Original en inglés: https://argusic.com/subject/sno-station-skills
sno-station-skills
Sno Station Skills: 31 skills probados que convierten Claude Code y Codex en un equipo de trabajo unificado. Revisión por pares entre proveedores, transferencia automática cuando un agent alcanza su cuota, un resumen matutino de una página, órdenes de trabajo con evidencia, y un bucle nocturno que aprende de tus propias sesiones. Código abierto, instalado con un sno setup.
Funciona con mocksfuente: GitHubsitio webShellApache-2.0commit 0451ca25ab9c
Shell, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent skills, agentic coding, ai code review, ai coding agent, ai coding assistant, claude code, claude code plugin y claude code skills.
sno-station-skills funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 69 minutos y encontró 3 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
sno 1.1.13 is installed at /home/runner/.local/bin/sno with Sno Station setup into Codex; 19 of 22 unit selftests pass on this container, catch-report passes all 24 under a local Anthropic mock, and medic/rem-reflect selftests fail only on missing system tmux/strace which need root to install.
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 78,7 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.
- catch-report self-test needs a configured `claude` model call; on this machine claude prints Not logged in25 minutos
- medic self-test requires real tmux on /usr/bin:/bin (test hardcodes PATH); tmux not installed and no root10 minutos
- rem-reflect selftest-guard requires strace on /usr/bin:/bin in the traced child (hardcoded PATH); strace absent8 minutos
- Tiempo de instalación
- 69 minutos
- De máquina en frío a terminar
- 69 minutos
- Errores encontrados y corregidos
- 3 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- sh install script exited 0 and printed sno 1.1.13; sno doctor printed 313 already fine; catch-report.t with mock exited 0 with 24 ok; medic.t exited 1 with FAIL tools: tmux; rem-reflect node --test exited with 163 pass 1 fail (selftest-guard)
- Tokens de modelo usados
- 6.270.057
- Commit exacto probado
- 0451ca25ab9c
- 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
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.
- 22 个单元 self-tests：19 通过，3 失败在环境缺口上：
- `catch-report`：25 项中 24 项通过；唯一失败项（test 14）要求真实/可用的 `claude` 模型调用。我搭建了 schema 正确的 Anthropic `/v1…
- `medic`：需要真实 `tmux` 在 `/usr/bin:/bin`（test 的 `run()` 硬编码该 PATH）。无 root 无法放入系统目录；我已用 `apt-get do…
- `rem-reflect`：单元测试 163/166 通过；唯一失败 `selftest-guard` 强制子进程 `strace` 必须在 `/usr/bin:/bin` 内（测试自身硬编…
- 仓库保持干净：`git status` 无任何改动；不提交、不发布、不改 skills 内容（符合 AGENTS.md）。
exec
/bin/sh -lc "echo 'ARGUSIC_RESULT: {\"install_succeeded\": true, \"launch_succeeded\": true, \"inst…
succeeded in 0ms:
Done. One summary line delivered above with the required `ARGUSIC_RESULT:` JSON.
tokens used
6,270,057
Done. One summary line delivered above with the required `ARGUSIC_RESULT:` JSON.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 instaló en 69 minutos.
- Licencia Apache-2.0, 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.
- Encontró 3 errores durante la instalación, 2 de ellos sin resolver.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
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 | 78,67 | 1,33 |
Temas (de GitHub)
agent-skillsagentic-codingai-code-reviewai-coding-agentai-coding-assistantclaude-codeclaude-code-pluginclaude-code-skillscode-reviewcodexcodex-clicodex-plugincodex-skillscoding-assistantllm-agentsmulti-agent-systemopenai-codexrate-limitself-learningskill-md
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/sno-station-skills)Preguntas
- ¿Funciona sno-station-skills?
- sno-station-skills funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 69 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic sno-station-skills?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 0451ca25ab9c. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar sno-station-skills?
- La ejecución que produjo este veredicto costó 1,33 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 sno-station-skills en instalarse?
- 69 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita sno-station-skills una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar sno-station-skills?
- En la ejecución registrada fallaron 3 cosas, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de sno-station-skills?
- 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.