Bản gốc tiếng Anh: https://argusic.com/subject/radient
radient
Radient chuyển đổi nhiều kiểu dữ liệu (không chỉ văn bản) thành các vector để tìm kiếm tương tự, RAG, phân tích hồi quy, và nhiều hơn nữa.
Chạy đượcnguồn: GitHubPythonBSD-2-Clausecommit 89ee872edd6b
Python, giấy phép BSD-2-Clause. Dự án tự gắn nhãn: audio, embeddings, etl, fraud detection, graphs, image search, images và milvus.
radient chạy được. Trên một máy sạch không có GPU, một agent của Argusic đã cài đặt nó trong 15 phút, gặp 7 lỗi và tự sửa hết mà không cần trợ giúp, và toàn bộ phiên làm việc được ghi lại.
Installs under virtualenv. All 5 vectorizer backends produce correct embeddings. GANN C extension compiles and searches. Workflows run. ffmpeg demux produces decodable media. accelerate() broken on modern torch/transformers.
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
Dữ liệu dự án lấy từ GitHub, có link ở đầu trang, cập nhật . 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.
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.
- 18 modules need from __future__ import annotations to prevent eager LazyImport at class-definition time5 phút
- SklearnTextVectorizer crashes on single string and missing fit3 phút
- WhisperSpeechToTextTransform default torch_dtype eagerly evaluates LazyImport2 phút
- FastRPGraphVectorizer list result crashes metadata attachment2 phút
- RDKitMoleculeVectorizer crashes on invalid SMILES from FDA dataset1 phút
- DefaultVideoDemuxTransform cannot decode AAC/mp4 via librosa+soundfile
- Thời gian cài đặt
- 15 phút
- Từ máy sạch đến khi xong
- 25 phút
- Lỗi gặp và đã sửa
- gặp 7, tự sửa 7 mà không cần người giúp
- Cách chứng minh kết quả
- text(sbert) returned (384,) float32; text(sklearn) returned (1,2) int64; graph returned 34 vectors of (64,); molecule returned (2048,) bool; audio returned (768,) float32. Drug-discovery top-10 matches match README. GANN C library compiles and search finds nearest neighbor at distance ~0. Workflow orchestration runs. ffmpeg demux produces decodable frames and audio.
- Số token model đã dùng
- 1.326.982
- Commit chính xác đã test
- 89ee872edd6b
- 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.
- `text_vectorizer()` → `(384,) float32` Vector for "Hello, world!" - `text_vectorizer(method="sklearn")` → `(1, 2) int64` - `graph_vectorizer()` on Karate Club → 34 × `(64,)` node embeddings - `molecule_vectorizer()` on `O=C=O` → `(2048,) bool` - `audio_vectorizer(method="torchaudio", model_name="HUBERT_BASE")` on generated wav → `(768,) floa… - Drug-discovery example → exact README top-10 (Dexibuprofen...Oxeladin) - GANN C extension compiled with `make`, index built, search returns true nearest neighbor - Workflow orchestration (source → vectorize) executed - ffmpeg demux transform produced frames/wavs that all decode with `ffmpeg -v error -i FILE -f null… **Remaining unfixed gaps** (documented): - `accelerate()` broken with modern torch/transformers (ONNX exporter can't ingest `BatchEncoding`). - Default opencv video demux can't extract audio from mp4 (librosa/soundfile limitation); ffmpeg me…
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.
- Tự khắc phục cả 7 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 BSD-2-Clause, theo thông tin từ nơi lưu trữ dự án.
Những gì không suôn sẻ, hoặc chưa biết
- Mất 15 phút để cài đặt, chậm hơn trung vị của 17 dự án tương đương mà Argusic đã đo.
- Mới đo một lần. Một lần thử cho thấy nó có thể chạy, chưa cho thấy nó chạy ổn định.
Trong 18 dự án audio mà Argusic đã cài đặt và bấm giờ, radient đứng thứ 13 về tốc độ đạt trạng thái chạy được, và 15 trên 18 dự án đạt được trạng thái đó.
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
Chủ đề (từ GitHub)
audioembeddingsetlfraud-detectiongraphsimage-searchimagesmilvusmolecular-searchmoleculesmultimodal-ragrecommender-systemretrieval-augmented-generationsemantic-searchsimilarity-searchtextunstructured-dataunstructured-data-processingvector-databasevectors
Nhúng badge
Markdown cho README của dự án. Badge link về trang này; điều khoản ở trang điều khoản.
[](https://argusic.com/subject/radient)Câu hỏi
- radient có chạy được không?
- Có. radient chạy được. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 15 phút, gặp 7 lỗi trên đường đi, và ghi lại phiên làm việc.
- Argusic đã test radient như thế nào?
- Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit 89ee872edd6b. Có một lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.
- Test radient tốn bao nhiêu?
- Lần chạy đưa ra kết luận này tốn 0,29 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 radient mất bao lâu?
- 15 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.
- radient có cần GPU không?
- Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.
- Cài đặt radient thì gặp lỗi gì?
- 7 lỗi xảy ra trong lần chạy được ghi lại, và 7 lỗi đã được sửa mà không cần người giúp. Từng lỗi, cùng thời gian nó tốn, được liệt kê trên trang này.
- radient so với các lựa chọn khác thế nào?
- Trong 18 dự án audio mà Argusic đã cài đặt và bấm giờ, radient đứng thứ 13 về tốc độ đạt trạng thái chạy được, và 15 trên 18 dự án đạt được trạng thái đó.
- Bằng chứng cho radient 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.