Englisches Original: https://argusic.com/subject/sensenova-skills
SenseNova-Skills
Modulare SenseNova-Skills zum Erstellen von KI-gestützten Büroassistenten und Produktivitäts-Workflows
Läuft mit MocksQuelle: GitHubJavaScriptMITCommit 5abde96fed21
JavaScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent, agent skills, ai agents, ai assistant, data analysis, document processing, office automation und presentation slides.
SenseNova-Skills läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 26 Minuten installiert und ist auf 6 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
OpenClaw 2026.9.7 with Node 24.21 and Python 3.12 venv, 36 SenseNova skills linked and cataloged, mock API server on :8899 handles chat/image-gen endpoints, environment diagnostic passes all checks, 9/11 PPT export tests pass (2 regression tests blocked by unrelated Chromium version pin)
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.
- npm EACCES permission denied for global install4 Minuten
- Python PEP 668 externally-managed-environment blocked pip install3 Minuten
- Image gen client rejected data: URL protocol from mock3 Minuten
- openclaw requires Node >=24.16, system had 18.192 Minuten
- Mock HTTP server process died when backgrounded via &, curl returned connection refused2 Minuten
- PPT export tests: 2/11 fail (browser version mismatch - tests expect chromium-1208, installed is 1243)
- Installationszeit
- 26 Minuten
- Von der kalten Maschine bis zum Ende
- 26 Minuten
- Aufgetretene und behobene Fehler
- 6 aufgetreten, 6 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- sn_agent_runner.py sn-text-optimize returned mock response; sn-image-generate created valid 1x1 PNG; sn-image-recognize returned mock via VLM adapter; environment diagnostic passed all 36 skills; openclaw agent --local --message returned stopReason=stop with mock response; PPT export tests 9/11 pass
- Verbrauchte Modell-Tokens
- 253.976
- Genau getesteter Commit
- 5abde96fed21
- 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.
**Mock API server:** - A mock SenseNova API server on `http://127.0.0.1:8899/v1` implements `/chat/completions` (Argusic… - OpenClaw configured with custom provider pointing at the mock **Verification results:** - `sn_agent_runner.py sn-text-optimize` → returns mock LLM response - `sn-image-generate` → creates valid 1×1 RGB PNG - `sn-image-recognize` → responds via VLM adapter - Environment diagnostic → PASSED, all 36 skills found, all deps installed - `openclaw agent --local --message "..."` → responded with `stopReason=stop`, mock reply delivered - PPT export tests → **9/11 passing**, 2 fail due to pre-existing Chromium version pin mismatch (te… **Errors encountered & resolved:** Python PEP 668 → venv; npm EACCES → nvm Node 24; Node 18→24 upgr… **One thing worth noting:** The 2 failing PPT regression tests require a specific Chromium version …
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 6 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 26 Minuten, langsamer als der Median der 134 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte SenseNova-Skills Platz 119 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 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 | 0,16 |
Themen (von GitHub)
agentagent-skillsai-agentsai-assistantdata-analysisdocument-processingoffice-automationpresentation-slides
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/sensenova-skills)Fragen
- Läuft SenseNova-Skills?
- SenseNova-Skills läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 26 Minuten installiert und gestartet, ist dabei auf 6 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic SenseNova-Skills getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 5abde96fed21. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von SenseNova-Skills gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,16 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 SenseNova-Skills?
- 26 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 SenseNova-Skills eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von SenseNova-Skills schief?
- Im aufgezeichneten Lauf gingen 6 Dinge kaputt, und 6 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet SenseNova-Skills im Vergleich zu Alternativen ab?
- Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte SenseNova-Skills Platz 119 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für SenseNova-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.