Original en inglés: https://argusic.com/subject/coco
coco
Coco Super Intelligence: agent skills, slash commands and subagents for Claude Code, Cursor and Codex. One command installs them into the tool you already use.
Funcionafuente: GitHubPythonApache-2.0commit 309d58d175bc
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent skills, agents md, ai, ai agents, claude code, codex, cursor y developer tools.
coco funciona. Un agent de Argusic lo instaló en 1 minuto y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Coco v1.10.0 installs cleanly: the npm CLI wrapper prints help, the generic adapter produces a complete 1648-line AGENTS.md with 191 listed skills and 342 generated SI commands, build-index generates all catalogs, and all 76 smoke tests pass.
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. 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.
- Missing Python module pyyaml1 minuto
- Tiempo de instalación
- 1 minutos
- De máquina en frío a terminar
- 6 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- npm test exited 0, python3 scripts/build-index.py regenerated all indexes, bash tests/smoke.sh 76/76 passed, python3 -m pytest on 8 test files all passed (38+5+13+183+6+... total 300+), real install --adapter generic produced 1648-line AGENTS.md with 191 skills, build-delivery-index.py ran on all 16 adapters
- Tokens de modelo usados
- 86.085
- Commit exacto probado
- 309d58d175bc
- 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
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- `python3 -m pytest tests/test_learning_cli.py test_learning_detector.py test_learning_team_bridge… - `evals/paired.py --self-test` — 16/16 passed - `evals/skills/score.py --self-test` — PASS - `bash systems/m0/tests/m0-smoke.sh` — 27 passed, 0 failed - All `tests/check-*.sh` scripts that don't require `ssh-keygen` passed - `bash skills/arch-index/scripts/run_fixtures.sh` — all assertions passed - `bash skills/team-gate/scripts/run_fixtures.sh` — all gates passed - Real install (`--adapter generic`) into `/tmp/test-project` — generated 1648-line `AGENTS.md`, 19… - `git status` — clean tree, no modifications **Could not run (infrastructure gap):** - `tests/check-coco-gate.sh` requires `ssh-keygen`/`ssh-agent` (not available in container) - A few CI-only tests (`e2e-npx-install.sh`, `cursor-si-commands.sh`) require network access to npm…
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 1 minuto, más rápido que la mediana de los 112 proyectos comparables que ha medido Argusic.
- Se recuperó de su único error sin que interviniera una persona, lo que indica que el fallo está lo bastante documentado como para resolverlo.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, 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 113 proyectos de agent-skills que Argusic ha instalado y cronometrado, coco fue el 24.º más rápido en llegar a funcionar, y 82 de 113 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 1 minutos después del clon.
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)
agent-skillsagents-mdaiai-agentsclaude-codecodexcursordeveloper-toolsllm-toolsmcppm-toolsproduct-managementproductivityprompt-engineeringworkflow-automation
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/coco)Preguntas
- ¿Funciona coco?
- Sí. coco funciona. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic coco?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 309d58d175bc. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar coco?
- La ejecución que produjo este veredicto costó 0,12 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 coco en instalarse?
- 1 minuto en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita coco una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar coco?
- 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 coco con las alternativas?
- De los 113 proyectos de agent-skills que Argusic ha instalado y cronometrado, coco fue el 24.º más rápido en llegar a funcionar, y 82 de 113 llegaron a funcionar.
- ¿Dónde está la evidencia de coco?
- 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.