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

PraisonAI

私有 AI agents，适用于高度受监管的团队，也适用于任何希望在自己的电脑上使用 AI 的人。开源 Python agent 框架，可完全离线运行。

借助 mock 可运行来源：GitHub项目主页PythonMITcommit 5c7d76d72d4a

Python，MIT 许可证. 项目的自我描述：agents、ai、ai agent framework、ai agent sdk、ai agents、ai agents sdk、aiagents 和 air gapped.

PraisonAI 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 18 分钟完成了安装，遇到 5 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。

Both praisonaiagents and PraisonAI packages install and import successfully. Agent creation works. All core agent unit tests pass (480/480). LLM token tracking race condition fixed with ContextVar. LLM class supports __deepcopy__ for agent cloning. Knowledge tests pass with chonkie installed. 193/194 LLM tests pass. The TypeScript SDK has a pre-existing missing firecrawl-js dependency.

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
0.19 USD（实测）
已记录的运行次数
1
最近测试
星标
9,322
fork 数
1,504
未关闭的 issue
104
关注者
70
大小
116 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。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 PraisonAI 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。

  • current_agent_name was a plain shared attribute on LLM, causing race conditions when concurrent agents shared one LLM instance3 分钟
  • test_agent_clone.py expected _current_agent_name_var ContextVar that doesn't exist on LLM1 分钟
  • praisonai-sandbox not installed - 5 sandbox tests fail with ImportError
  • TypeScript SDK build fails - @mendable/firecrawl-js dependency missing
  • Rate limiter retry test fails - resolve_failover_decision retries unknown errors up to 2 times
安装时间
18 分钟
从冷启动机器到完成
32 分钟
遇到并修复的错误
遇到 5 个，在无人协助的情况下修复了 5 个
结果是如何证明的
cd src/praisonai-agents && python -m pytest tests/unit/agent/ -q = 480 passed 17 skipped; tests/unit/llm/ -q = 193 passed 1 skipped; tests/unit/tools/ -q = 939 passed 3 skipped; tests/unit/workflows/ -q = 1421 passed 2 skipped; tests/unit/task/ -q = 567 passed; tests/unit/rag/ -q = 669 passed; tests/unit/knowledge/ -q = 160 passed 10 skipped; python -c 'from praisonaiagents import Agent; agent = Agent(name="Test", instructions="test", llm="gpt-4o-mini")' = OK
使用的模型 token
742,696
测试的确切 commit
5c7d76d72d4a
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

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。

tests/unit/gateway/test_recipe_failure_reply.py .                        [ 29%]
tests/unit/goal/test_goal.py .................                           [ 30%]
tests/unit/goal/test_goal_loop.py ........................               [ 30%]
tests/unit/hooks/test_hooks.py ......................................... [ 31%]
...
exec
/bin/sh -lc 'cd /work/repo/src/praisonai-agents && timeout 90 /home/runner/venv/bin/python -m pytes…
Now I have enough data for a complete summary. Let me compile the ARGUSIC_RESULT:
2026-09-27T22:47:23.767772Z ERROR codex_core::session: failed to record rollout items: thread 01a0e…
tokens used
742,696
Now I have enough data for a complete summary. Let me compile the ARGUSIC_RESULT:

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

  • 在无人介入的情况下从全部 5 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。

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。
  • 安装用了 18 分钟，慢于 Argusic 测量过的 37 个同类项目的中位数。
  • 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。

在 Argusic 安装并计时过的 38 个 agents 项目中，PraisonAI 达到运行状态的速度排名第 30，38 个项目中有 25 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。

  • swarmclaw 已验证可运行 · TypeScript · 8 个共同主题
  • haystack 已验证可运行 · Python · 6 个共同主题
  • adk-python 已验证可运行 · Python · 6 个共同主题
  • commonly 已验证可运行 · JavaScript · 6 个共同主题
  • awesome-ai-persona-skills 已测试，未验证 · Shell · 6 个共同主题
  • CowAgent 已验证可运行 · Python · 5 个共同主题

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner1/3借助 mock 可运行92.000.19

主题 (来自 GitHub)

agentsaiai-agent-frameworkai-agent-sdkai-agentsai-agents-sdkaiagentsair-gappedframeworkllmmulti-agentmulti-agent-systemmulti-agentson-premiseopenclawprivate-aipythonregulated-industriesself-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/PraisonAI.svg)](https://argusic.com/subject/praisonai)

常见问题

PraisonAI 能运行吗？
PraisonAI 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 18 分钟，过程中遇到 5 个错误，并记录了整个会话。
Argusic 是如何测试 PraisonAI 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 5c7d76d72d4a。共记录了 1 次尝试，完整方法见方法论页面。
测试 PraisonAI 花了多少钱？
得出该结论的那次运行花费 0.19 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。
PraisonAI 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 18 分钟。这是一次实测的尝试，不是平均值。
PraisonAI 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 PraisonAI 时会出现什么问题？
已记录的运行中出现了 5 个问题，其中 5 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。
PraisonAI 与其他替代方案相比如何？
在 Argusic 安装并计时过的 38 个 agents 项目中，PraisonAI 达到运行状态的速度排名第 30，38 个项目中有 25 个达到了运行状态。
PraisonAI 的证据在哪里？
这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。

Discussion