Englisches Original: https://argusic.com/subject/hue
hue
Ein Open-Source-Skill, der jede Marke lernt und sie in ein vollständiges Designsystem verwandelt, läuft auf Claude Code und Codex. Installieren Sie einmal, und jede UI, die Ihr Assistent erstellt, entspricht Ihrer Marke.
Läuft mit MocksQuelle: GitHubHomepageJavaScriptMITCommit a910e31cd24b
JavaScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai tools, anthropic, claude code, claude skill, codex, design language, design system und openai.
hue läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 9 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
hue skill installed under ~/.codex/skills/hue and its validation gate passes on all 17 bundled examples plus a freshly generated contract-correct skill folder (No findings, exit 0).
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
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.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- js-yaml rejects SKILL.md as one YAML stream (frontmatter + body are one file, expected)1 Minute
- generated sample SKILL.md missing literal 'NEVER trigger automatically' → 1 error1 Minute
- codex debug skills list: unrecognized subcommand (CLI 0.162.1 has no skill-listing)1 Minute
- Installationszeit
- 9 Minuten
- Von der kalten Maschine bis zum Ende
- 3 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- node scripts/validate.mjs examples/*/ exited 0 for all 17 examples (0 errors); node scripts/validate.mjs /tmp/gen/meadow-test exited 0 printing 'No findings. Summary: 0 error(s), 0 warning(s), 0 skipped, PASS'; codex doctor exited 0 with '19 ok'; codex --version printed codex-cli 0.162.1
- Verbrauchte Modell-Tokens
- 75.613
- Genau getesteter Commit
- a910e31cd24b
- 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.
**Install (per README):** cloned the repo to `~/.codex/skills/hue`; `codex-cli 0.162.1` and `codex …
**Ran the app / tests:**
- All 17 example skills pass the project's validation gate: `node scripts/validate.mjs examples/*/`…
- Built a *minimal schema-correct generated-skill* (`/tmp/gen/meadow-test`) with `SKILL.md` + `desi…
- Positive control: deliberately broke the same inputs → gate reported 2 errors and exited 1, provi…
- Installed-copy re-run of the full example loop: no failures.
- Also verified the SKILL.md frontmatter parses as strict YAML (`name: hue`, `version: 1.2.0`).
**Error log (3 unique, all fixed):**
1. `YAML parse of full SKILL.md` (frontmatter + body) failed — `end of stream … expected (15:1)` — …
2. First `/tmp/gen` sample had filler description without `NEVER trigger automatically` → gate E1. …
3. Initial `codex debug skills list` doesn’t exist in CLI 0.162.1 (no skills-listing subcommand). F…
**Result JSON:** `{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 9, "erro…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 sich von allen 3 Fehlern 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.
- Die Installation dauerte 9 Minuten, langsamer als der Median der 26 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 27 Projekten im Bereich ai-tools, die Argusic installiert und zeitlich gemessen hat, belegte hue Platz 18 bei der Zeit bis zum lauffähigen Zustand, und 17 von 27 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 | 0,02 |
Themen (von GitHub)
ai-toolsanthropicclaude-codeclaude-skillcodexdesign-languagedesign-systemopenai
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/hue)Fragen
- Läuft hue?
- hue läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 9 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic hue getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit a910e31cd24b. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von hue gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,02 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 hue?
- 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 hue eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von hue schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet hue im Vergleich zu Alternativen ab?
- Von den 27 Projekten im Bereich ai-tools, die Argusic installiert und zeitlich gemessen hat, belegte hue Platz 18 bei der Zeit bis zum lauffähigen Zustand, und 17 von 27 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für hue?
- 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.