Original em inglês: https://argusic.com/subject/karpathy-llm-wiki
karpathy-llm-wiki
Wiki de LLM compatível com Agent Skills para Claude Code, Cursor e Codex. Construa uma base de conhecimento no estilo Karpathy a partir de fontes brutas, citações e linting.
Executafonte: GitHubPythonMITcommit eafcc77001e4
Python, licença MIT. O projeto se descreve como: agent skill, claude code, codex, cursor, karpathy, knowledge base, knowledge management e llm.
karpathy-llm-wiki executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,5 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
The karpathy-llm-wiki skill repository installs manually via file copy, passes all 52 unit tests, and the check_evidence.py evidence checker script works correctly against real wiki/raw example data.
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.
- npx add-skill requires Node.js >=22.20.0, container has v18.19.10,5 minutos
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 3 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- python3 -m unittest discover -s tests -p *.py exited 0, 52 passed; scripts/check_evidence.py ran against example wiki data and reported 0 fidelity suspects, 0 evidence errors, 0 unreferenced raws; module imports cleanly with stdlib only
- Tokens de modelo usados
- 52.430
- Commit exato testado
- eafcc77001e4
- 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.
succeeded in 0ms:
All stdlib dependencies available
All 52 tests pass cleanly, the evidence checker correctly validates real examples with 0 fidelity s…
exec
/bin/sh -lc "echo 'ARGUSIC_RESULT: {\"install_succeeded\": true, \"launch_succeeded\": true, \"inst…
succeeded in 0ms:
Here's my final assessment:
The karpathy-llm-wiki repository is a pure-Python Agent Skills project with zero external dependenc…
tokens used
52,430
Here's my final assessment:
The karpathy-llm-wiki repository is a pure-Python Agent Skills project with zero external dependenc…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 0,5 minutos, mais rápido que a mediana dos 13 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.
- 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 14 projetos de agent-skill que a Argusic instalou e cronometrou, karpathy-llm-wiki foi o 3º mais rápido a chegar a um estado de execução, e 11 de 14 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 0,5 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)
agent-skillclaude-codecodexcursorkarpathyknowledge-baseknowledge-managementllmllm-wikimarkdownpersonal-knowledge-baseproductivityrag-alternative
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/karpathy-llm-wiki)Perguntas
- karpathy-llm-wiki executa?
- Sim. karpathy-llm-wiki executa. 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 karpathy-llm-wiki?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit eafcc77001e4. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar karpathy-llm-wiki?
- 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 karpathy-llm-wiki?
- 0,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- karpathy-llm-wiki 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 karpathy-llm-wiki?
- 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 karpathy-llm-wiki se compara às alternativas?
- Dos 14 projetos de agent-skill que a Argusic instalou e cronometrou, karpathy-llm-wiki foi o 3º mais rápido a chegar a um estado de execução, e 11 de 14 chegaram a esse estado.
- Onde estão as evidências de karpathy-llm-wiki?
- 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.