Original en anglais: https://argusic.com/subject/elephant-goldfish-model
elephant-goldfish-model
Compétences open source pour concevoir et réviser des logiciels avec des agents IA
Fonctionne avec des mockssource : GitHubpage d'accueilPythonApache-2.0commit d651fe86c12d
Python, sous licence Apache-2.0. Le projet se décrit ainsi : agent skills, ai agents, antigravity, claude code, claude code plugin, claude skills, codex et codex plugin.
elephant-goldfish-model fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 1 minute et n'a rencontré aucune erreur sur une machine propre sans GPU, et toute la session a été enregistrée.
All 49 unit tests pass across 6 test modules: frontmatter validation, link integrity, harness/plugin manifests, scenario coverage, skill load limits, and Claude trace directory parsing.
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 82 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
- 1 minute
- Erreurs rencontrées et corrigées
- 0 rencontrée, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- pytest tests/unit -v exited 0, 49 passed in 0.41s
- Tokens de modèle utilisés
- 22 635
- Commit exact testé
- d651fe86c12d
- 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.
plugin.json name: egm version: 0.1.0 egm_bootstrap: name=egm-bootstrap, desc=Bootstrap directory README.md files across a repository sub… egm_brainstorm: name=egm-brainstorm, desc=Interactive ideation and brainstorming skill for the Elep… egm_draft: name=egm-draft, desc=Drafts a design document section-by-section using the concep... egm_drift_report: name=egm-drift-report, desc=Runs drift detection on all design documents to check… egm_resolve: name=egm-resolve, desc=The Elephant resolution skill. Ingests flat deficiency repor... egm_review: name=egm-review, desc=Orchestrates the EGM Goldfish Review Protocol. Used as part ... egm_review_loop: name=egm-review-loop, desc=Executes the Antagonistic-Review process from the Eleph… All 49 unit tests passed on the first run with no errors. The environment setup was straightforward… tokens used 22,635 All 49 unit tests passed on the first run with no errors. The environment setup was straightforward…
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 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 Apache-2.0, selon son hébergeur.
- Mesuré 2 fois, le résultat n'est donc pas un cas isolé.
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.
Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, elephant-goldfish-model a été le 22e 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 | 2/3 | Fonctionne avec des mocks | 92,00 | 0,02 | |
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 72,00 | 0,01 |
Sujets (depuis GitHub)
agent-skillsai-agentsantigravityclaude-codeclaude-code-pluginclaude-skillscodexcodex-plugincoding-agentscontext-engineeringdeveloper-toolsgeminillmmulti-agentprompt-engineeringspec-driven-development
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/elephant-goldfish-model)Questions
- elephant-goldfish-model fonctionne-t-il ?
- elephant-goldfish-model 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 elephant-goldfish-model ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit d651fe86c12d. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test d'elephant-goldfish-model ?
- L'exécution qui a produit ce verdict a coûté 0,02 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 elephant-goldfish-model ?
- 1 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.
- elephant-goldfish-model 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 d'elephant-goldfish-model ?
- Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.
- Comment elephant-goldfish-model se compare-t-il aux alternatives ?
- Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, elephant-goldfish-model a été le 22e plus rapide à atteindre un état de fonctionnement, et 78 sur 107 en ont atteint un.
- Où sont les preuves pour elephant-goldfish-model ?
- Les 2 exécutions enregistrées se trouvent 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.