devbox läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 1 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.

Wie hat Argusic devbox getestet?

Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit fc2b4270eb80. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.

Was hat der Test von devbox gekostet?

Der Lauf, der diesen Befund ergab, kostete 0,04 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 devbox?

1 Minute in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.

Braucht devbox eine GPU?

Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.

Was geht bei der Installation von devbox schief?

Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.

Wo ist der Nachweis für devbox?

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.

Englisches Original: https://argusic.com/subject/devbox

devbox

Open-Source-Harness für autonomes Engineering in Ihrer Cloud. Ein Sandbox pro Aufgabe, keine echten Geheimnisse darin.

Läuft mit MocksQuelle: GitHub HomepageTypeScriptMITCommit fc2b4270eb80

TypeScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent harness, agent sandbox, agent security, agentic coding, autonomous agents, background agents, coding agents und harness engineering.

devbox läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 1 Minute installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

All three component test suites (CLI 293/293, harness 1101/1101, helm chart 126/126) pass. Control-plane 1597/1608 pass; the 8 failures all require PostgreSQL 18 which is not available in this container. The CLI binary responds to its help command listing 10 commands.
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 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).

Auf einen Blick

Befund: Läuft mit Mocks
Argusic Score: 92 / 100
Kosten des verifizierenden Laufs: 0,04 USD (gemessen)
aufgezeichnete Läufe: 1
zuletzt getestet: 2026-11-01
Sterne: 293
Forks: 18
offene Issues: 18
Beobachter: 0
Größe: 8 MB
erstellt: 2026-10-27
letzter Push: 2026-11-04

Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert 2026-11-04. 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.

Durch jeden Fehlschlag verlorene Zeit beim Testen von devbox, aus dem aufgezeichneten Lauf gezeichnet — Jeder Balken ist ein Fehler, den der Agent aufgezeichnet hat, mit der Zeit, die er gekostet hat. Aus diesem Lauf gezeichnet, aus keiner anderen Quelle.

Was schiefging, in den Worten des Agents

Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.

8 control-plane tests fail: no PostgreSQL 18 database available in container1 Minute

Installationszeit: 1 Minuten
Von der kalten Maschine bis zum Ende: 8 Minuten
Aufgetretene und behobene Fehler: 1 aufgetreten, 1 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde: bun test (cli): 293/293 pass; bun test (control-plane): 1597/1608 pass, 8 DB-dependent fail; python3 -m unittest (harness): 1101/1101 pass; bun test (helm chart): 126/126 pass
Verbrauchte Modell-Tokens: 177.450
Genau getesteter Commit: fc2b4270eb80
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
Verhalten gegenüber echten Diensten: dieser Lauf wurde nur gegen Ersatzdienste verifiziert

Das Ende der Aufzeichnung

Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.

**Chart tests (Helm):** 126 pass, 0 fail across 7 test files ✅
The `scripts.test.ts` file hangs in this sandbox due to subprocess spawning — not a repo defect.
Total install time: installing Bun (8s + download), uv/Python deps (3s), control-plane deps (1s), C…
tokens used
177,450
Now I have the full picture. Here's the summary of everything observed:
**CLI:** 293 pass, 0 fail ✅
**Harness (Python):** 1101 pass, 0 fail (7 skipped) ✅
**Control-plane (Bun):** 1597 pass, 3 skip, 8 fail — all 8 failures are from missing PostgreSQL (no…
**Chart tests (Helm):** 126 pass, 0 fail across 7 test files ✅
The `scripts.test.ts` file hangs in this sandbox due to subprocess spawning — not a repo defect.
Total install time: installing Bun (8s + download), uv/Python deps (3s), control-plane deps (1s), C…

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

In 1 Minute installiert, schneller als der Median der 8 vergleichbaren Projekte, die Argusic gemessen hat.
Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
Lizenz MIT, laut Angabe des Hosts.

Was nicht lief oder unbekannt ist

Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.

Von den 9 Projekten im Bereich agent-harness, die Argusic installiert und zeitlich gemessen hat, belegte devbox Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 6 von 9 erreichten überhaupt einen solchen Zustand.

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

getestet von	Versuch	Ergebnis	Score	Kosten USD	wann
Argusic Runner	1/3	Läuft mit Mocks	92,00	0,04	2026-11-01 10:24 UTC

Themen (von GitHub)

agent-harness agent-sandbox agent-security agentic-coding autonomous-agents background-agents coding-agents harness-engineering

Badge einbetten

Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.

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

Fragen

Läuft devbox?: devbox läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 1 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic devbox getestet?: Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit fc2b4270eb80. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von devbox gekostet?: Der Lauf, der diesen Befund ergab, kostete 0,04 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 devbox?: 1 Minute in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
Braucht devbox eine GPU?: Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von devbox schief?: Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
Wie schneidet devbox im Vergleich zu Alternativen ab?: Von den 9 Projekten im Bereich agent-harness, die Argusic installiert und zeitlich gemessen hat, belegte devbox Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 6 von 9 erreichten überhaupt einen solchen Zustand.
Wo ist der Nachweis für devbox?: 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.