Original em inglês: https://argusic.com/subject/khazix-skills
khazix-skills
数字生命卡兹克: coleção de AI Skills de código aberto | Agent Skills: leader (ajuda você a definir metas), neat-freak (mania de limpeza), hv-analysis, khazix-writer e mais: Claude Code, Codex e 40+ agents
Executafonte: GitHubPythonMITcommit 4f2db0980273
Python, licença MIT. O projeto se descreve como: agent skills, ai agents, claude, claude code, codex, developer tools, llm e skills.
khazix-skills executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 5,2 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
aihot skill installed and its live API returns real AI news (HTTP 200 with real items); neat-freak all 11 structural regressions and 21 trigger evals pass; hv-analysis md_to_pdf.py generates valid PDFs via WeasyPrint; storage-analyzer build_report.py and server.py produce and serve disk-usage reports; scan.py correctly rejects Linux per documented platform limitation; all scripts require zero third-party API keys
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 97,5 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.
- Tempo de instalação
- 5 minutos
- Da máquina limpa até o fim
- 5 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- aihot install.sh --target codex installed v1.7.2 to ~/.agents/skills/aihot; AIHOT API GET /api/v1/items returned HTTP 200 with 3 real news items; neat-freak validate.py exited 0: description=802 chars, body=210 lines, behavior_evals=11, trigger_evals=21, intent_positives=8; hv-analysis md_to_pdf.py generated 7.9KB valid PDF (9 objects, xref, %%EOF) via WeasyPrint 70.0; storage-analyzer build_report.py + test JSON produced 27KB HTML report; server.py module test: GET / returned 200 with rendered HTML, POST /action with valid token returned 200, bad token rejected 403, unknown path returned 404; audit-inventory.sh ran OK on repo root
- Tokens de modelo usados
- 166.247
- Commit exato testado
- 4f2db0980273
- 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.
'scan.py correctly rejects Linux per documented platform limitation; '
'all scripts require zero third-party API keys'
)
}
# validate JSON output
j = json.dumps(result, ensure_ascii=False)
print(j)
\" 2>&1" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 5.2, "errors": [], "test_d…
tokens used
166,247Reproduzir 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.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 5,2 minutos para instalar, mais devagar que a mediana dos 106 projetos comparáveis que a Argusic mediu.
Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, khazix-skills foi o 74º mais rápido a chegar a um estado de execução, e 78 de 107 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 5,2 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
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-skillsai-agentsclaudeclaude-codecodexdeveloper-toolsllmskillsvibe-coding
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/khazix-skills)Perguntas
- khazix-skills executa?
- Sim. khazix-skills executa. A Argusic o instalou e iniciou em uma máquina limpa em 5 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou khazix-skills?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 4f2db0980273. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar khazix-skills?
- A execução que produziu este veredito custou US$ 0,03: 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 khazix-skills?
- 5,2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- khazix-skills 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 khazix-skills?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como khazix-skills se compara às alternativas?
- Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, khazix-skills foi o 74º mais rápido a chegar a um estado de execução, e 78 de 107 chegaram a esse estado.
- Onde estão as evidências de khazix-skills?
- Todas as 2 execuções registradas estão 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.