Englisches Original: https://argusic.com/subject/distilly
distilly
Distilly: Destillieren Sie, wie sie denken, in wiederverwendbare Skills für jeden Agenten oder Bot. Ehemals Colleague Skill（原同事 Skill）.
LäuftQuelle: GitHubPythonMITCommit b830d3dcbde0
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent skills, agentic ai, ai agent, ai agents, ai assistants, ai persona, claude code und claude skills.
distilly läuft. Ein Argusic-Agent hat es in 27 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The full test suite passes (73/73, plus 9 subtests), the Node.js CLI installs the distilly skill to any target path, and every Python tool in tools/ prints correct usage on --help.
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 96 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . 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.
- Installationszeit
- 27 Minuten
- Von der kalten Maschine bis zum Ende
- 2 Minuten
- Aufgetretene und behobene Fehler
- 0 aufgetreten, 0 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest tests/ --tb=short -q: 73 passed, 9 subtests passed, 0 failed; node bin/distilly.mjs --version returned 1.0.0; node bin/distilly.mjs install --path /tmp/test-install/distilly --force wrote SKILL.md + all payload files; all 12 Python tools (skill_writer, feishu_parser, slack_auto_collector, email_parser, srt_to_transcript, merge_research, quality_check, xquik_public_posts, install_hermes_skill, install_openclaw_skill, install_codex_skill, install_generated_skill) responded to --help with correct usage.
- Verbrauchte Modell-Tokens
- 33.967
- Genau getesteter Commit
- b830d3dcbde0
- 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
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
Everything installed and verified cleanly. Here's my report: The repository has no install errors — Python dependencies installed into a venv (required due to P… exec /bin/sh -lc 'cd /work/repo && /work/repo/venv/bin/python -m pytest tests/ --tb=short -q 2>&1 | tail… succeeded in 1652ms: ............................................................... [ 86%] .......... [100%] 73 passed, 9 subtests passed in 1.53s All 73 tests pass (no errors, no fixes needed). The project installed cleanly and every tool and CL… tokens used 33,967 All 73 tests pass (no errors, no fixes needed). The project installed cleanly and every tool and CL…
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.
- Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 27 Minuten, langsamer als der Median der 106 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte distilly Platz 99 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 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.
- Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.
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 | 2/3 | Läuft | 100,00 | 0,03 | |
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,02 |
Themen (von GitHub)
agent-skillsagentic-aiai-agentai-agentsai-assistantsai-personaclaude-codeclaude-skillscodexcodex-skillsdeepseek-harnessdigital-humandsh-pluginhermes-agentknowledge-distillationllm-agentmeta-skillopenclawpersonal-agent
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/distilly)Fragen
- Läuft distilly?
- Ja. distilly läuft. Argusic hat es auf einer sauberen Maschine in 27 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic distilly getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit b830d3dcbde0. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von distilly gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,03 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 distilly?
- 27 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 distilly eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von distilly schief?
- Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
- Wie schneidet distilly im Vergleich zu Alternativen ab?
- Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte distilly Platz 99 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für distilly?
- Alle 2 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.