Original em inglês: https://argusic.com/subject/building-a-coding-agent-from-scratch-course
building-a-coding-agent-from-scratch-course
Aprenda engenharia de harness construindo o Claude Code do zero. Curso gratuito e de código aberto: 8 artigos, 6 vídeos, 1 base de código.
Executafonte: GitHubPythonApache-2.0commit 798a1e7ad07c
Python, licença Apache-2.0. O projeto se descreve como: ai agent, ai coding assistant, claude code, coding agent, course, curated list, harness engineering e kitaru.
building-a-coding-agent-from-scratch-course executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 4,5 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
Installed and built with uv, 2978 unit tests and 80 integration tests pass, format and lint clean, decode CLI reports version 0.1.0
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- 5 minutos
- Da máquina limpa até o fim
- 5 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- uv run decode --version returned "decode, version 0.1.0"; make unit-tests: 2978 passed, 1 skipped; make integration-tests: 80 passed, 34 skipped; make format-check: 346 files already formatted; make lint-check: All checks passed
- Tokens de modelo usados
- 42.509
- Commit exato testado
- 798a1e7ad07c
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
'launch_succeeded': True,
'install_minutes': 4.5,
'errors': [],
'test_depth': 'tier1_real',
'verified_how': 'uv run decode --version returned \\\"decode, version 0.1.0\\\"; make unit-test…
'final_state': 'Installed and built with uv, 2978 unit tests and 80 integration tests pass, for…
}))
\"" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 4.5, "errors": [], "test_d…
tokens used
42,509Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 4,5 minutos, mais rápido que a mediana dos 69 projetos comparáveis que a Argusic mediu.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
Dos 70 projetos de ai-agent que a Argusic instalou e cronometrou, building-a-coding-agent-from-scratch-course foi o 30º mais rápido a chegar a um estado de execução, e 43 de 70 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 4,5 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
ai-agentai-coding-assistantclaude-codecoding-agentcoursecurated-listharness-engineeringkitarullm-evalsmodalopikpydantic-ai
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/building-a-coding-agent-from-scratch-course)Perguntas
- building-a-coding-agent-from-scratch-course executa?
- Sim. building-a-coding-agent-from-scratch-course executa. A Argusic o instalou e iniciou em uma máquina limpa em 5 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou building-a-coding-agent-from-scratch-course?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 798a1e7ad07c. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar building-a-coding-agent-from-scratch-course?
- A execução que produziu este veredito custou US$ 0,02: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar building-a-coding-agent-from-scratch-course?
- 4,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- building-a-coding-agent-from-scratch-course precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar building-a-coding-agent-from-scratch-course?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como building-a-coding-agent-from-scratch-course se compara às alternativas?
- Dos 70 projetos de ai-agent que a Argusic instalou e cronometrou, building-a-coding-agent-from-scratch-course foi o 30º mais rápido a chegar a um estado de execução, e 43 de 70 chegaram a esse estado.
- Onde estão as evidências de building-a-coding-agent-from-scratch-course?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.