Original en anglais: https://argusic.com/subject/codex-ppt-skill
codex-ppt-skill
Compétence GPT-Image-2 PPT Generator pour créer des présentations PowerPoint basées sur des images dans Codex et d'autres agents compatibles avec les compétences.
Fonctionne avec des mockssource : GitHubpage d'accueilPythonMITcommit 445b1780c85c
Python, sous licence MIT. Le projet se décrit ainsi : agent skills, ai ppt, claude code, codex, gpt image 2, powerpoint, ppt et ppt skill.
codex-ppt-skill fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 1,2 minute et n'a rencontré aucune erreur sur une machine propre sans GPU, et toute la session a été enregistrée.
Dependencies install cleanly, all 9 image-model unit tests pass, the PPT assembly script produces a valid .pptx with correctly numbered slides and speaker notes, the image generation CLI dry-runs produce valid request payloads, and the shared runtime bootstrap completes without error.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 92 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
- Temps d'installation
- 1 minute
- De la machine vierge à la fin
- 2 minutes
- Erreurs rencontrées et corrigées
- 0 rencontrée, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- .venv/bin/python -m unittest tests/test_image_gen_models.py -v exited 0, 9 passed; .venv/bin/python -c ... assemble_ppt create_presentation returned True, 3 slides in output PPTX; image_gen.py --dry-run output correct JSON payload
- Tokens de modèle utilisés
- 43 510
- Commit exact testé
- 445b1780c85c
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
- **Verified provider loader**: `image_providers.create_image_provider` loaded without import error… No errors were hit. The project's core scripts (image model validation, PPT assembly, runtime manag… tokens used 43,510 All tests pass and the scripts work correctly. Let me assemble the final report. Work done: - **Installed dependencies**: Created a virtual environment at `/work/repo/.venv` and installed `py… - **Ran tests**: `unittest tests/test_image_gen_models.py` — all 9 tests passed. - **Verified PPT assembly**: Created a temp directory with 3 dummy PNG slides and a `speech.md`, ra… - **Verified image gen CLI**: `image_gen.py generate --prompt "..." --dry-run` printed correct defa… - **Verified provider loader**: `image_providers.create_image_provider` loaded without import error… No errors were hit. The project's core scripts (image model validation, PPT assembly, runtime manag…
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- Installé en 1,2 minute, plus vite que la médiane des 106 projets comparables mesurés par Argusic.
- Rien n'a cassé en route : zéro erreur entre le clone et le fonctionnement.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, codex-ppt-skill a été le 32e plus rapide à atteindre un état de fonctionnement, et 78 sur 107 en ont atteint un.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 92,00 | 0,01 |
Sujets (depuis GitHub)
agent-skillsai-pptclaude-codecodexgpt-image-2powerpointpptppt-skillpptxpresentationskill
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/codex-ppt-skill)Questions
- codex-ppt-skill fonctionne-t-il ?
- codex-ppt-skill fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 1 minute, en rencontrant 0 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé codex-ppt-skill ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 445b1780c85c. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de codex-ppt-skill ?
- L'exécution qui a produit ce verdict a coûté 0,01 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer codex-ppt-skill ?
- 1,2 minute lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- codex-ppt-skill a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de codex-ppt-skill ?
- Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.
- Comment codex-ppt-skill se compare-t-il aux alternatives ?
- Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, codex-ppt-skill a été le 32e plus rapide à atteindre un état de fonctionnement, et 78 sur 107 en ont atteint un.
- Où sont les preuves pour codex-ppt-skill ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.