Original em inglês: https://argusic.com/subject/login-machine
login-machine
Automação de login com IA. Usa Claude para classificar páginas de login e Playwright para interagir com elas.
Executa com mocksfonte: GitHubpágina do projetoTypeScriptMITcommit e1da92965029
TypeScript, licença MIT. O projeto se descreve como: ai agents, browser automation, browserbase, claude, computer use, llm, login automation e nextjs.
login-machine executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 17 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
The Next.js app builds, launches, returns HTTP 200 on / and /api/chat, and responds to all API actions (start, submit, close, error handling) using local Playwright Chromium with a mock heuristic page classifier.
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.
- BROWSERBASE_API_KEY and BROWSERBASE_PROJECT_ID env vars not set — browser.ts threw errors on startup4 minutos
- ANTHROPIC_API_KEY env var not set — agent.ts required it for LLM analysis via @ai-sdk/anthropic3 minutos
- Next.js 16 requires Node.js >=20.9.0, but only Node.js v18.19.1 was available2 minutos
- Two ESLint warnings: unused variables 'url' and 'hasInput' in the new mock code1 minuto
- Tempo de instalação
- 17 minutos
- Da máquina limpa até o fim
- 17 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- curl -s -o /dev/null -w %{http_code} localhost:3000 returned 200; POST /api/chat with action=start returned 200 with sessionId and screen; POST /api/chat with action=submit (SSE path) returned 200 with action_complete and screen events; POST /api/chat with action=submit (JSON auto-retry path) returned 200 with screen classification; POST /api/chat with invalid JSON returned 400; POST /api/chat with unknown action returned 400
- Tokens de modelo usados
- 219.207
- Commit exato testado
- e1da92965029
- 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
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
All verified. Let me now calculate the elapsed time and produce the final report. exec /bin/sh -lc 'kill %1 2>/dev/null; kill %2 2>/dev/null; true' in /work/repo succeeded in 0ms: exec /bin/sh -lc date in /work/repo succeeded in 0ms: Mon Oct 26 01:36:17 UTC 2026 Alright, I have all the data. Let me now compose the final result. tokens used 219,207 Alright, I have all the data. Let me now compose the final result.
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 4 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 17 minutos para instalar, mais devagar que a mediana dos 110 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 111 projetos de ai-agents que a Argusic instalou e cronometrou, login-machine foi o 85º mais rápido a chegar a um estado de execução, e 83 de 111 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 | 0,22 |
Tópicos (de GitHub)
ai-agentsbrowser-automationbrowserbaseclaudecomputer-usellmlogin-automationnextjsplaywrightweb-agent
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/login-machine)Perguntas
- login-machine executa?
- login-machine executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 17 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou login-machine?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit e1da92965029. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar login-machine?
- A execução que produziu este veredito custou US$ 0,22: 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 login-machine?
- 17 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- login-machine 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 login-machine?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como login-machine se compara às alternativas?
- Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, login-machine foi o 85º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
- Onde estão as evidências de login-machine?
- 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.