Original en inglés: https://argusic.com/subject/ai-fomo-skills
ai-fomo-skills
Habilidades personales de superalignment para convertir la sobrecarga de información de IA en conocimiento reutilizable, señales y resúmenes.
Funcionafuente: GitHubPythonMITcommit 2401c6ea8e27
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, codex, knowledge management, personal ai y skills.
ai-fomo-skills funciona. Un agent de Argusic lo instaló en 3,5 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The 3 skill directories are installed in ~/.codex/skills. The import_source.py script handles 6 source types: official-page, rss, github-repo, github-trending (all work without credentials), x-user (requires X_BEARER_TOKEN), and xiaoyuzhou-episode (scrapes public episode page).
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
- Tiempo de instalación
- 4 minutos
- De máquina en frío a terminar
- 21 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 scripts/import_source.py --workspace ... --dry-run for all 6 subcommands succeeded (5 without credentials); 4 raw files written and verified with correct YAML frontmatter (14 fields each); xiaoyuzhou_account bridge-status returned valid JSON with running:false
- Tokens de modelo usados
- 410.051
- Commit exacto probado
- 2401c6ea8e27
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- `bridge` repo was cloned but `go` is not available in the container, so the bridge could not be b… - `session-status` — correctly reports missing session file. ✅ - `send-code`, `import-inbox`, `import-comments` — all fail with expected error messages when bridg… ### Errors found **No errors were found.** The code has no syntax errors, all imports resolve, all CLI parsers work,… ### Key gaps (expected, documented) - `x-user` requires a real `X_BEARER_TOKEN` from X/Twitter API v2 - Xiaoyuzhou account operations require a Go-compiled local bridge at `127.0.0.1:23020` - Audio transcription requires a `DASHSCOPE_API_KEY` from Alibaba Cloud - No automated test suite exists in the repo ### Conclusion The repo installs cleanly. The core `import_source.py` script works end-to-end without any credenti…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 3,5 minutos, más rápido que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-fomo-skills fue el 96.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 3,5 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ai-fomo-skills)Preguntas
- ¿Funciona ai-fomo-skills?
- Sí. ai-fomo-skills funciona. Argusic lo instaló y lo inició en una máquina limpia en 4 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ai-fomo-skills?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 2401c6ea8e27. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ai-fomo-skills?
- La ejecución que produjo este veredicto costó 0,18 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ai-fomo-skills en instalarse?
- 3,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ai-fomo-skills una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ai-fomo-skills?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara ai-fomo-skills con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-fomo-skills fue el 96.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de ai-fomo-skills?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.