Original em inglês: https://argusic.com/subject/clean-coder-ai
Clean-Coder-AI
Assistente de IA 2 em 1 para desenvolvedor e gerente de projeto. Os agentes de IA planejam um projeto inteiro no Todoist e codificam tarefa por tarefa.
Executa com mocksfonte: GitHubpágina do projetoPythonApache-2.0commit 77143dfe5061
Python, licença Apache-2.0. O projeto se descreve como: agent, ai, cli, code generation, code writing e coding agents.
Clean-Coder-AI executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 8 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
All unit tests pass (14/14), all 28 source modules import cleanly, main entry points (manager.py, single_task_coder.py) import without error, and Playwright Chromium browser is installed.
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.
- 6 unit tests failed due to argument order mismatch: tests called run_script_in_env(script_name, work_dir) but the function signature is run_script_in_env(work_dir, execute_file_name). Also logs_from_running_script mock assertions had wrong argument order.5 minutos
- Tempo de instalação
- 8 minutos
- Da máquina limpa até o fim
- 4 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- pytest -m 'not integration' returned 14 passed, 1 skipped, 2 deselected
- Tokens de modelo usados
- 59.872
- Commit exato testado
- 77143dfe5061
- 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.
tokens used 59,872 Everything checks out. Let me compile the final result. Here's what I found and fixed: - **Created venv and installed 99+ packages** from `requirements.txt` — all succeeded. - **Identified 6 failing unit tests** due to the tests passing arguments to `run_script_in_env(scri… - **Fixed all tests**: corrected argument order in test calls and assertions to match the real func… - **Verified all 28 source modules** import cleanly. - **Verified `single_task_coder.py` and `manager.py`** parse and import correctly. - **Installed Playwright Chromium** browser for frontend testing support. - **Integration tests** (`pytest -m integration`) require real LLM API keys — that's expected. **Final test suite result**: `14 passed, 1 skipped, 2 deselected` (the 2 deselected are the integra…
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
- Instalado em 8 minutos.
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença Apache-2.0, 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.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 135 projetos de agent que a Argusic instalou e cronometrou, Clean-Coder-AI foi o 65º mais rápido a chegar a um estado de execução, e 87 de 135 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 | 0,06 |
Tópicos (de GitHub)
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/clean-coder-ai)Perguntas
- Clean-Coder-AI executa?
- Clean-Coder-AI executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 8 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou Clean-Coder-AI?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 77143dfe5061. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar Clean-Coder-AI?
- A execução que produziu este veredito custou US$ 0,06: 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 Clean-Coder-AI?
- 8 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- Clean-Coder-AI 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 Clean-Coder-AI?
- 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 Clean-Coder-AI se compara às alternativas?
- Dos 135 projetos de agent que a Argusic instalou e cronometrou, Clean-Coder-AI foi o 65º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
- Onde estão as evidências de Clean-Coder-AI?
- 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.