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

SimpleEnglish

Agent skill: LLMs dazu bringen, Dokumentation in ASD-STE100 Simplified Technical zu schreiben.

LäuftQuelle: GitHubPythonMITCommit 32ea2d3f4404

Python, Lizenz MIT.

SimpleEnglish läuft. Ein Argusic-Agent hat es in 0 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

All 4 CI checks pass clean: STE linter self-test reports OK, 12 Node.js hook tests pass, 15 Python lint-hook tests pass, and every published benchmark number in the README and RESULTS.md files matches the committed raw eval data.

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 60 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).

Auf einen Blick

Befund
Läuft
Argusic Score
60 / 100
Kosten des verifizierenden Laufs
0,02 USD (gemessen)
aufgezeichnete Läufe
2
zuletzt getestet
Sterne
4.216
Forks
182
offene Issues
15
Beobachter
9
Größe
1 MB
erstellt
letzter Push

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
unter einer Minute
Von der kalten Maschine bis zum Ende
4 Minuten
Aufgetretene und behobene Fehler
0 aufgetreten, 0 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde
cd /work/repo && python3 evals/ste_lint.py --self-test -> 'self-test OK: 12 violations in slop fixture, 0 in clean'; node --test src/hooks/simple-english-activate.test.js -> 12/12 pass; python3 src/hooks/test_lint_hook.py -> 15/15 ok; python3 evals/check_numbers.py -> 'check_numbers OK: every published number matches the raw files'. All 4 CI-equivalent checks pass. The hook also produces valid rule output on direct invocation.
Verbrauchte Modell-Tokens
79.061
Genau getesteter Commit
32ea2d3f4404
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.

 succeeded in 0ms:
{
  "type": "descriptive",
  "words": 240,
  "sentences": 1,
  "mean_sentence_words": 240.0,
All checks pass. Let me verify one final detail — the publishable numbers are consistent with raw d…
`check_numbers.py` confirmed every published benchmark number matches. All four CI checks pass. The…
All four CI verification checks passed with zero errors on first run. Here is the report:
tokens used
79,061
All four CI verification checks passed with zero errors on first run. Here is the report:

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 0 Minuten installiert, schneller als der Median der 46 vergleichbaren Projekte, die Argusic gemessen hat.
  • 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.

Von den 47 Projekten im Bereich Python, die Argusic installiert und zeitlich gemessen hat, belegte SimpleEnglish Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 28 von 47 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 0 Minuten nach dem Klonen.
  • Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.

Laufverlauf

getestet vonVersuchErgebnisScoreKosten USDwann
Argusic Runner2/3Läuft100,000,02
Argusic Runner1/3Lief nicht20,000,18

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/SimpleEnglish.svg)](https://argusic.com/subject/simpleenglish)

Fragen

Läuft SimpleEnglish?
Ja. SimpleEnglish läuft. Argusic hat es auf einer sauberen Maschine in 0 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic SimpleEnglish getestet?
Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 32ea2d3f4404. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von SimpleEnglish 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 SimpleEnglish?
0 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 SimpleEnglish eine GPU?
Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von SimpleEnglish schief?
Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
Wie schneidet SimpleEnglish im Vergleich zu Alternativen ab?
Von den 47 Projekten im Bereich Python, die Argusic installiert und zeitlich gemessen hat, belegte SimpleEnglish Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 28 von 47 erreichten überhaupt einen solchen Zustand.
Wo ist der Nachweis für SimpleEnglish?
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.

Discussion