Original em inglês: https://argusic.com/subject/claude-code-skill-factory
claude-code-skill-factory
Claude Code Skill Factory: um poderoso kit de ferramentas de código aberto para construir e fazer deploy de Claude Skills, Code Agents, Slash Commands personalizados e LLM Prompts prontos para produção em escala. Gere facilmente modelos estruturados de habilidades, automatize a integração de fluxos de trabalho e acelere o desenvolvimento de AI agents com uma configuração limpa e amigável para desenvolvedores.
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit ba18b3170354
Python, licença MIT. O projeto se descreve como: ai agents, ai tools, claude ai, claude code, claude skills e claude skills creator.
claude-code-skill-factory executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 23 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
All 61 Python modules compile, 14 JSON files validate, and all 6 skill generator tools execute end-to-end with bundled sample data: hook-factory, prompt-factory (7/7 validation), scrum-master-agent (5 stories parsed, sprint metrics computed), slash-command-factory (17 presets), agent-factory (valid YAML), codex-cli-bridge (Codex CLI 0.162.1 detected via safety mechanism)
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 92 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.
- Missing PyYAML dependency for scrum-master-agent and codex-cli-bridge (import yaml)2 minutos
- Tempo de instalação
- 23 minutos
- Da máquina limpa até o fim
- 23 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- All entry points executed in isolated subprocesses: hook_factory generated hooks to generated-hooks/; generate_prompt with --preset fullstack-engineer produced 7/7 validated output; batch_generator 2/2 prompts succeeded; scrum-master-agent parsed CSV data into 5 stories and computed velocity=3 total=31; slash-command-factory generated commands from 17 presets all valid; agent-factory produced valid YAML frontmatter; safety_mechanism confirmed Codex CLI 0.162.1 installed
- Tokens de modelo usados
- 2.122.189
- Commit exato testado
- ba18b3170354
- 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
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
echo \"Now: "'$(date -u +%Y-%m-%dT%H:%M:%SZ)" start_s=$(date -d "2026-10-12T13:21:00" +%s 2>/dev/null || date -j -f "%Y-%m-%dT%H:%M:%S" "2026-10-… now_s=$(date +%s) echo "Elapsed: $(( (now_s - start_s) / 60 )) min"' in /work/repo succeeded in 0ms: Start: 2026-10-12T13:21:00 Now: 2026-10-12T13:44:08Z Elapsed: 23 min All verified. Here is the report: tokens used 2,122,189 All verified. Here is the report:
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
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Levou 23 minutos para instalar, mais devagar que a mediana dos 110 projetos comparáveis que a Argusic mediu.
- 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, claude-code-skill-factory foi o 95º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
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
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,46 |
Tópicos (de GitHub)
ai-agentsai-toolsclaude-aiclaude-codeclaude-skillsclaude-skills-creator
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/claude-code-skill-factory)Perguntas
- claude-code-skill-factory executa?
- claude-code-skill-factory executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 23 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou claude-code-skill-factory?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit ba18b3170354. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar claude-code-skill-factory?
- A execução que produziu este veredito custou US$ 0,46: 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 claude-code-skill-factory?
- 23 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- claude-code-skill-factory 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 claude-code-skill-factory?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como claude-code-skill-factory se compara às alternativas?
- Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, claude-code-skill-factory foi o 95º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
- Onde estão as evidências de claude-code-skill-factory?
- 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.