Original em inglês: https://argusic.com/subject/vectordbz
vectordbz
Um aplicativo desktop moderno para explorar, gerenciar e analisar bancos de dados vetoriais
Executa com mocksfonte: GitHubpágina do projetoTypeScriptMITcommit 57d51d2549ba
TypeScript, licença MIT. O projeto se descreve como: ai, aitools, chroma, database management, embeddings, milvus, pgvector e pinecone.
vectordbz executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 29 minutos e encontrou 5 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
npm ci completes successfully, Vite builds produce valid bundles, the Electron app launches on Xvfb with a visible VectorDBZ 1400x900 window connected to the Vite renderer dev server. The embedding mock server serves embedding vectors on port 3005. Integration tests require Docker containers not available in this environment. Package step fails with OOM.
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.
- Node.js version mismatch - system has v18.19.1, project requires >=22.12.03 minutos
- Corrupted Vite build artifacts from prior failed package attempt caused Electron SyntaxError: Unexpected end of input2 minutos
- Electron main.js entry-point had duplicated content after rebuild1 minuto
- All 8 database integration test files fail - require Docker containers for Qdrant, Weaviate, ChromaDB, Milvus, pgvector, Pinecone, Elasticsearch, RedisSearch (docker not available in container)
- npm run package (electron-forge make) runs out of memory (OOM)
- Tempo de instalação
- 29 minutos
- Da máquina limpa até o fim
- 30 minutos
- Erros encontrados e corrigidos
- 5 encontrados, 5 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- npm run start (via electron-forge) launched Electron app; VectorDBZ window 1400x900 appeared on virtual display :99 and Electron processes remained alive for 25+ seconds. Embedding server at localhost:3005 responded 200 on POST /embed/text with valid 384-dim embedding vector. Electron --version via forge returned 7.11.1.
- Tokens de modelo usados
- 497.049
- Commit exato testado
- 57d51d2549ba
- 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.
succeeded in 0ms:
The task is complete. Let me clean up the running processes.
exec
/bin/sh -lc "ps aux | grep \"[e]lectron\" | grep -v codex | grep -v grep | awk '{print "'$2}'"' | x…
ps aux | grep \"[v]ite\" | grep -v codex | grep -v grep | awk '{print "'$2}'"' | xargs -r kill 2>/d…
echo \"Cleanup done\"" in /work/repo
succeeded in 0ms:
Cleanup done
Done. The app has been installed, built, and launched—VectorDBZ window appeared on the virtual disp…
tokens used
497,049
Done. The app has been installed, built, and launched—VectorDBZ window appeared on the virtual disp…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
- Recuperou-se de todos os 5 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.
- Levou 29 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, vectordbz foi o 214º mais rápido a chegar a um estado de execução, e 152 de 231 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 | 1/3 | Executa com mocks | 92,00 | 0,51 |
Tópicos (de GitHub)
aiaitoolschromadatabase-managementembeddingsmilvuspgvectorpineconeqdrantragsemantic-searchvector-data-managementvector-databasevector-database-embeddingvector-searchvector-storevectordatabasevectordbvectorspaceweaviate
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/vectordbz)Perguntas
- vectordbz executa?
- vectordbz executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 29 minutos, encontrando 5 erros no caminho, e gravou a sessão.
- Como a Argusic testou vectordbz?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 57d51d2549ba. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar vectordbz?
- A execução que produziu este veredito custou US$ 0,51: 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 vectordbz?
- 29 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- vectordbz 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 vectordbz?
- 5 coisas quebraram na execução registrada, e 5 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como vectordbz se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, vectordbz foi o 214º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de vectordbz?
- 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.