Что это такое?
Набор скриптов и методология для глубокого профилирования CPU-нагрузки AI-агента Codex CLI с помощью flamegraph.
Проект / Unknown
haskaomni/agentic-cpu: agentic-cpu — исследование CPU-нагрузки AI-агентов через flamegraph
Узнайте, на что на самом деле тратит процессорное время AI-агент в терминале, а не верьте маркетинговым страхам о нехватке CPU.
Проект использует утилиту perf для записи on-CPU и off-CPU flamegraph (графиков пламени) во время работы Codex CLI — AI-агента для программирования. On-CPU график показывает, какие функции выполнялись в момент занятия CPU, а off-CPU — на что процессор ждал...
Для кого это
Для разработчиков, DevOps-инженеров и архитекторов, которые внедряют AI-агенты в рабочие процессы и хотят понять реальную нагрузку на инфраструктуру.
Проблема / задача
Вокруг AI-агентов сложился миф о необходимости огромных вычислительных ресурсов, что ведёт к необоснованным затратам на железо. На деле же большая часть CPU может уходить на служебные процессы, а не на полезные вычисления.
Как это работает
Проект использует утилиту perf для записи on-CPU и off-CPU flamegraph (графиков пламени) во время работы Codex CLI — AI-агента для программирования. On-CPU график показывает, какие функции выполнялись в момент занятия CPU, а off-CPU — на что процессор ждал (I/O, блокировки, сон). Анализ этих графиков позволяет точно определить узкие места и реальные затраты.
Что видно по README
Это исследовательский проект, который анализирует CPU-потребление AI-агента Codex CLI с помощью продвинутого профилирования. Авторы снимают flamegraph для типичных задач в терминале, чтобы разобрать нагрузку по косточкам и отделить реальную работу от накладных расходов.
Ключевые возможности
Технологии
Интересный факт
Ключевой вывод исследования: почти 50% CPU-времени AI-агента уходит на очистку таблиц памяти в ядре (zap_pte_range) при завершении дочерних процессов, а не на выполнение полезной AI-логики.
С чего начать
- Установите perf и inferno на Linux-систему
- Запустите скрипты из README для записи on-CPU и off-CPU данных
- Сгенерируйте flamegraph и проанализируйте результаты
Оценка GitRadar
Удобство
4/10
Свежесть
9/10
Перспектива
7/10
Монетизация
3/10
Общая оценка
6/10
Вердикт GitRadar
Стоит изучить, если вы технически подкованы и хотите объективных данных о нагрузке от AI-агентов. Это не готовый инструмент для продакшена, а ценное исследование, развенчивающее мифы.
Наблюдения по обновлениям
Проект выглядит свежим исследованием (2024 год, Ubuntu 24.04), но имеет мало звёзд и активности, что типично для нишевых технических изысканий.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/haskaomni/agentic-cpu
- Создан на GitHub
- 19 апреля 2026 г.
- Последнее обновление репо
- 19 апреля 2026 г.
- Последняя проверка GitRadar
- 19 апреля 2026 г.
- Изученные файлы
- README.md
FAQ
Для кого подходит?
Для разработчиков и инженеров, которые внедряют AI-агенты и хотят оптимизировать их производительность, понимая реальные, а не мнимые затраты CPU.
Источники
Нужна помощь с haskaomni/agentic-cpu?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.