Englisches Original: https://argusic.com/subject/ai-git-bot
ai-git-bot
The self-hosted AI workflow automation platform for Git repositories.
LäuftQuelle: GitHubJavaMITCommit d1e8b3b5b52c
Java, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, ai tools, anthropic, automation, bitbucket, bot, chatbot und code review.
ai-git-bot läuft. Ein Argusic-Agent hat es in 9 Minuten installiert und ist auf 2 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The ai-git-bot Spring Boot application v1.31.0 compiles, all 4032 unit tests pass, and the app starts up serving the health endpoint at HTTP 200 on port 8080 with H2 file-based database and Flyway migrations applied.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt. Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.

Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- Missing Java 21 JDK and Maven in container2 Minuten
- Missing OpenSSH client tools (ssh-keygen, ssh-keyscan)2 Minuten
- Installationszeit
- 9 Minuten
- Von der kalten Maschine bis zum Ende
- 9 Minuten
- Aufgetretene und behobene Fehler
- 2 aufgetreten, 2 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- mvn test exited 0, 4032 passed, 0 failures, 0 errors, 9 skipped; curl localhost:8080/actuator/health returned HTTP 200; curl localhost:8080/ returned HTTP 302 (redirect to /setup as expected for fresh install)
- Verbrauchte Modell-Tokens
- 60.994
- Genau getesteter Commit
- d1e8b3b5b52c
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 1, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
Now let me compute the total time and produce the final report. **Timeline:** - 07:16: Start of session - 07:17: Downloaded JDK - 07:17: Downloaded Maven - ~07:19: First test run - 07:20-07:22: Fixed missing SSH tools - 07:25: Tests all pass & app verified Total elapsed: ~9 minutes. 2026-11-21T07:25:18.395630Z ERROR codex_core::tools::router: error=exec_command failed: CreateProce… tokens used 60,994
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- Hat sich von allen 2 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 9 Minuten, langsamer als der Median der 236 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 237 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte ai-git-bot Platz 165 bei der Zeit bis zum lauffähigen Zustand, und 168 von 237 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 9 Minuten nach dem Klonen.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
aiai-toolsanthropicautomationbitbucketbotchatbotcode-reviewdevopsgiteagithubgitlabjavallama-cppllmollamaopenaipull-requestself-hostedspring-boot
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/ai-git-bot)Fragen
- Läuft ai-git-bot?
- Ja. ai-git-bot läuft. Argusic hat es auf einer sauberen Maschine in 9 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic ai-git-bot getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit d1e8b3b5b52c. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von ai-git-bot gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,05 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von ai-git-bot?
- 9 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht ai-git-bot eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von ai-git-bot schief?
- Im aufgezeichneten Lauf gingen 2 Dinge kaputt, und 2 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet ai-git-bot im Vergleich zu Alternativen ab?
- Von den 237 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte ai-git-bot Platz 165 bei der Zeit bis zum lauffähigen Zustand, und 168 von 237 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für ai-git-bot?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.