Original en inglés: https://argusic.com/subject/hue
hue
Skill de código abierto que aprende cualquier marca y la convierte en un sistema de diseño completo. Funciona en Claude Code y Codex. Instálalo una vez, cada interfaz de usuario que construya tu asistente coincidirá con tu marca.
Funciona con mocksfuente: GitHubsitio webJavaScriptMITcommit a910e31cd24b
JavaScript, licencia MIT. El proyecto se describe a sí mismo como: ai tools, anthropic, claude code, claude skill, codex, design language, design system y openai.
hue funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 9 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
hue skill installed under ~/.codex/skills/hue and its validation gate passes on all 17 bundled examples plus a freshly generated contract-correct skill folder (No findings, exit 0).
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.
- js-yaml rejects SKILL.md as one YAML stream (frontmatter + body are one file, expected)1 minuto
- generated sample SKILL.md missing literal 'NEVER trigger automatically' → 1 error1 minuto
- codex debug skills list: unrecognized subcommand (CLI 0.162.1 has no skill-listing)1 minuto
- Tiempo de instalación
- 9 minutos
- De máquina en frío a terminar
- 3 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- node scripts/validate.mjs examples/*/ exited 0 for all 17 examples (0 errors); node scripts/validate.mjs /tmp/gen/meadow-test exited 0 printing 'No findings. Summary: 0 error(s), 0 warning(s), 0 skipped, PASS'; codex doctor exited 0 with '19 ok'; codex --version printed codex-cli 0.162.1
- Tokens de modelo usados
- 75.613
- Commit exacto probado
- a910e31cd24b
- 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.
**Install (per README):** cloned the repo to `~/.codex/skills/hue`; `codex-cli 0.162.1` and `codex …
**Ran the app / tests:**
- All 17 example skills pass the project's validation gate: `node scripts/validate.mjs examples/*/`…
- Built a *minimal schema-correct generated-skill* (`/tmp/gen/meadow-test`) with `SKILL.md` + `desi…
- Positive control: deliberately broke the same inputs → gate reported 2 errors and exited 1, provi…
- Installed-copy re-run of the full example loop: no failures.
- Also verified the SKILL.md frontmatter parses as strict YAML (`name: hue`, `version: 1.2.0`).
**Error log (3 unique, all fixed):**
1. `YAML parse of full SKILL.md` (frontmatter + body) failed — `end of stream … expected (15:1)` — …
2. First `/tmp/gen` sample had filler description without `NEVER trigger automatically` → gate E1. …
3. Initial `codex debug skills list` doesn’t exist in CLI 0.162.1 (no skills-listing subcommand). F…
**Result JSON:** `{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 9, "erro…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 recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, 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.
- Tardó 9 minutos en instalarse, más lento que la mediana de los 26 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 27 proyectos de ai-tools que Argusic ha instalado y cronometrado, hue fue el 18.º más rápido en llegar a funcionar, y 17 de 27 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 | 0,02 |
Temas (de GitHub)
ai-toolsanthropicclaude-codeclaude-skillcodexdesign-languagedesign-systemopenai
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/hue)Preguntas
- ¿Funciona hue?
- hue funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 9 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic hue?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit a910e31cd24b. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar hue?
- La ejecución que produjo este veredicto costó 0,02 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 hue en instalarse?
- 9 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita hue una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar hue?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara hue con las alternativas?
- De los 27 proyectos de ai-tools que Argusic ha instalado y cronometrado, hue fue el 18.º más rápido en llegar a funcionar, y 17 de 27 llegaron a funcionar.
- ¿Dónde está la evidencia de hue?
- 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.