Original en inglés: https://argusic.com/subject/gentle-ai
gentle-ai
Gentle-AI configura los AI coding agents que ya usas: Claude Code, Cursor, OpenCode, Codex, Pi y más. Elige memoria persistente, Organic-Driven Development, skills seleccionadas, servidores MCP, perfiles y revisión acotada opcional. Código abierto, sin dependencia de agent.
Funcionafuente: GitHubsitio webGoMITcommit 2c25e878eea4
Go, licencia MIT. El proyecto se describe a sí mismo como: agent skills, ai agents, ai coding, claude code, code review, codex, coding agents y copilot.
gentle-ai funciona. Un agent de Argusic lo instaló en 3 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
gentle-ai 2.0.0 builds from source, prints version (2.0.0-20260906031619-2c25e878eea4) and help text, all 53 Go test packages 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 93,3 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.
- Go 1.25.10+ not found in container (Ubuntu 24.04 ships Go 1.22)2,5 minutos
- Node.js 18 does not natively support .mts TypeScript files; tests failed with SyntaxError: Cannot use import statement outside a module2,5 minutos
- Tiempo de instalación
- 3 minutos
- De máquina en frío a terminar
- 17 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- go test ./... exited 0, all 53 packages passed
- Tokens de modelo usados
- 74.394
- Commit exacto probado
- 2c25e878eea4
- 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 veredicto anterior procede de otro intento, así que tómalo como una sesión y no como el resultado actual. 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.
sdd-status [change]
Print native SDD phase status for orchestrators
sdd-continue [change]
Print native SDD dispatcher routing output
sdd-attempt <acquire|settle> --cwd <repo> --change <change>
Run bounded normal orchestration without exposing runtime history
sdd-verify-validate --input <path|-> --requirements <n> --scenarios <n>
Validate exact verification-report bytes without persistence
All 53 test packages pass, the binary builds and runs. Here is the final result:
tokens used
74,394
All 53 test packages pass, the binary builds and runs. Here is the final result: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 recuperó de los 2 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 3 minutos en instalarse, más lento que la mediana de los 106 proyectos comparables que ha medido Argusic.
De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, gentle-ai fue el 55.º más rápido en llegar a funcionar, y 78 de 107 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 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-skillsai-agentsai-codingclaude-codecode-reviewcodexcoding-agentscopilotcursordeveloper-toolsgolangllmmcpopencodepersistent-memorypispec-driven-development
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/gentle-ai)Preguntas
- ¿Funciona gentle-ai?
- Sí. gentle-ai funciona. Argusic lo instaló y lo inició en una máquina limpia en 3 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic gentle-ai?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 2c25e878eea4. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar gentle-ai?
- La ejecución que produjo este veredicto costó 0,08 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 gentle-ai en instalarse?
- 3 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita gentle-ai una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar gentle-ai?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara gentle-ai con las alternativas?
- De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, gentle-ai fue el 55.º más rápido en llegar a funcionar, y 78 de 107 llegaron a funcionar.
- ¿Dónde está la evidencia de gentle-ai?
- Las 3 ejecuciones registradas están 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.