Original em inglês: https://argusic.com/subject/ccpm
ccpm
Sistema de habilidades de gerenciamento de projetos para Agents que usa GitHub Issues e Git worktrees para execução paralela de agents.
Executafonte: GitHubpágina do projetoShellMITcommit 7d7e4623bc6d
Shell, licença MIT. O projeto se descreve como: ai agents, ai coding, claude, claude code, project management e vibe coding.
ccpm executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2,7 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
CCPM skill installed at /home/runner/.codex/skills/ccpm, .claude/ directory initialized with all subdirectories, gh 2.64.0 available via ~/.local/bin/gh, and all 14 local workflow scripts execute with correct output against real data. GitHub sync commands blocked by missing interactive auth.
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.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- GitHub CLI (gh) not in PATH at start; sudo not available for apt-get install1,2 minutos
- GitHub authentication unavailable non-interactively in sandbox
- Tempo de instalação
- 3 minutos
- Da máquina limpa até o fim
- 4 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- Ran all 14 bash scripts against sample PRD/epic/task data: status.sh (1 PRD, 1 epic, 3 tasks), standup.sh (standup report with correct counts), epic-list.sh (1 epic in-progress at 0%), epic-status.sh (3 tasks, 0% progress bar), epic-show.sh (3 parallel tasks listed), prd-list.sh (1 PRD in-progress), prd-status.sh (distribution chart), next.sh (3 ready tasks), blocked.sh (0 blocked), in-progress.sh (1 active epic), search.sh 'task' (4 matches across PRD + tasks), validate.sh (0 errors, 0 warnings, system healthy), help.sh (full command list), init.sh (structure created)
- Tokens de modelo usados
- 69.244
- Commit exato testado
- 7d7e4623bc6d
- 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.
✅ System is healthy! EXIT: 0 All scripts verified successfully. Here's the final assessment: **Install**: The skill directory is properly structured. We installed the `gh` CLI by downloading t… **Verification**: All 14 bash scripts (`status.sh`, `standup.sh`, `epic-list.sh`, `epic-show.sh`, `… 2026-09-28T02:00:09.622946Z ERROR codex_core::session: failed to record rollout items: thread 01a0e… 2026-09-28T02:00:09.622989Z ERROR codex_core::session: failed to record rollout items: thread 01a0e… tokens used 69,244 All scripts verified successfully. Here's the final assessment: **Install**: The skill directory is properly structured. We installed the `gh` CLI by downloading t… **Verification**: All 14 bash scripts (`status.sh`, `standup.sh`, `epic-list.sh`, `epic-show.sh`, `…
Reproduzir 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 2,7 minutos, mais rápido que a mediana dos 110 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 2 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, ccpm foi o 34º mais rápido a chegar a um estado de execução, e 83 de 111 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 2,7 minutos depois do clone.
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-agentsai-codingclaudeclaude-codeproject-managementvibe-coding
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/ccpm)Perguntas
- ccpm executa?
- Sim. ccpm executa. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou ccpm?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 7d7e4623bc6d. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar ccpm?
- A execução que produziu este veredito custou US$ 0,03: 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 ccpm?
- 2,7 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- ccpm 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 ccpm?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como ccpm se compara às alternativas?
- Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, ccpm foi o 34º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
- Onde estão as evidências de ccpm?
- A execução registrada está 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.