Original en anglais: https://argusic.com/subject/gentle-ai
gentle-ai
Gentle-AI configure les AI coding agents que vous utilisez déjà: Claude Code, Cursor, OpenCode, Codex, Pi, et plus. Choisissez la mémoire persistante, Organic-Driven Development, les compétences sélectionnées, les serveurs MCP, les personas, et une revue limitée optionnelle. Open source, sans verrouillage par un agent.
Fonctionnesource : GitHubpage d'accueilGoMITcommit 2c25e878eea4
Go, sous licence MIT. Le projet se décrit ainsi : agent skills, ai agents, ai coding, claude code, code review, codex, coding agents et copilot.
gentle-ai fonctionne. Un agent Argusic l'a installé en 3 minutes et a rencontré 2 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
gentle-ai 2.0.0 builds from source, prints version (2.0.0-20260906031619-2c25e878eea4) and help text, all 53 Go test packages pass.
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 93,3 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.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- Go 1.25.10+ not found in container (Ubuntu 24.04 ships Go 1.22)2,5 minutes
- Node.js 18 does not natively support .mts TypeScript files; tests failed with SyntaxError: Cannot use import statement outside a module2,5 minutes
- Temps d'installation
- 3 minutes
- De la machine vierge à la fin
- 17 minutes
- Erreurs rencontrées et corrigées
- 2 rencontrées, 2 corrigées sans aide humaine
- Comment le résultat a été prouvé
- go test ./... exited 0, all 53 packages passed
- Tokens de modèle utilisés
- 74 394
- Commit exact testé
- 2c25e878eea4
- 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
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 1, exécutée le . Le verdict ci-dessus provient d'une autre tentative : considérez donc ceci comme une session parmi d'autres, et non comme le résultat actuel. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
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.
sdd-status [change]
Print native SDD phase status for orchestrators
sdd-continue [change]
Print native SDD dispatcher routing output
sdd-attempt <acquire|settle> --cwd <repo> --change <change>
Run bounded normal orchestration without exposing runtime history
sdd-verify-validate --input <path|-> --requirements <n> --scenarios <n>
Validate exact verification-report bytes without persistence
All 53 test packages pass, the binary builds and runs. Here is the final result:
tokens used
74,394
All 53 test packages pass, the binary builds and runs. Here is the final result: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
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- S'est remis des 2 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
- Mesuré 3 fois, le résultat n'est donc pas un cas isolé.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Installation en 3 minutes, plus lente que la médiane des 106 projets comparables mesurés par Argusic.
Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, gentle-ai a été le 55e plus rapide à atteindre un état de fonctionnement, et 78 sur 107 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
- Une évaluation rapide : il fonctionnait 3 minutes après le clone.
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 | 3/3 | Fonctionne | 100,00 | 0,08 | |
| Argusic Runner | 2/3 | Fonctionne | 100,00 | 0,08 | |
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 80,00 | 0,50 |
Sujets (depuis GitHub)
agent-skillsai-agentsai-codingclaude-codecode-reviewcodexcoding-agentscopilotcursordeveloper-toolsgolangllmmcpopencodepersistent-memorypispec-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/gentle-ai)Questions
- gentle-ai fonctionne-t-il ?
- Oui. gentle-ai fonctionne. Argusic l'a installé et lancé sur une machine propre en 3 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé gentle-ai ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 2c25e878eea4. 3 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de gentle-ai ?
- L'exécution qui a produit ce verdict a coûté 0,08 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 gentle-ai ?
- 3 minutes 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.
- gentle-ai 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 gentle-ai ?
- 2 problèmes sont survenus lors de l'exécution enregistrée, et 2 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment gentle-ai se compare-t-il aux alternatives ?
- Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, gentle-ai a été le 55e plus rapide à atteindre un état de fonctionnement, et 78 sur 107 en ont atteint un.
- Où sont les preuves pour gentle-ai ?
- Les 3 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.