Original em inglês: https://argusic.com/subject/devbox
devbox
Harness autônomo de engenharia de código aberto na sua nuvem. Um ambiente isolado por tarefa, sem segredos reais dentro.
Executa com mocksfonte: GitHubpágina do projetoTypeScriptMITcommit fc2b4270eb80
TypeScript, licença MIT. O projeto se descreve como: agent harness, agent sandbox, agent security, agentic coding, autonomous agents, background agents, coding agents e harness engineering.
devbox executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 1 minuto e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
All three component test suites (CLI 293/293, harness 1101/1101, helm chart 126/126) pass. Control-plane 1597/1608 pass; the 8 failures all require PostgreSQL 18 which is not available in this container. The CLI binary responds to its help command listing 10 commands.
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.
- 8 control-plane tests fail: no PostgreSQL 18 database available in container1 minuto
- Tempo de instalação
- 1 minuto
- Da máquina limpa até o fim
- 8 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- bun test (cli): 293/293 pass; bun test (control-plane): 1597/1608 pass, 8 DB-dependent fail; python3 -m unittest (harness): 1101/1101 pass; bun test (helm chart): 126/126 pass
- Tokens de modelo usados
- 177.450
- Commit exato testado
- fc2b4270eb80
- 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.
**Chart tests (Helm):** 126 pass, 0 fail across 7 test files ✅ The `scripts.test.ts` file hangs in this sandbox due to subprocess spawning — not a repo defect. Total install time: installing Bun (8s + download), uv/Python deps (3s), control-plane deps (1s), C… tokens used 177,450 Now I have the full picture. Here's the summary of everything observed: **CLI:** 293 pass, 0 fail ✅ **Harness (Python):** 1101 pass, 0 fail (7 skipped) ✅ **Control-plane (Bun):** 1597 pass, 3 skip, 8 fail — all 8 failures are from missing PostgreSQL (no… **Chart tests (Helm):** 126 pass, 0 fail across 7 test files ✅ The `scripts.test.ts` file hangs in this sandbox due to subprocess spawning — not a repo defect. Total install time: installing Bun (8s + download), uv/Python deps (3s), control-plane deps (1s), C…
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 1 minuto, mais rápido que a mediana dos 8 projetos comparáveis que a Argusic mediu.
- 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.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 9 projetos de agent-harness que a Argusic instalou e cronometrou, devbox foi o 1º mais rápido a chegar a um estado de execução, e 6 de 9 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 | 0,04 |
Tópicos (de GitHub)
agent-harnessagent-sandboxagent-securityagentic-codingautonomous-agentsbackground-agentscoding-agentsharness-engineering
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/devbox)Perguntas
- devbox executa?
- devbox executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou devbox?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit fc2b4270eb80. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar devbox?
- A execução que produziu este veredito custou US$ 0,04: 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 devbox?
- 1 minuto na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- devbox 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 devbox?
- 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 devbox se compara às alternativas?
- Dos 9 projetos de agent-harness que a Argusic instalou e cronometrou, devbox foi o 1º mais rápido a chegar a um estado de execução, e 6 de 9 chegaram a esse estado.
- Onde estão as evidências de devbox?
- 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.