Original em inglês: https://argusic.com/subject/sno-station-skills
sno-station-skills
Sno Station Skills: 31 habilidades testadas que transformam Claude Code e Codex em um único time de trabalho. Revisão por pares entre fornecedores, transferência automática quando um agent atinge sua cota, um resumo matinal de uma página, ordens de trabalho com evidências, e um ciclo noturno que aprende com suas próprias sessões. Código aberto, instalado com um sno setup.
Executa com mocksfonte: GitHubpágina do projetoShellApache-2.0commit 0451ca25ab9c
Shell, licença Apache-2.0. O projeto se descreve como: agent skills, agentic coding, ai code review, ai coding agent, ai coding assistant, claude code, claude code plugin e claude code skills.
sno-station-skills executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 69 minutos e encontrou 3 erros, e a sessão inteira foi gravada.
sno 1.1.13 is installed at /home/runner/.local/bin/sno with Sno Station setup into Codex; 19 of 22 unit selftests pass on this container, catch-report passes all 24 under a local Anthropic mock, and medic/rem-reflect selftests fail only on missing system tmux/strace which need root to install.
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 78,7 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.
- catch-report self-test needs a configured `claude` model call; on this machine claude prints Not logged in25 minutos
- medic self-test requires real tmux on /usr/bin:/bin (test hardcodes PATH); tmux not installed and no root10 minutos
- rem-reflect selftest-guard requires strace on /usr/bin:/bin in the traced child (hardcoded PATH); strace absent8 minutos
- Tempo de instalação
- 69 minutos
- Da máquina limpa até o fim
- 69 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- sh install script exited 0 and printed sno 1.1.13; sno doctor printed 313 already fine; catch-report.t with mock exited 0 with 24 ok; medic.t exited 1 with FAIL tools: tmux; rem-reflect node --test exited with 163 pass 1 fail (selftest-guard)
- Tokens de modelo usados
- 6.270.057
- Commit exato testado
- 0451ca25ab9c
- 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.
- 22 个单元 self-tests：19 通过，3 失败在环境缺口上：
- `catch-report`：25 项中 24 项通过；唯一失败项（test 14）要求真实/可用的 `claude` 模型调用。我搭建了 schema 正确的 Anthropic `/v1…
- `medic`：需要真实 `tmux` 在 `/usr/bin:/bin`（test 的 `run()` 硬编码该 PATH）。无 root 无法放入系统目录；我已用 `apt-get do…
- `rem-reflect`：单元测试 163/166 通过；唯一失败 `selftest-guard` 强制子进程 `strace` 必须在 `/usr/bin:/bin` 内（测试自身硬编…
- 仓库保持干净：`git status` 无任何改动；不提交、不发布、不改 skills 内容（符合 AGENTS.md）。
exec
/bin/sh -lc "echo 'ARGUSIC_RESULT: {\"install_succeeded\": true, \"launch_succeeded\": true, \"inst…
succeeded in 0ms:
Done. One summary line delivered above with the required `ARGUSIC_RESULT:` JSON.
tokens used
6,270,057
Done. One summary line delivered above with the required `ARGUSIC_RESULT:` JSON.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 69 minutos.
- Licença Apache-2.0, 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.
- Encontrou 3 erros durante a configuração, 2 dos quais não foram resolvidos.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
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 | 78,67 | 1,33 |
Tópicos (de GitHub)
agent-skillsagentic-codingai-code-reviewai-coding-agentai-coding-assistantclaude-codeclaude-code-pluginclaude-code-skillscode-reviewcodexcodex-clicodex-plugincodex-skillscoding-assistantllm-agentsmulti-agent-systemopenai-codexrate-limitself-learningskill-md
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/sno-station-skills)Perguntas
- sno-station-skills executa?
- sno-station-skills executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 69 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou sno-station-skills?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 0451ca25ab9c. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar sno-station-skills?
- A execução que produziu este veredito custou US$ 1,33: 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 sno-station-skills?
- 69 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- sno-station-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 sno-station-skills?
- 3 coisas quebraram na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de sno-station-skills?
- 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.