Englisches Original: https://argusic.com/subject/softwarecopyright-skill
SoftwareCopyright-Skill
Dieses Skills ist ein Generator für chinesische Software-Urheberrechtsantragsmaterialien. Es liest lokale Projekte und erstellt automatisch einen vollständigen Satz von.docx-Urheberrechtsantragsmaterialien. Es ist vollständig Open Source, sodass Sie keine kostenpflichtigen Dienste für Urheberrechtsanmeldungen mehr kaufen müssen.
Läuft mit MocksQuelle: GitHubPythonAGPL-3.0Commit 947d5963194b
Python, Lizenz AGPL-3.0.
SoftwareCopyright-Skill läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 10 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.
All 12 Python scripts compile and pass static analysis; 32 unit tests pass; demo DOCX output files are valid OpenXML; scripts can analyze projects and extract code materials; OfficeCLI dependency is correctly detected as unavailable for final DOCX generation
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.
- test_playwright_cli_uses_global_prefix_without_restart: test created .cmd file (Windows) on Linux; npm_global_candidates returns bin/playwright-cli on POSIX, causing test failure3 Minuten
- Installationszeit
- 10 Minuten
- Von der kalten Maschine bis zum Ende
- 11 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python3 -m unittest discover -s software-copyright-materials/tests -q exited 0: 32 tests passed; python3 -m compileall -q software-copyright-materials/scripts exited 0; all 12 scripts import without errors; demo DOCX files validated as valid OpenXML via zipfile; analyze_project, propose_code_selection, and extract_code_material scripts ran successfully against test project
- Verbrauchte Modell-Tokens
- 124.452
- Genau getesteter Commit
- 947d5963194b
- 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.
"msg": "test_playwright_cli_uses_global_prefix_without_restart: Test created .cmd file (Windo…
"fix": "Changed test to create bin/playwright-cli with shebang instead of playwright-cli.cmd …
"minutes": 3
}
],
"test_depth": "tier2_mock",
"notes": "Argusic Agent skill for generating Chinese software copyright materials. No Python depe…
"verified_how": "python3 -m unittest discover -s software-copyright-materials/tests -q exited 0: …
"final_state": "All 12 Python scripts compile and pass static analysis; 32 unit tests pass; demo …
}
tokens used
124,452Gesamte 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 AGPL-3.0, 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 10 Minuten, langsamer als der Median der 46 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 47 Projekten im Bereich Python, die Argusic installiert und zeitlich gemessen hat, belegte SoftwareCopyright-Skill Platz 40 bei der Zeit bis zum lauffähigen Zustand, und 28 von 47 erreichten überhaupt einen solchen Zustand.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,07 |
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/softwarecopyright-skill)Fragen
- Läuft SoftwareCopyright-Skill?
- SoftwareCopyright-Skill läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 10 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic SoftwareCopyright-Skill getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 947d5963194b. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von SoftwareCopyright-Skill gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,07 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 SoftwareCopyright-Skill?
- 10 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 SoftwareCopyright-Skill eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von SoftwareCopyright-Skill 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 SoftwareCopyright-Skill im Vergleich zu Alternativen ab?
- Von den 47 Projekten im Bereich Python, die Argusic installiert und zeitlich gemessen hat, belegte SoftwareCopyright-Skill Platz 40 bei der Zeit bis zum lauffähigen Zustand, und 28 von 47 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für SoftwareCopyright-Skill?
- 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.