Original en inglés: https://argusic.com/subject/gito
Gito
Una herramienta de revisión de código de GitHub impulsada por IA que utiliza LLMs para detectar problemas de alta confianza y alto impacto, como vulnerabilidades de seguridad, errores y problemas de mantenibilidad.
Funcionafuente: GitHubsitio webPythonMITcommit f48498d192ed
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, ai code analysis, ai code review, ai code reviewer, ai coding, ai coding assistant, ai coding tools y code analysis.
Gito funciona. Un agent de Argusic lo instaló en 4 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
All 157 tests pass and gito CLI version command runs from a Python 3.12 venv, with only the version-shell test requiring a PATH fix
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.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- tests/test_version.py: subprocess.run(['python', ...]) fails because 'python' not on PATH in venv1 minuto
- Tiempo de instalación
- 4 minutos
- De máquina en frío a terminar
- 3 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest exited 0, 157 passed; python -m gito -v0 version returned 4.5.0
- Tokens de modelo usados
- 35.895
- Commit exacto probado
- f48498d192ed
- 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.
**Test suite:** `pytest -v` ran 157 tests in ~2.7s. All passed after a one-line fix. **Error found & fixed:** `tests/test_version.py` used `subprocess.run(["python", ...])` but bare `p… **CLI verification:** `/work/repo/venv/bin/python -m gito -v0 version` returned `4.5.0`. No third-party LLM credentials are needed to verify the install or the test suite — these tests cov… tokens used 35,895 All 157 tests pass and the CLI works. Let me compile the final report. **Install:** Created a virtual environment (`python3 -m venv venv`), installed the package with `pi… **Test suite:** `pytest -v` ran 157 tests in ~2.7s. All passed after a one-line fix. **Error found & fixed:** `tests/test_version.py` used `subprocess.run(["python", ...])` but bare `p… **CLI verification:** `/work/repo/venv/bin/python -m gito -v0 version` returned `4.5.0`. No third-party LLM credentials are needed to verify the install or the test suite — these tests cov…
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 4 minutos, más rápido que la mediana de los 230 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 MIT, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, Gito fue el 99.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 4 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)
aiai-code-analysisai-code-reviewai-code-reviewerai-codingai-coding-assistantai-coding-toolscode-analysiscode-auditcode-qualitycode-reviewcodereviewdeveloper-toolsgithubgithub-actionsgithub-copilotllmpythonsoftware-engineeringstatic-analysis
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/gito)Preguntas
- ¿Funciona Gito?
- Sí. Gito funciona. Argusic lo instaló y lo inició en una máquina limpia en 4 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic Gito?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit f48498d192ed. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar Gito?
- La ejecución que produjo este veredicto costó 0,01 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 Gito en instalarse?
- 4 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita Gito una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar Gito?
- 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 Gito con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, Gito fue el 99.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de Gito?
- Las 2 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.