Englisches Original: https://argusic.com/subject/skill-seekers
Skill_Seekers
Dokumentationswebsites, GitHub-Repositorys und PDFs in Claude-AI-Skills konvertieren, mit automatischer Konflikterkennung
LäuftQuelle: GitHubHomepagePythonMITCommit f3972efa33fa
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai tools, ast parser, automation, claude ai, claude skills, code analysis, conflict detection und documentation.
Skill_Seekers läuft. Ein Argusic-Agent hat es in 8 Minuten 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.
skill-seekers 3.10.0.dev0 installed and all 3857 unit/adaptor/scraper tests pass without external API keys or network dependencies.
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.
- Pytest not resolved via dependency-groups on first install pass2 Minuten
- Externally managed Python — needed virtual environment1 Minute
- Installationszeit
- 8 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
- pytest tests/ -m "not slow and not integration and not e2e and not network and not serial and not mcp_only" exited 0, 3857 passed, 148 skipped, 0 failed; skill-seekers doctor exited 0 with all critical checks passed
- Verbrauchte Modell-Tokens
- 125.574
- Genau getesteter Commit
- f3972efa33fa
- 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
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 2, gelaufen am . Der obige Befund stammt aus einem anderen Versuch, betrachten Sie dies daher als eine einzelne Sitzung und nicht als das aktuelle Ergebnis. 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.
[--issue-state {open,closed,all}]
[--max-comments N] [--per-issue-files]
The project installs and runs perfectly. Let me compile the results:
**Install:** Created a venv, installed `-e ".[dev]"` plus additional test deps (pytest wasn't bundl…
**Tests:** 3857 passed, 148 skipped (optional deps like mcp, chromadb, etc.), 239 deselected (slow/…
**CLI verification:** `skill-seekers doctor` reports all critical checks passed, `skill-seekers --v…
tokens used
125,574
The project installs and runs perfectly. Let me compile the results:
**Install:** Created a venv, installed `-e ".[dev]"` plus additional test deps (pytest wasn't bundl…
**Tests:** 3857 passed, 148 skipped (optional deps like mcp, chromadb, etc.), 239 deselected (slow/…
**CLI verification:** `skill-seekers doctor` reports all critical checks passed, `skill-seekers --v…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.
- 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.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
- 3-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 8 Minuten, langsamer als der Median der 26 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 27 Projekten im Bereich ai-tools, die Argusic installiert und zeitlich gemessen hat, belegte Skill_Seekers Platz 17 bei der Zeit bis zum lauffähigen Zustand, und 17 von 27 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 8 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)
ai-toolsast-parserautomationclaude-aiclaude-skillscode-analysisconflict-detectiondocumentationdocumentation-generatorgithubgithub-scrapermcpmcp-servermulti-sourceocrpdfpythonweb-scraping
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/skill-seekers)Fragen
- Läuft Skill_Seekers?
- Ja. Skill_Seekers läuft. Argusic hat es auf einer sauberen Maschine in 8 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic Skill_Seekers getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit f3972efa33fa. 3 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von Skill_Seekers 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 Skill_Seekers?
- 8 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 Skill_Seekers eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von Skill_Seekers 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_Seekers im Vergleich zu Alternativen ab?
- Von den 27 Projekten im Bereich ai-tools, die Argusic installiert und zeitlich gemessen hat, belegte Skill_Seekers Platz 17 bei der Zeit bis zum lauffähigen Zustand, und 17 von 27 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für Skill_Seekers?
- Alle 3 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.