na execução registrada, e 11 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de Qmedia?
- 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.