Englisches Original: https://argusic.com/subject/skill-conductor
skill-conductor
Architektur-first-Skill-Lebenszyklus für AI-Agenten. BinEval binäres Scoring mit schwellenwertblinden, familienübergreifend kalibrierten Richtern, gesteuerter Selbst-Update-Schleife, Belastungstests, 10 Autorenprinzipien, basierend auf empirischer Forschung.
Läuft mit MocksQuelle: GitHubHomepagePythonMITCommit 3c21d2f19c33
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent skills, ai agents, anthropic, claude code, claude plugin, claude skill, knowledge management und llm.
skill-conductor läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 1 Minute installiert und ist auf 2 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
All 13 Python scripts in skill-conductor successfully parse and run: smoke tests pass (12/12), structural eval passes (22/22, score 10/10), skill init creates valid structure, packaging produces valid .skill zip, and scripts requiring LLM access (run_eval, improve_description, run_loop) parse their args correctly but need ANTHROPIC_API_KEY to execute real evaluations.
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.
- from scripts.utils import parse_skill_md fails under uv run — scripts/ is not a package2 Minuten
- improve_description.py and run_loop.py missing inline dependency header for anthropic1 Minute
- Installationszeit
- 1 Minuten
- Von der kalten Maschine bis zum Ende
- 6 Minuten
- Aufgetretene und behobene Fehler
- 2 aufgetreten, 2 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- uv run scripts/test_smoke.py exited 0, 12/12 passed; uv run scripts/eval_skill.py . returned 22/22 passed, score 10/10; all 11 CLI scripts respond to --help/usage
- Verbrauchte Modell-Tokens
- 255.210
- Genau getesteter Commit
- 3c21d2f19c33
- 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
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 1, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
| Error | Fix | Time | |-------|-----|------| | 3 scripts (`run_eval.py`, `improve_description.py`, `run_loop.py`) used `from scripts.utils impor… | `improve_description.py` and `run_loop.py` lacked inline `# /// script` dependency headers for `a… **Verification**: - `uv run scripts/test_smoke.py` → 12/12 passed - `uv run scripts/eval_skill.py .` → 22/22 passed, score 10/10 - `uv run scripts/eval_skill.py . --json` → 17 deterministic records, all pass (5 critical) - `uv run scripts/init_skill.py` → creates valid skill structure - `uv run scripts/package_skill.py` → creates valid `.skill` zip - All 11 scripts with CLIs respond to `--help` or usage - Scripts requiring `claude` CLI or `ANTHROPIC_API_KEY` (`run_eval.py`, `improve_description.py`, `…
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
- In 1 Minute installiert, schneller als der Median der 106 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 2 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.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte skill-conductor Platz 22 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 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 | 0,05 |
Themen (von GitHub)
agent-skillsai-agentsanthropicclaude-codeclaude-pluginclaude-skillknowledge-managementllmobsidianpersonal-assistantproductivityprompt-engineeringsecond-brainskill-authoringskillstdd
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/skill-conductor)Fragen
- Läuft skill-conductor?
- skill-conductor läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 1 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic skill-conductor getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 3c21d2f19c33. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von skill-conductor gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,05 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 skill-conductor?
- 1 Minute in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht skill-conductor eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von skill-conductor schief?
- Im aufgezeichneten Lauf gingen 2 Dinge kaputt, und 2 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet skill-conductor im Vergleich zu Alternativen ab?
- Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte skill-conductor Platz 22 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für skill-conductor?
- 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.