Original en anglais: https://argusic.com/subject/watch-skill
watch-skill
Donnez aux AI agents des yeux, des oreilles et des résultats vérifiables. Watch Skill transforme la vidéo, l'audio et l'activité de l'écran en preuves consultables et horodatées, et prouve le travail avec des contrats déterministes, pas une opinion de modèle. DeepWatch est l'espace de travail des agents conçu sur DeepSeek Harness. Python + npm, MCP, CLI, REST, Web.
Non vérifiablesource : GitHubpage d'accueilPythonMITcommit f1317c8fe647
Python, sous licence MIT. Le projet se décrit ainsi : agent observability, agent skills, agentic ai, ai agents, audio understanding, computer vision, deepseek et deepseek harness.
Argusic n'a pas réussi à faire fonctionner watch-skill. Un agent Argusic l'a installé en 1,8 minute et a rencontré 3 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
watch-skill 1.4.3 installed with all extras; 2215 offline tests pass; ruff clean; CLI reports all dependencies operational; lint checks 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.
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.
- NO_COLOR=1 and TERM=dumb in container suppress Rich ANSI output1 minute
- `python` binary not found on PATH (only `python3` exists)0,5 minute
- Playwright Chromium browser not installed0,2 minute
- Temps d'installation
- 2 minutes
- Erreurs rencontrées et corrigées
- 3 rencontrées, 3 corrigées sans aide humaine
- Comment le résultat a été prouvé
- pytest -m 'not network' exited 0: 2215 passed, 50 skipped; ruff check . passed; watch-skill --version returned 1.4.3; watch-skill doctor reported all gates ok
- Tokens de modèle utilisés
- 1 109 181
- Commit exact testé
- f1317c8fe647
- 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.
- De la machine vierge à la fin
- la tentative a été arrêtée à la limite de temps après 88 minutes, elle ne s'est donc jamais terminée
- 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
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.
/bin/sh -lc 'cd /work/repo && export PATH="/home/runner/.local/bin:$PATH" && .venv/bin/python -m py…
succeeded in 6359ms:
s..... [100%]
=============================== warnings summary ===============================
.venv/lib/python3.11/site-packages/fastapi/testclient.py:1
/work/repo/.venv/lib/python3.11/site-packages/fastapi/testclient.py:1: StarletteDeprecationWarnin…
from starlette.testclient import TestClient as TestClient # noqa
-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html
5 passed, 1 skipped, 2259 deselected, 1 warning in 5.94s
All 5 accessibility tests now pass too. Let me get the final comprehensive result
exec
/bin/sh -lc 'cd /work/repo && export PATH="/home/runner/.local/bin:$PATH" && .venv/bin/python -m py…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 des 3 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence MIT, 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
- Un agent sans limite de temps ne l'a pas fait fonctionner.
- Installation en 1,8 minute, plus lente que la médiane des 3 projets comparables mesurés par Argusic.
Sur les 4 projets agent-observability qu'Argusic a installés et chronométrés, watch-skill a été le 3e plus rapide à atteindre un état de fonctionnement, et 3 sur 4 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 | Délai dépassé | 0,00 | 0,20 | |
| Argusic Runner | 1/3 | Délai dépassé | 0,00 | 0,24 |
Sujets (depuis GitHub)
agent-observabilityagent-skillsagentic-aiai-agentsaudio-understandingcomputer-visiondeepseekdeepseek-harnessdeepwatchllmlocal-firstmcpmultimodalocrpythonspeech-to-texttypescriptverificationvideo-analysisvideo-understanding
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/watch-skill)Questions
- watch-skill fonctionne-t-il ?
- Argusic n'a pas pu vérifier que watch-skill fonctionne. Argusic l'a installé et lancé sur une machine propre en 2 minutes, en rencontrant 3 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé watch-skill ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f1317c8fe647. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de watch-skill ?
- L'exécution qui a produit ce verdict a coûté 0,20 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 watch-skill ?
- 1,8 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.
- watch-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 watch-skill ?
- 3 problèmes sont survenus lors de l'exécution enregistrée, et 3 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment watch-skill se compare-t-il aux alternatives ?
- Sur les 4 projets agent-observability qu'Argusic a installés et chronométrés, watch-skill a été le 3e plus rapide à atteindre un état de fonctionnement, et 3 sur 4 en ont atteint un.
- Où sont les preuves pour watch-skill ?
- 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.