Original em inglês: https://argusic.com/subject/tracely-ai
Tracely-ai
CI/CD nativo de trace para agents de IA: falhas de produção viram testes de regressão que bloqueiam o PR. Detecte automaticamente, agrupe, congele em casos herméticos e replique na CI por $0.
Executafonte: GitHubpágina do projetoPythonMITcommit f332bc865d60
Python, licença MIT. O projeto se descreve como: agent, agent observability, ai agents, ci cd, clickhouse, evals, evaluation e llm.
Tracely-ai executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 5 minutos e encontrou 2 erros, e a sessão inteira foi gravada.
Python backend and SDK install, import, and all 1174 pytest tests pass on Python 3.12.3. Frontend installs via pnpm with no errors and next build compiles successfully but OOMs during static page generation (container memory limit). vitest tests require Node 22+ ([email protected] and [email protected]) while this container has Node 18.19.1 - CI uses Node 22. CLI tool tracely --help works.
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 80 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.
- frontend vitest tests fail on Node 18 - jsdom@30 depends on [email protected] (engines: ^22.14.0) and [email protected] (engines: >=22.19.0), container has Node 18.19.115 minutos
- pnpm build (next build) OOM killed during static page generation after successful compilation5 minutos
- Tempo de instalação
- 5 minutos
- Da máquina limpa até o fim
- 43 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest backend/tests sdk/tests: 1174 passed, 34 skipped, 0 failed; tracely --help returned usage; uv run uvicorn --help succeeded; next build compiled successfully before OOM
- Tokens de modelo usados
- 667.905
- Commit exato testado
- f332bc865d60
- 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.
succeeded in 0ms: Restored @exodus/bytes package.json to original-like state Removed encoding-lite.cjs Removed encoding.cjs Removed whatwg.cjs Removed utf16.cjs Removed utf8.cjs Restored encoding-lite.js from .esm backup Now let me do my final report. All patches are reverted and the repo is back to its original state. tokens used 667,905 Now let me do my final report. All patches are reverted and the repo is back to its original state.
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 5 minutos, mais rápido que a mediana dos 134 projetos comparáveis que a Argusic mediu.
- 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
- Encontrou 2 erros durante a configuração, 2 dos quais não foram resolvidos.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 135 projetos de agent que a Argusic instalou e cronometrou, Tracely-ai foi o 48º mais rápido a chegar a um estado de execução, e 87 de 135 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 5 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)
agentagent-observabilityai-agentsci-cdclickhouseevalsevaluationllmllm-as-judgellm-evaluationllm-observabilityllm-opsllmopsmcpmonitoringopentelemetrypythonself-hostedtracing
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/tracely-ai)Perguntas
- Tracely-ai executa?
- Sim. Tracely-ai executa. A Argusic o instalou e iniciou em uma máquina limpa em 5 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou Tracely-ai?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f332bc865d60. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar Tracely-ai?
- A execução que produziu este veredito custou US$ 0,24: 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 Tracely-ai?
- 5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- Tracely-ai 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 Tracely-ai?
- 2 coisas quebraram na execução registrada. Cada uma, com o tempo que custou, está listada nesta página.
- Como Tracely-ai se compara às alternativas?
- Dos 135 projetos de agent que a Argusic instalou e cronometrou, Tracely-ai foi o 48º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
- Onde estão as evidências de Tracely-ai?
- 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.