Original em inglês: https://argusic.com/subject/hue
hue
Habilidade de código aberto que aprende qualquer marca e a transforma em um sistema de design completo. Funciona no Claude Code e no Codex. Instale uma vez, toda UI que seu assistente constrói corresponde à sua marca.
Executa com mocksfonte: GitHubpágina do projetoJavaScriptMITcommit a910e31cd24b
JavaScript, licença MIT. O projeto se descreve como: ai tools, anthropic, claude code, claude skill, codex, design language, design system e openai.
hue executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 9 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
hue skill installed under ~/.codex/skills/hue and its validation gate passes on all 17 bundled examples plus a freshly generated contract-correct skill folder (No findings, exit 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 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.
- js-yaml rejects SKILL.md as one YAML stream (frontmatter + body are one file, expected)1 minuto
- generated sample SKILL.md missing literal 'NEVER trigger automatically' → 1 error1 minuto
- codex debug skills list: unrecognized subcommand (CLI 0.162.1 has no skill-listing)1 minuto
- Tempo de instalação
- 9 minutos
- Da máquina limpa até o fim
- 3 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- node scripts/validate.mjs examples/*/ exited 0 for all 17 examples (0 errors); node scripts/validate.mjs /tmp/gen/meadow-test exited 0 printing 'No findings. Summary: 0 error(s), 0 warning(s), 0 skipped, PASS'; codex doctor exited 0 with '19 ok'; codex --version printed codex-cli 0.162.1
- Tokens de modelo usados
- 75.613
- Commit exato testado
- a910e31cd24b
- 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.
**Install (per README):** cloned the repo to `~/.codex/skills/hue`; `codex-cli 0.162.1` and `codex …
**Ran the app / tests:**
- All 17 example skills pass the project's validation gate: `node scripts/validate.mjs examples/*/`…
- Built a *minimal schema-correct generated-skill* (`/tmp/gen/meadow-test`) with `SKILL.md` + `desi…
- Positive control: deliberately broke the same inputs → gate reported 2 errors and exited 1, provi…
- Installed-copy re-run of the full example loop: no failures.
- Also verified the SKILL.md frontmatter parses as strict YAML (`name: hue`, `version: 1.2.0`).
**Error log (3 unique, all fixed):**
1. `YAML parse of full SKILL.md` (frontmatter + body) failed — `end of stream … expected (15:1)` — …
2. First `/tmp/gen` sample had filler description without `NEVER trigger automatically` → gate E1. …
3. Initial `codex debug skills list` doesn’t exist in CLI 0.162.1 (no skills-listing subcommand). F…
**Result JSON:** `{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 9, "erro…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 de todos os 3 erros 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 9 minutos para instalar, mais devagar que a mediana dos 26 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 27 projetos de ai-tools que a Argusic instalou e cronometrou, hue foi o 18º mais rápido a chegar a um estado de execução, e 17 de 27 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 | 0,02 |
Tópicos (de GitHub)
ai-toolsanthropicclaude-codeclaude-skillcodexdesign-languagedesign-systemopenai
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/hue)Perguntas
- hue executa?
- hue executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 9 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou hue?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit a910e31cd24b. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar hue?
- 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 hue?
- 9 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- hue 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 hue?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como hue se compara às alternativas?
- Dos 27 projetos de ai-tools que a Argusic instalou e cronometrou, hue foi o 18º mais rápido a chegar a um estado de execução, e 17 de 27 chegaram a esse estado.
- Onde estão as evidências de hue?
- 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.