PharosRAG 能运行吗？

PharosRAG 可以运行，外部服务由 mock 代替. Argusic 在一台干净的机器上安装并启动了它，用时 0 分钟，过程中遇到 3 个错误，并记录了整个会话。

Argusic 是如何测试 PharosRAG 的？

在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 162c7ca3e975。共记录了 2 次尝试，完整方法见方法论页面。

测试 PharosRAG 花了多少钱？

得出该结论的那次运行花费 0.09 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。

PharosRAG 安装需要多长时间？

在决定该结论的那次运行中，从干净的机器到运行状态用了 0.2 分钟。这是一次实测的尝试，不是平均值。

PharosRAG 需要 GPU 吗？

启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。

安装 PharosRAG 时会出现什么问题？

已记录的运行中出现了 3 个问题，其中 3 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。

PharosRAG 的证据在哪里？

全部 2 次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

英文原文: https://argusic.com/subject/pharosrag

PharosRAG

Pharos：本地优先的 agentic RAG，用于团队文档库：多格式导入、混合检索、企业级 ACL、双 HTTP + MCP 出口。

借助 mock 可运行来源：GitHubPythonMITcommit 162c7ca3e975

Python，MIT 许可证. 项目的自我描述：agentic rag、embeddings、fastapi、hybrid search、knowledge base、llm、local first 和 mcp.

PharosRAG 可以运行，其依赖的服务由替身代替。一个 Argusic agent 在一台没有 GPU 的干净机器上用 0.2 分钟完成了安装，遇到 3 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。

Pharos installs, builds, and runs its test suite (240/240 pass in the product+engine CPU tests); the HTTP server starts and answers health checks; the MCP stdio adapter initializes with full tool contract; the RAG pipeline (embedder → Qdrant in-memory → hybrid dense+BM25 retrieval → small-to-big context assembly) works end-to-end via a mock inference backend;
agent 在干净的机器上最终得到的结果，用它自己的话说。测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 92，满分 100（该项目各次运行得分的平均值）。

概览

结论: 借助 mock 可运行
Argusic 评分: 92 / 100
验证运行的成本: 0.09 USD（实测）
已记录的运行次数: 2
最近测试: 2026-09-20
星标: 241
fork 数: 1
未关闭的 issue: 0
关注者: 0
大小: 1 MB
创建于: 2026-05-25
最近推送: 2026-08-19

项目数据来自 GitHub，链接见本页顶部，更新于 2026-11-04。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。每一行都是记录下来的数值，而非估算。

测试 PharosRAG 时每个故障耗费的时间，取自已记录的运行 — 每一根柱子都是 agent 记录的一次失败，以及它耗费的时间。数据仅取自本次运行。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

pharos serve requires GPU model scripts at ~/models/Qwen3-VL-Embedding-8B/scripts which don't exist (no GPU in container)3 分钟
remote module _verify_server checks that os.path.basename(dense_model_path) matches the server's model_dense field, so default path basename ~/models/... must match2 分钟
externally-managed-environment prevents system-wide pip install0.2 分钟

安装时间: 不到一分钟
从冷启动机器到完成: 22 分钟
遇到并修复的错误: 遇到 3 个，在无人协助的情况下修复了 3 个
结果是如何证明的: `python -m pytest tests -q` exited 0 with 240 passed, 12 skipped (12 skipped because no torch installed; expected without [gpu] extra); `pharos health` returned {"status":"ok"} on running server; `curl http://127.0.0.1:8788/healthz` returned 200; `echo initialize | pharos mcp` returned valid MCP capabilities; `python -c '...embedder pipeline...'` indexed one doc and retrieved 1 hit with score=1.0; `curl -X POST /v1/ask` returned structured `llm_unconfigured` (correct, needs real DeepSeek key)
使用的模型 token: 268,489
测试的确切 commit: 162c7ca3e975
容器镜像: sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值: 本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现: 每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
对接真实服务的表现: 本次运行只对照替身服务进行了验证

观看会话

完整的运行过程，从一台干净的机器开始，按实际速度播放。没有剪辑，也没有加速。

第 2 次尝试的录屏，运行于 2026-09-20，即决定上述结论的那次尝试。制作该视频所用的终端录屏是证据，连同 sha256 指纹一起保存；视频只是由它渲染而成。在你点击播放之前，不会从视频托管方加载任何内容。

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

All systems verified. Let me compile the final report.
**Install elapsed**: roughly 0.2 minutes (the pip install itself).
**Total time including investigation**: harder to bound, but within the allowed
exec
/bin/sh -lc 'pkill -f "mock_inference" 2>/dev/null; pkill -f "pharos serve" 2>/dev/null; echo "clea…
 exited 143 in 0ms:
exec
/bin/sh -lc 'date +%s' in /work/repo
 succeeded in 0ms:
1789889871
tokens used
268,489

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

用 0.2 分钟完成安装，快于 Argusic 测量过的 3 个同类项目的中位数。
在无人介入的情况下从全部 3 个错误中恢复，说明这些故障的文档足以让人解决。
采用 MIT 许可证，以其托管平台报告的信息为准。
已测量 2 次，因此结果并非偶然。

不顺利或尚不清楚的部分

只在替身服务下达到了运行状态，因此这里没有任何内容能证明它在真实服务下可以工作。

在 Argusic 安装并计时过的 4 个 agentic-rag 项目中，PharosRAG 达到运行状态的速度排名第 1，4 个项目中有 2 个达到了运行状态。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

运行历史

测试者	尝试	结果	评分	成本 USD	时间
Argusic Runner	2/3	借助 mock 可运行	92.00	0.09	2026-09-20 07:38 UTC
Argusic Runner	1/3	借助 mock 可运行	92.00	0.03	2026-09-03 09:56 UTC

主题 (来自 GitHub)

agentic-rag embeddings fastapi hybrid-search knowledge-base llm local-first mcp model-context-protocol python qdrant rag retrieval-augmented-generation self-hosted

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见条款页面.

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

常见问题

PharosRAG 能运行吗？: PharosRAG 可以运行，外部服务由 mock 代替. Argusic 在一台干净的机器上安装并启动了它，用时 0 分钟，过程中遇到 3 个错误，并记录了整个会话。
Argusic 是如何测试 PharosRAG 的？: 在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 162c7ca3e975。共记录了 2 次尝试，完整方法见方法论页面。
测试 PharosRAG 花了多少钱？: 得出该结论的那次运行花费 0.09 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
PharosRAG 安装需要多长时间？: 在决定该结论的那次运行中，从干净的机器到运行状态用了 0.2 分钟。这是一次实测的尝试，不是平均值。
PharosRAG 需要 GPU 吗？: 启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 PharosRAG 时会出现什么问题？: 已记录的运行中出现了 3 个问题，其中 3 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
PharosRAG 与其他替代方案相比如何？: 在 Argusic 安装并计时过的 4 个 agentic-rag 项目中，PharosRAG 达到运行状态的速度排名第 1，4 个项目中有 2 个达到了运行状态。
PharosRAG 的证据在哪里？: 全部 2 次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。