Original en inglés: https://argusic.com/subject/clean-coder-ai
Clean-Coder-AI
2-en-1 AI Developer y Project Manager. Los AI agents planifican un proyecto completo en Todoist y lo codifican tarea por tarea.
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit 77143dfe5061
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent, ai, cli, code generation, code writing y coding agents.
Clean-Coder-AI funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 8 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
All unit tests pass (14/14), all 28 source modules import cleanly, main entry points (manager.py, single_task_coder.py) import without error, and Playwright Chromium browser is installed.
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 92 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.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- 6 unit tests failed due to argument order mismatch: tests called run_script_in_env(script_name, work_dir) but the function signature is run_script_in_env(work_dir, execute_file_name). Also logs_from_running_script mock assertions had wrong argument order.5 minutos
- Tiempo de instalación
- 8 minutos
- De máquina en frío a terminar
- 4 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest -m 'not integration' returned 14 passed, 1 skipped, 2 deselected
- Tokens de modelo usados
- 59.872
- Commit exacto probado
- 77143dfe5061
- 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
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
tokens used 59,872 Everything checks out. Let me compile the final result. Here's what I found and fixed: - **Created venv and installed 99+ packages** from `requirements.txt` — all succeeded. - **Identified 6 failing unit tests** due to the tests passing arguments to `run_script_in_env(scri… - **Fixed all tests**: corrected argument order in test calls and assertions to match the real func… - **Verified all 28 source modules** import cleanly. - **Verified `single_task_coder.py` and `manager.py`** parse and import correctly. - **Installed Playwright Chromium** browser for frontend testing support. - **Integration tests** (`pytest -m integration`) require real LLM API keys — that's expected. **Final test suite result**: `14 passed, 1 skipped, 2 deselected` (the 2 deselected are the integra…
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
- Se instaló en 8 minutos.
- Se recuperó de su único error sin que interviniera una persona, lo que indica que el fallo está lo bastante documentado como para resolverlo.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 135 proyectos de agent que Argusic ha instalado y cronometrado, Clean-Coder-AI fue el 65.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
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
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,06 |
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/clean-coder-ai)Preguntas
- ¿Funciona Clean-Coder-AI?
- Clean-Coder-AI funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 8 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic Clean-Coder-AI?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 77143dfe5061. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar Clean-Coder-AI?
- La ejecución que produjo este veredicto costó 0,06 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 Clean-Coder-AI en instalarse?
- 8 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita Clean-Coder-AI una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar Clean-Coder-AI?
- En la ejecución registrada falló 1 cosa, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara Clean-Coder-AI con las alternativas?
- De los 135 proyectos de agent que Argusic ha instalado y cronometrado, Clean-Coder-AI fue el 65.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
- ¿Dónde está la evidencia de Clean-Coder-AI?
- 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.