英文原文: https://argusic.com/subject/radient
radient
Radient 可将多种数据类型（不仅仅是文本）转换为向量，用于相似性搜索、RAG、回归分析等场景。
可运行来源：GitHubPythonBSD-2-Clausecommit 89ee872edd6b
Python，BSD-2-Clause 许可证. 项目的自我描述：audio、embeddings、etl、fraud detection、graphs、image search、images 和 milvus.
radient 可以运行。一个 Argusic agent 在一台没有 GPU 的干净机器上用 15 分钟完成了安装，遇到 7 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。
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.
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 100，满分 100（该项目各次运行得分的平均值）。
概览
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。
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。
- 18 modules need from __future__ import annotations to prevent eager LazyImport at class-definition time5 分钟
- SklearnTextVectorizer crashes on single string and missing fit3 分钟
- WhisperSpeechToTextTransform default torch_dtype eagerly evaluates LazyImport2 分钟
- FastRPGraphVectorizer list result crashes metadata attachment2 分钟
- RDKitMoleculeVectorizer crashes on invalid SMILES from FDA dataset1 分钟
- DefaultVideoDemuxTransform cannot decode AAC/mp4 via librosa+soundfile
- 安装时间
- 15 分钟
- 从冷启动机器到完成
- 25 分钟
- 遇到并修复的错误
- 遇到 7 个，在无人协助的情况下修复了 7 个
- 结果是如何证明的
- 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.
- 使用的模型 token
- 1,326,982
- 测试的确切 commit
- 89ee872edd6b
- 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
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。
- `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…
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
- 在干净的机器上达到了运行状态，会话有完整记录。
- 在无人介入的情况下从全部 7 个错误中恢复，说明这些故障的文档足以让人解决。
- 无需 GPU 即可运行，因此启动它并不需要 GPU。
- 采用 BSD-2-Clause 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
- 安装用了 15 分钟，慢于 Argusic 测量过的 17 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 18 个 audio 项目中，radient 达到运行状态的速度排名第 13，18 个项目中有 15 个达到了运行状态。
适合用于
- 在笔记本电脑或小型服务器上试用：它无需 GPU 即达到了运行状态。
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
主题 (来自 GitHub)
audioembeddingsetlfraud-detectiongraphsimage-searchimagesmilvusmolecular-searchmoleculesmultimodal-ragrecommender-systemretrieval-augmented-generationsemantic-searchsimilarity-searchtextunstructured-dataunstructured-data-processingvector-databasevectors
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.
[](https://argusic.com/subject/radient)常见问题
- radient 能运行吗？
- 是的。radient 可以运行. Argusic 在一台干净的机器上安装并启动了它，用时 15 分钟，过程中遇到 7 个错误，并记录了整个会话。
- Argusic 是如何测试 radient 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 89ee872edd6b。共记录了 1 次尝试，完整方法见方法论页面。
- 测试 radient 花了多少钱？
- 得出该结论的那次运行花费 0.29 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。
- radient 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 15 分钟。这是一次实测的尝试，不是平均值。
- radient 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 radient 时会出现什么问题？
- 已记录的运行中出现了 7 个问题，其中 7 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。
- radient 与其他替代方案相比如何？
- 在 Argusic 安装并计时过的 18 个 audio 项目中，radient 达到运行状态的速度排名第 13，18 个项目中有 15 个达到了运行状态。
- radient 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。