Englisches Original: https://argusic.com/subject/watch-skill
watch-skill
Geben Sie KI-Agenten Augen, Ohren und verifizierbare Ergebnisse. Watch Skill verwandelt Video, Audio und Bildschirmaktivität in durchsuchbare, mit Zeitstempeln versehene Nachweise und belegt Arbeit mit deterministischen Verträgen, nicht mit Modellmeinung. DeepWatch ist der Agent-Arbeitsbereich, der auf DeepSeek Harness aufbaut. Python + npm, MCP, CLI, REST, Web.
Nicht verifizierbarQuelle: GitHubHomepagePythonMITCommit f1317c8fe647
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent observability, agent skills, agentic ai, ai agents, audio understanding, computer vision, deepseek und deepseek harness.
Argusic konnte watch-skill nicht zum Laufen bringen. Ein Argusic-Agent hat es in 1,8 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
watch-skill 1.4.3 installed with all extras; 2215 offline tests pass; ruff clean; CLI reports all dependencies operational; lint checks pass.
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.
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.
- NO_COLOR=1 and TERM=dumb in container suppress Rich ANSI output1 Minute
- `python` binary not found on PATH (only `python3` exists)0,5 Minuten
- Playwright Chromium browser not installed0,2 Minuten
- Installationszeit
- 2 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest -m 'not network' exited 0: 2215 passed, 50 skipped; ruff check . passed; watch-skill --version returned 1.4.3; watch-skill doctor reported all gates ok
- Verbrauchte Modell-Tokens
- 1.109.181
- Genau getesteter Commit
- f1317c8fe647
- 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.
- Von der kalten Maschine bis zum Ende
- der Versuch wurde am Zeitlimit nach 88 Minuten gestoppt und daher nie beendet
- 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.
/bin/sh -lc 'cd /work/repo && export PATH="/home/runner/.local/bin:$PATH" && .venv/bin/python -m py…
succeeded in 6359ms:
s..... [100%]
=============================== warnings summary ===============================
.venv/lib/python3.11/site-packages/fastapi/testclient.py:1
/work/repo/.venv/lib/python3.11/site-packages/fastapi/testclient.py:1: StarletteDeprecationWarnin…
from starlette.testclient import TestClient as TestClient # noqa
-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html
5 passed, 1 skipped, 2259 deselected, 1 warning in 5.94s
All 5 accessibility tests now pass too. Let me get the final comprehensive result
exec
/bin/sh -lc 'cd /work/repo && export PATH="/home/runner/.local/bin:$PATH" && .venv/bin/python -m 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
- Hat sich von allen 3 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.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Ein Agent ohne Zeitlimit hat es nicht zum Laufen gebracht.
- Die Installation dauerte 1,8 Minuten, langsamer als der Median der 3 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 4 Projekten im Bereich agent-observability, die Argusic installiert und zeitlich gemessen hat, belegte watch-skill Platz 3 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 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 | 2/3 | Zeit abgelaufen | 0,00 | 0,20 | |
| Argusic Runner | 1/3 | Zeit abgelaufen | 0,00 | 0,24 |
Themen (von GitHub)
agent-observabilityagent-skillsagentic-aiai-agentsaudio-understandingcomputer-visiondeepseekdeepseek-harnessdeepwatchllmlocal-firstmcpmultimodalocrpythonspeech-to-texttypescriptverificationvideo-analysisvideo-understanding
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/watch-skill)Fragen
- Läuft watch-skill?
- Argusic konnte nicht verifizieren, dass watch-skill läuft. Argusic hat es auf einer sauberen Maschine in 2 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic watch-skill getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit f1317c8fe647. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von watch-skill gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,20 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 watch-skill?
- 1,8 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 watch-skill eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von watch-skill schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet watch-skill im Vergleich zu Alternativen ab?
- Von den 4 Projekten im Bereich agent-observability, die Argusic installiert und zeitlich gemessen hat, belegte watch-skill Platz 3 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für watch-skill?
- 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.