Original em inglês: https://argusic.com/subject/softwarecopyright-skill
SoftwareCopyright-Skill
Gerador de materiais de solicitação de registro de software na China Skills, este Skills lê o projeto local e gera automaticamente um conjunto completo de materiais de solicitação de softwares.docx, totalmente código aberto, sem necessidade de pagar por qualquer serviço de solicitação de softwares.
Executa com mocksfonte: GitHubPythonAGPL-3.0commit 947d5963194b
Python, licença AGPL-3.0.
SoftwareCopyright-Skill executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 10 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
All 12 Python scripts compile and pass static analysis; 32 unit tests pass; demo DOCX output files are valid OpenXML; scripts can analyze projects and extract code materials; OfficeCLI dependency is correctly detected as unavailable for final DOCX generation
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.
- test_playwright_cli_uses_global_prefix_without_restart: test created .cmd file (Windows) on Linux; npm_global_candidates returns bin/playwright-cli on POSIX, causing test failure3 minutos
- Tempo de instalação
- 10 minutos
- Da máquina limpa até o fim
- 11 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- python3 -m unittest discover -s software-copyright-materials/tests -q exited 0: 32 tests passed; python3 -m compileall -q software-copyright-materials/scripts exited 0; all 12 scripts import without errors; demo DOCX files validated as valid OpenXML via zipfile; analyze_project, propose_code_selection, and extract_code_material scripts ran successfully against test project
- Tokens de modelo usados
- 124.452
- Commit exato testado
- 947d5963194b
- 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.
"msg": "test_playwright_cli_uses_global_prefix_without_restart: Test created .cmd file (Windo…
"fix": "Changed test to create bin/playwright-cli with shebang instead of playwright-cli.cmd …
"minutes": 3
}
],
"test_depth": "tier2_mock",
"notes": "Argusic Agent skill for generating Chinese software copyright materials. No Python depe…
"verified_how": "python3 -m unittest discover -s software-copyright-materials/tests -q exited 0: …
"final_state": "All 12 Python scripts compile and pass static analysis; 32 unit tests pass; demo …
}
tokens used
124,452Reproduzir 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 do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença AGPL-3.0, 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.
- Levou 10 minutos para instalar, mais devagar que a mediana dos 46 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 47 projetos de Python que a Argusic instalou e cronometrou, SoftwareCopyright-Skill foi o 40º mais rápido a chegar a um estado de execução, e 28 de 47 chegaram a esse estado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,07 |
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/softwarecopyright-skill)Perguntas
- SoftwareCopyright-Skill executa?
- SoftwareCopyright-Skill executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 10 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou SoftwareCopyright-Skill?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 947d5963194b. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar SoftwareCopyright-Skill?
- A execução que produziu este veredito custou US$ 0,07: 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 SoftwareCopyright-Skill?
- 10 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- SoftwareCopyright-Skill 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 SoftwareCopyright-Skill?
- 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 SoftwareCopyright-Skill se compara às alternativas?
- Dos 47 projetos de Python que a Argusic instalou e cronometrou, SoftwareCopyright-Skill foi o 40º mais rápido a chegar a um estado de execução, e 28 de 47 chegaram a esse estado.
- Onde estão as evidências de SoftwareCopyright-Skill?
- 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.