Original en anglais: https://argusic.com/subject/goutoujunshi
goutoujunshi
Codex, stratège relationnel, accueille d'abord les émotions, analyse la relation, puis propose des stratégies actionnables. Il dispose d'une base de connaissances intégrée en psychologie, droit, sociologie, humanités, philosophie, mariage et famille, et sexologie, et prend en charge les relations plurielles.
Fonctionne avec des mockssource : GitHubPythonMITcommit 6db7354a4002
Python, sous licence MIT. Le projet se décrit ainsi : ai agent, chinese, codex, codex skill, lgbtq, psychology et relationship advice.
goutoujunshi fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 0,0 minute et n'a rencontré aucune erreur sur une machine propre sans GPU, et toute la session a été enregistrée.
The validation script and memory store CLI both run cleanly with no errors; all required knowledge and practical reference files are present; the memory store supports full lifecycle (consent, write, show, context, undo, forget-object, revoke, clear); the PNG asset decodes cleanly via ffmpeg.
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
- moins d'une minute
- De la machine vierge à la fin
- 5 minutes
- Erreurs rencontrées et corrigées
- 0 rencontrée, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- python3 scripts/validate_skill.py exited 0 both modes; python3 scripts/memory_store.py end-to-end lifecycle (enable → apply → show → context → undo → clear) all exited 0; ffmpeg validated .png asset decode with zero errors
- Tokens de modèle utilisés
- 43 268
- Commit exact testé
- 6db7354a4002
- 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.
MEM_STATUS: exit=0 MEM_ENABLE: exit=0 MEM_APPLY: exit=0 ok=True MEM_SHOW: exit=0 MEM_CONTEXT: exit=0 MEM_UNDO: exit=0 MEM_CLEAR: exit=0 ASSET_DECODE: exit=0 err=none All checks pass with zero errors. Here's the final report: tokens used 43,268 All checks pass with zero errors. Here's the final report:
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 0,0 minute, plus vite que la médiane des 69 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 70 projets ai-agent qu'Argusic a installés et chronométrés, goutoujunshi a été le 2e plus rapide à atteindre un état de fonctionnement, et 43 sur 70 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 | 0,03 |
Sujets (depuis GitHub)
ai-agentchinesecodexcodex-skilllgbtqpsychologyrelationship-advice
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/goutoujunshi)Questions
- goutoujunshi fonctionne-t-il ?
- goutoujunshi fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 0 minute, en rencontrant 0 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé goutoujunshi ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 6db7354a4002. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de goutoujunshi ?
- L'exécution qui a produit ce verdict a coûté 0,03 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 goutoujunshi ?
- 0,0 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.
- goutoujunshi 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 goutoujunshi ?
- Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.
- Comment goutoujunshi se compare-t-il aux alternatives ?
- Sur les 70 projets ai-agent qu'Argusic a installés et chronométrés, goutoujunshi a été le 2e plus rapide à atteindre un état de fonctionnement, et 43 sur 70 en ont atteint un.
- Où sont les preuves pour goutoujunshi ?
- 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.