appworld có chạy được không?

Có. appworld chạy được. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 35 phút, gặp 5 lỗi trên đường đi, và ghi lại phiên làm việc.

Argusic đã test appworld như thế nào?

Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit 42b5bcf3cd33. Có một lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.

Test appworld tốn bao nhiêu?

Lần chạy đưa ra kết luận này tốn 0,10 USD: chi phí máy và model thật, không phải giá niêm yết theo triệu token. Con số được ghi trên trang của lần chạy đó.

Cài đặt appworld mất bao lâu?

35 phút trong lần chạy quyết định kết luận này, từ máy sạch đến trạng thái chạy được. Đó là một lần thử đo được, không phải số trung bình.

appworld có cần GPU không?

Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.

Cài đặt appworld thì gặp lỗi gì?

5 lỗi xảy ra trong lần chạy được ghi lại, và 5 lỗi đã được sửa mà không cần người giúp. Từng lỗi, cùng thời gian nó tốn, được liệt kê trên trang này.

Bằng chứng cho appworld ở đâu?

Lần chạy được ghi lại nằm trên trang này, mỗi lần link tới log đầy đủ và terminal recording, được lưu kèm dấu vân tay sha256 để không thể bị sửa lén.

Bản gốc tiếng Anh: https://argusic.com/subject/appworld

appworld

AppWorld: Một thế giới ứng dụng và con người có thể kiểm soát để benchmark function calling và coding agent tương tác, Bài báo Tài nguyên Xuất sắc nhất ACL'24.

Chạy đượcnguồn: GitHub trang chủ dự ánPythonApache-2.0commit 42b5bcf3cd33

Python, giấy phép Apache-2.0. Dự án tự gắn nhãn: acl 2024, ai agents, ai apis, ai assistants, ai environment, ai planning, autonomous agents và coding agents.

appworld chạy được. Trên một máy sạch không có GPU, một agent của Argusic đã cài đặt nó trong 35 phút, gặp 5 lỗi và tự sửa hết mà không cần trợ giúp, và toàn bộ phiên làm việc được ghi lại.

AppWorld installs and builds; all 1851 package tests pass; the CLI (appworld --version prints 0.2.0.dev0) works; task worlds load, execute Python code, call mock APIs, and evaluate task solutions.
Kết quả agent đạt được trên máy sạch, bằng chính lời của nó. Cách đo

Argusic đo trên một máy mới mỗi lần. Mỗi con số đều link tới bằng chứng của nó. Điểm Argusic 100 trên 100 (trung bình điểm các lần chạy của dự án này).

Tóm tắt

kết luận: Chạy được
Điểm Argusic: 100 / 100
chi phí của lần chạy kiểm chứng: 0,10 USD (đo thực tế)
số lần chạy đã ghi: 1
test gần nhất: 2026-10-18
lượt star: 546
fork: 90
issue đang mở: 16
người theo dõi: 8
dung lượng: 6 MB
ngày tạo: 2024-06-23
push gần nhất: 2026-09-04

Dữ liệu dự án lấy từ GitHub, có link ở đầu trang, cập nhật 2026-11-04. Dữ liệu test của Argusic (CC BY 4.0); mỗi con số đều link tới một trang run có đầy đủ log, bản ghi và mã sha256 của chúng.

Những gì đã đo

Lấy từ lần chạy quyết định kết luận này. Mỗi dòng là một giá trị được ghi lại, không phải ước tính.

Thời gian mất cho từng lỗi khi test appworld, vẽ từ lần chạy được ghi lại — Mỗi cột là một lỗi agent đã ghi lại, kèm thời gian nó tốn. Vẽ từ lần chạy này, không lấy từ nguồn nào khác.

Những gì trục trặc, bằng chính lời của agent

Lời của chính agent, lỗi nặng nhất trước, không bao giờ viết lại thành lời khuyên.

Bundle files (.bundle) were Git LFS pointers (193 bytes) not actual content3 phút
OrderItem model datetimes used SQLModel default UTCDateTime requiring tz-aware values, but AppWorld uses naive PendulumDateTimes2 phút
fastapi 0.146.0 / pydantic 2.14.1 incompatibility: match_type() takes 2 positional arguments but 3 were given1 phút
Missing openapi_spec_validator package for test_prepare_api_docs1 phút
PEP 668 externally-managed-environment blocked system pip install0,5 phút

Thời gian cài đặt: 35 phút
Từ máy sạch đến khi xong: 37 phút
Lỗi gặp và đã sửa: gặp 5, tự sửa 5 mà không cần người giúp
Cách chứng minh kết quả: appworld verify tests (pytest tests/package/) returned 1851 passed, 2 skipped in 257s. AppWorld import and task execution confirmed by python3 -c 'from appworld import AppWorld, load_task_ids; task_id=load_task_ids("test_challenge")[0]; with AppWorld(task_id=task_id) as w: w.execute("apis.supervisor.complete_task()"); print(w.evaluate().report())'
Số token model đã dùng: 521.648
Commit chính xác đã test: 42b5bcf3cd33
Container image: sha256:cdd920bce783

Những gì chưa đo

Nửa còn lại, để bạn thấy rõ bằng chứng này đi xa tới đâu. Chỗ trống được ghi là chỗ trống và không bao giờ được lấp vào.

