Original em inglês: https://argusic.com/subject/shopkeeper-agent
shopkeeper-agent
📊 电商数仓智能问数 AI Agent，最适合用于系统学习 LangGraph 的实战项目：基于 LangGraph、FastAPI、Qdrant、Elasticsearch、MySQL 与 React，完整实现元数据知识库、混合检索、自然语言生成 NL2SQL 生成校验、SQL 执行与流式查询展示。前后端完整代码全栈可跑，Docker 环境一键部署，配套 ai-agents-from-zero 免费教程与章节代码分支。适合系统学习大模型应用、数据分析 Agent 和企业级 AI 工程落地。
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 8045fa4d6160
Python, licença MIT. O projeto se descreve como: agent workflow, ai agent, elasticsearch, fastapi, langchain, langgraph, llm e nl2sql.
shopkeeper-agent executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 28 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
With schema-correct mocks for the mandatory external services, the uvicorn-served app answers POST /api/query with a complete SSE pipeline and returns SQL aggregate result sales=10088 for '统计华北地区销售额'; uv sync installs all dependencies and the frontend pnpm build completes.
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.
- App lifespan requires external MySQL/Qdrant/ES/TEI/LLM not present in container20 minutos
- pip install -e . fails: setuptools flat-layout (app, conf, docker, prompts, frontend)3 minutos
- Manual pip venv (langchain-huggingface 1.2.3) rejects embedding model=URL; uv pin 1.2.1 accepts it3 minutos
- Config requires LLM_API_KEY; omegaconf.InterpolationResolutionError without it2 minutos
- Tempo de instalação
- 28 minutos
- Da máquina limpa até o fim
- 31 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- uv run pytest tests/test_integration.py -v exited 0 with 1 passed (asserts /api/query 200 and SSE pipeline ends with result data [{'sales':10088}]); also curl -X POST http://127.0.0.1:8000/api/query returned HTTP 200 with full SSE stream ending in [{'sales':10088}]
- Tokens de modelo usados
- 497.338
- Commit exato testado
- 8045fa4d6160
- 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
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
- App imports under `uv run` (`import main` and `uv run fastapi dev main.py` path).
**Errors encountered and fixed**
1. Config fails without the LLM key (`omegaconf.InterpolationResolutionError: 'LLM_API_KEY' not fou…
2. `pip install -e .` (non-documented path) fails with setuptools flat-layout error (multiple top-l…
3. App lifespan requires external MySQL, Qdrant, Elasticsearch, TEI embedding, and an LLM — none pr…
4. A dependency-version nuance: in a pip venv with `langchain-huggingface 1.2.3`, the embedding `mo…
**Verification**
- `uv run pytest tests/test_integration.py -v` → **1 passed**.
- The test launches the app lifespan and POSTs to `/api/query` with `{"query":"统计华北地区销售额"}`; the SS…
- I also launched the real `uvicorn` (with mocks) and `curl -X POST http://127.0.0.1:8000/api/query…
**Final state**: dependencies install via `uv sync`; the app builds and runs; `/api/query` executes…
Notes on remaining work: the repo has no unit tests originally; I added `tests/test_integration.py`…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 28 minutos.
- 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.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
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.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
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 | 1/3 | Executa com mocks | 92,00 | 0,59 |
Tópicos (de GitHub)
agent-workflowai-agentelasticsearchfastapilangchainlanggraphllmnl2sqlqdrantragvector-database
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/shopkeeper-agent)Perguntas
- shopkeeper-agent executa?
- shopkeeper-agent executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 28 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou shopkeeper-agent?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 8045fa4d6160. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar shopkeeper-agent?
- A execução que produziu este veredito custou US$ 0,59: 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 shopkeeper-agent?
- 28 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- shopkeeper-agent 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 shopkeeper-agent?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de shopkeeper-agent?
- 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.