Original en inglés: https://argusic.com/subject/probity
probity
Aplicación de TDD y salvaguardas para Claude Code, Codex y GitHub Copilot CLI
Funcionafuente: GitHubTypeScriptMITcommit fabb04968f25
TypeScript, licencia MIT. El proyecto se describe a sí mismo como: agentic coding, claude code, codex, coding agent, github copilot, guardrails, hooks y policy.
probity funciona. Un agent de Argusic lo instaló en 28 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
@nizos/probity v1.10.1 builds, its CLI binary (dist/bin.js) prints version and help, and all 60 test files pass (550 tests passed, 26 skipped).
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.
- System Node.js was v18.19.1 but the project requires node >=225 minutos
- Tiempo de instalación
- 28 minutos
- De máquina en frío a terminar
- 2 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- vitest run exited 0: 60 test files passed, 550 passed / 26 skipped
- Tokens de modelo usados
- 17.638
- Commit exacto probado
- fabb04968f25
- 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 intento que decidió el veredicto anterior. 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.
succeeded in 130ms:
{"decision":"block","reason":"Probity: invalid hook payload: Invalid input: expected string, receiv…
The project is fully functional. Let me compile the final result.
exec
/bin/sh -lc 'cd /work/repo && export PATH=/tmp/node-v22.23.4-linux-x64/bin:$PATH && echo '"'{\"hook…
succeeded in 142ms:
{"decision":"block","reason":"Probity: invalid hook payload: Invalid input: expected string, receiv…
1.10.1
Here's the full summary of what happened and what I verified:
tokens used
17,638
Here's the full summary of what happened and what I verified: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 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.
Qué no salió bien, o no se sabe
- Tardó 28 minutos en instalarse, más lento que la mediana de los 25 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 26 proyectos de agentic-coding que Argusic ha instalado y cronometrado, probity fue el 23.º más rápido en llegar a funcionar, y 19 de 26 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
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)
agentic-codingclaude-codecodexcoding-agentgithub-copilotguardrailshookspolicytdd
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/probity)Preguntas
- ¿Funciona probity?
- Sí. probity funciona. Argusic lo instaló y lo inició en una máquina limpia en 28 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic probity?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit fabb04968f25. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar probity?
- La ejecución que produjo este veredicto costó 0,03 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 probity en instalarse?
- 28 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita probity una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar probity?
- 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 probity con las alternativas?
- De los 26 proyectos de agentic-coding que Argusic ha instalado y cronometrado, probity fue el 23.º más rápido en llegar a funcionar, y 19 de 26 llegaron a funcionar.
- ¿Dónde está la evidencia de probity?
- 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.