Englisches Original: https://argusic.com/subject/pydantic-ai-skills
pydantic-ai-skills
Unterstützt Dateisystem- und programmatische Skills.
LäuftQuelle: GitHubHomepagePythonMITCommit 840f217c7b70
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent framework, agent skills, agentic ai, ai agents, claude code, pydantic ai und python.
pydantic-ai-skills läuft. Ein Argusic-Agent hat es in 3 Minuten installiert und ist auf 5 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
pydantic-ai-skills works against the current pydantic-ai-harness line: the package installs, all 351 tests pass, and a real agent run loads a bundled skill, reads a reference file, and executes its script, with Git and S3 registries syncing libraries harness accepts.
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, 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.
- Installed latest pydantic-ai-harness 0.59/slim 2.59 changed the Skills contract: construction-time apply yields a placeholder ('skills') because libraries are read in for_run, so every skill_names/catalog test saw ['skills'] and 58 tests failed55 Minuten
- RunContext slice: Skills.for_run needs ctx.workspace; agent.run without a workspace raises UserError 'Skills needs a workspace'3 Minuten
- SkillPackage has no files_empty() attribute from a previous partial patch2 Minuten
- Harness 0.36+ moved frontmatter-name mismatch and overlong-description validation from construction ValueError to for_run UserWarning2 Minuten
- mypy arg-type error in _render_leaf over the widened instruction union type1 Minute
- Installationszeit
- 3 Minuten
- Von der kalten Maschine bis zum Ende
- 49 Minuten
- Aufgetretene und behobene Fehler
- 5 aufgetreten, 5 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- .venv/bin/python -m pytest tests/ -q returned '351 passed in 12.04s'; /tmp/fresh_venv/bin/python /tmp/e2e_verify.py returned agent output 'done', read_skill_resource 'the notes', run_skill_script 'hello from the script', E2E_OK; pip wheel . built pydantic_ai_skills-0.0.1 wheel; mypy pydantic_ai_skills reported 'Success: no issues found in 23 source files'; ruff format --check '37 files already formatted'
- Verbrauchte Modell-Tokens
- 8.416.583
- Genau getesteter Commit
- 840f217c7b70
- 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.
/bin/sh -lc 'cd /work/repo && date -u +%s' in /work/repo succeeded in 0ms: 1792721071 exec /bin/sh -lc 'cd /work/repo && git diff --quiet -- pydantic_ai_skills/capability.py && echo clean-ca… succeeded in 12462ms: modified-capability ============================= 351 passed in 12.04s ============================= All final checks are confirmed. tokens used 8,416,583 All final checks are confirmed.
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.
- In 3 Minuten installiert, schneller als der Median der 61 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 5 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
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte pydantic-ai-skills Platz 26 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 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 3 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)
agent-frameworkagent-skillsagentic-aiai-agentsclaude-codepydantic-aipython
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/pydantic-ai-skills)Fragen
- Läuft pydantic-ai-skills?
- Ja. pydantic-ai-skills läuft. Argusic hat es auf einer sauberen Maschine in 3 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic pydantic-ai-skills getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 840f217c7b70. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von pydantic-ai-skills gekostet?
- Der Lauf, der diesen Befund ergab, kostete 1,68 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 pydantic-ai-skills?
- 3 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 pydantic-ai-skills eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von pydantic-ai-skills schief?
- Im aufgezeichneten Lauf gingen 5 Dinge kaputt, und 5 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet pydantic-ai-skills im Vergleich zu Alternativen ab?
- Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte pydantic-ai-skills Platz 26 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für pydantic-ai-skills?
- 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.