linkedin-skills fonctionne-t-il ?

linkedin-skills fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 4 minutes, en rencontrant 1 erreur en route, et a enregistré la session.

Comment Argusic a-t-il testé linkedin-skills ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 14d332b9e91e. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de linkedin-skills ?

L'exécution qui a produit ce verdict a coûté 0,04 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 linkedin-skills ?

3,5 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.

linkedin-skills 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 linkedin-skills ?

1 problème est survenu lors de l'exécution enregistrée, et 1 a été corrigé sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.

Où sont les preuves pour linkedin-skills ?

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.

Original en anglais: https://argusic.com/subject/linkedin-skills

linkedin-skills

Compétences Claude pour LinkedIn. 12 compétences Claude Code et Codex qui rédigent des publications LinkedIn au ton humain, créent des commentaires qui se font remarquer, analysent votre fil et établissent un rythme de publication, le tout depuis votre terminal. Ingénierie de contenu par Creative Content Crafts. MIT.

Fonctionne avec des mockssource : GitHub page d'accueilPythonMITcommit 14d332b9e91e

Python, sous licence MIT. Le projet se décrit ainsi : agent skill, agent skills, ai agents, ai content, ai marketing, anthropic, awesome claude et claude code.

linkedin-skills fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 3,5 minutes et a rencontré 1 erreur, corrigée sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.

113 unit tests pass, all 12 skills load and parse, all structural validations pass, and the repo is ready for draft-only LinkedIn skill usage with no API keys configured.
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

verdict: Fonctionne avec des mocks
Score Argusic: 92 / 100
coût de l'exécution de vérification: 0,04 USD (mesuré)
exécutions enregistrées: 1
dernier test: 2026-10-03
étoiles: 5 576
forks: 907
issues ouvertes: 4
observateurs: 32
taille: 2 MB
créé le: 2026-04-14
dernier push: 2026-11-03

Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le 2026-11-04. 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 perdu à cause de chaque échec lors du test de linkedin-skills, tiré de l'exécution enregistrée — Chaque barre est un échec enregistré par l'agent, avec le temps qu'il a coûté. Tiré de cette exécution, et de nulle part ailleurs.

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.

pip install failed — externally-managed-environment (PEP 668)0,5 minute

Temps d'installation: 4 minutes
De la machine vierge à la fin: 4 minutes
Erreurs rencontrées et corrigées: 1 rencontrée, 1 corrigée sans aide humaine
Comment le résultat a été prouvé: venv/bin/python -m unittest discover -s tests exited 0, 113 passed; scripts/selftest.py exited 0, all phases clean; all 6 validation scripts pass; codex marketplace package syncs deterministically; 4 plugin JSON files valid and version-aligned (1.1.15)
Tokens de modèle utilisés: 38 399
Commit exact testé: 14d332b9e91e
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

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 2026-10-03, la tentative qui a décidé le verdict ci-dessus. 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.

Now I'll produce the final report.
exec
/bin/sh -lc "cd /work/repo && echo \"Time check:\" && date -u +%s && echo \"Start of work:\" && sta…
 succeeded in 0ms:
Time check:
1791012435
Start of work:
1791012229
All checks pass cleanly. Here is the final result:
tokens used
38,399
All checks pass cleanly. 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

S'est remis de 1 erreur sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
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.
Installation en 3,5 minutes, plus lente que la médiane des 13 projets comparables mesurés par Argusic.
Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.

Sur les 14 projets agent-skill qu'Argusic a installés et chronométrés, linkedin-skills a été le 8e plus rapide à atteindre un état de fonctionnement, et 11 sur 14 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	0,04	2026-10-03 07:27 UTC

Intégrer le badge

Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.

[![Tested by Argusic](https://argusic.com/badge/linkedin-skills.svg)](https://argusic.com/subject/linkedin-skills)

Questions

linkedin-skills fonctionne-t-il ?: linkedin-skills fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 4 minutes, en rencontrant 1 erreur en route, et a enregistré la session.
Comment Argusic a-t-il testé linkedin-skills ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 14d332b9e91e. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de linkedin-skills ?: L'exécution qui a produit ce verdict a coûté 0,04 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 linkedin-skills ?: 3,5 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.
linkedin-skills 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 linkedin-skills ?: 1 problème est survenu lors de l'exécution enregistrée, et 1 a été corrigé sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Comment linkedin-skills se compare-t-il aux alternatives ?: Sur les 14 projets agent-skill qu'Argusic a installés et chronométrés, linkedin-skills a été le 8e plus rapide à atteindre un état de fonctionnement, et 11 sur 14 en ont atteint un.
Où sont les preuves pour linkedin-skills ?: 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.