Englisches Original: https://argusic.com/subject/social-account-doctor
social-account-doctor
Xiaohongshu/Douyin/Kuaishou/Video-Konto/Bilibili Self-Media-Konto-Check + Viral-Content-Zerlegungstool. Scanne denselben Bereich, um Benchmarks zu finden, zerlege, warum Viral-Content viral ging, diagnostiziere, warum niemand zuschaut, und erstelle nebenbei einen einfügefertigen Nachahmungsentwurf. Unterstützt E-Commerce-Modelle. Unterstützt codex, claude code, workbuddy
Läuft mit MocksQuelle: GitHubPythonMITCommit 2438d5ae7c8e
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai agent, ai agents, claude code skills, content analytics, copywriting, douyin, e commerce und skills.
social-account-doctor läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 7 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Repository builds in venv, all 129/131 tests pass (2 skipped for missing CJK fonts), tikhub CLI reports health OK against mock REST endpoint, all Python scripts load without import errors, and normalization/document analysis pipelines produce correct JSON output
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.
- requests package missing from requirements.txt but required by analyze_image.py and ocr_screenshot.py1 Minute
- Installationszeit
- 7 Minuten
- Von der kalten Maschine bis zum Ende
- 6 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest tests/ exited 0: 129 passed, 2 skipped; tikhub CLI --health returned {'status': 'ok'} against mock server; normalize_metrics processed 8 videos with baseline comparison; analyze_document extracted 5049 chars from README.md
- Verbrauchte Modell-Tokens
- 526.218
- Genau getesteter Commit
- 2438d5ae7c8e
- 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.
**Installation**: Created a Python venv, installed all dependencies from `requirements.txt` plus `r…
**Test suite**: 129 passed, 2 skipped (fpdf2 CJK tests skip due to no CJK fonts in the container — …
**Errors found and fixed**:
- `requests` was imported by `analyze_image.py` and `ocr_screenshot.py` but missing from `requireme…
- `TIKHUB_API_KEY` env var was needed but not set in tests — fixed by passing `TIKHUB_API_KEY=test-…
**Verification**:
- Test suite: `pytest tests/` → 129 passed, 2 skipped
- tikhub CLI `--health` → `{"status": "ok"}` against mock server
- tikhub CLI `--platforms` → 16 platforms listed including douyin, xiaohongshu, etc.
- `analyze_document.py README.md --json` → 5049 chars, 130 lines, 11 paragraphs
- `normalize_metrics.py` → 8 videos processed with spike detection
- `tikhub_client` direct API calls against mock REST server → endpoint docs verified, caching worksGesamte 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 dem einen Fehler 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 7 Minuten, langsamer als der Median der 69 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 70 Projekten im Bereich ai-agent, die Argusic installiert und zeitlich gemessen hat, belegte social-account-doctor Platz 37 bei der Zeit bis zum lauffähigen Zustand, und 43 von 70 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 | 0,04 |
Themen (von GitHub)
ai-agentai-agentsclaude-code-skillscontent-analyticscopywritingdouyine-commerceskillssocial-media-toolsxiaohongshu
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/social-account-doctor)Fragen
- Läuft social-account-doctor?
- social-account-doctor läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 7 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic social-account-doctor getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 2438d5ae7c8e. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von social-account-doctor gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,04 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 social-account-doctor?
- 7 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 social-account-doctor eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von social-account-doctor schief?
- Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet social-account-doctor im Vergleich zu Alternativen ab?
- Von den 70 Projekten im Bereich ai-agent, die Argusic installiert und zeitlich gemessen hat, belegte social-account-doctor Platz 37 bei der Zeit bis zum lauffähigen Zustand, und 43 von 70 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für social-account-doctor?
- 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.