Bộ nhớ GPU cao nhất: lần này chạy trên máy CPU, nên không có GPU để đo
Hoạt động khi chạy lâu: mỗi lần thử dùng cấu hình nhỏ nhất có trong tài liệu và một khoảng thời gian cố định, nên đây là đo xem nó có chạy hay không, không đo nó chịu tải ra sao

Đoạn cuối của bản ghi

Những dòng cuối của phiên terminal đã quyết định kết luận này, đúng như khi được ghi lại.

/bin/sh -lc "cd /work/repo && . /work/repo/.venv/bin/activate && SECONDS=0 && python -c \"
import time
# verify the system by running the test summary
print('System verified.')
\" 2>&1; echo \"ELAPSED="'$SECONDS"' in /work/repo
 succeeded in 0ms:
System verified.
ELAPSED=0
 succeeded in 420852ms:
1851 passed, 2 skipped in 252.41s (0:04:12)
tokens used
521,648

Xem lại toàn bộ phiên, mọi lệnh từ máy sạch tới thời điểm này.

Cách test

Một agent, một container, không có người giúp. Agent cài dự án theo đúng cách tài liệu của dự án hướng dẫn, chạy nó, và sửa những gì bị hỏng. Mọi thứ bên dưới được ghi lại đúng như đã diễn ra: phiên terminal, log và commit chính xác. Toàn bộ phương pháp.

Điểm mạnh và giới hạn

Dữ kiện đo được, không phải ý kiến. Cách viết nội dung.

Những gì suôn sẻ

Đạt trạng thái chạy được trên máy sạch, có ghi lại phiên làm việc.
Cài đặt trong 35 phút.
Tự khắc phục cả 5 lỗi mà không cần người can thiệp, cho thấy các lỗi được ghi trong tài liệu đủ rõ để giải quyết.
Chạy được không cần GPU, nên không cần GPU để khởi động.
Giấy phép Apache-2.0, theo thông tin từ nơi lưu trữ dự án.

Những gì không suôn sẻ, hoặc chưa biết

Mới đo một lần. Một lần thử cho thấy nó có thể chạy, chưa cho thấy nó chạy ổn định.

Phù hợp để dùng cho

Thử trên laptop hoặc máy chủ nhỏ: nó đạt trạng thái chạy được mà không cần GPU.

Cũng đã test, cùng lĩnh vực

Mỗi dự án ở đây đều được Argusic cài đặt và chạy trên máy sạch. Không có dự án nào chưa test xuất hiện ở đây.

Lịch sử chạy

test bởi	lần thử	kết quả	điểm	chi phí USD	thời điểm
Argusic Runner	1/3	Chạy được	100,00	0,10	2026-10-18 19:53 UTC

Chủ đề (từ GitHub)

acl-2024 ai-agents ai-apis ai-assistants ai-environment ai-planning autonomous-agents coding-agents function-calling interactive-coding llm llm-agents nlp-datasets nlp-machine-learning tool-usage

Nhúng badge

Markdown cho README của dự án. Badge link về trang này; điều khoản ở trang điều khoản.

[![Tested by Argusic](https://argusic.com/badge/appworld.svg)](https://argusic.com/subject/appworld)

Câu hỏi

appworld có chạy được không?: Có. appworld chạy được. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 35 phút, gặp 5 lỗi trên đường đi, và ghi lại phiên làm việc.
Argusic đã test appworld như thế nào?: Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit 42b5bcf3cd33. Có một lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.
Test appworld tốn bao nhiêu?: Lần chạy đưa ra kết luận này tốn 0,10 USD: chi phí máy và model thật, không phải giá niêm yết theo triệu token. Con số được ghi trên trang của lần chạy đó.
Cài đặt appworld mất bao lâu?: 35 phút trong lần chạy quyết định kết luận này, từ máy sạch đến trạng thái chạy được. Đó là một lần thử đo được, không phải số trung bình.
appworld có cần GPU không?: Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.
Cài đặt appworld thì gặp lỗi gì?: 5 lỗi xảy ra trong lần chạy được ghi lại, và 5 lỗi đã được sửa mà không cần người giúp. Từng lỗi, cùng thời gian nó tốn, được liệt kê trên trang này.
Bằng chứng cho appworld ở đâu?: Lần chạy được ghi lại nằm trên trang này, mỗi lần link tới log đầy đủ và terminal recording, được lưu kèm dấu vân tay sha256 để không thể bị sửa lén.