Original em inglês: https://argusic.com/subject/uniemployee
UniEmployee
Plataforma de construção e execução de funcionários digitais para empresas: transforma a experiência, os processos e os critérios de julgamento de funcionários profissionais em funcionários digitais de IA que podem ser colocados em ação a qualquer momento, configuráveis, aprováveis e observáveis.
Executafonte: GitHubPythonMITcommit 7d5edf5480d0
Python, licença MIT. O projeto se descreve como: agent orchestration, ai agent, ai employee, ai platform, business process, digital employee, digital workforce e enterprise agents.
UniEmployee executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 5 minutos e encontrou 6 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Backend server on port 8888 serves /health returning 200 with all 7 SQLite databases ok; 553 tests pass covering auth, catalog, conversations, approvals, analytics, security, guardrails, assignments, automations, ontology, traces, sandbox management, summarization, knowledge retrieval, tool calls, streaming, and runtime MCP;
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.
- admin account seeded with must_change_password=true blocking all admin API calls used by tests8 minutos
- Port 8787 occupied by argusic proxy that auto-restarts on kill; cannot bind uvicorn there5 minutos
- Argusic proxy on port 8787 returns 502 for all requests; tests hardcode BASE=http://localhost:87873 minutos
- Playwright browser tests require frontend/dist/ which is not built and Node.js 18 cannot build it (needs 20+)3 minutos
- deepagents version mismatch: requirements.txt specifies 0.7.13 but lock file pins 0.7.5 causing API incompatibility2 minutos
- Additional dependencies (duckdb, sqlglot, openpyxl, jieba, rank-bm25, SQLAlchemy, opensandbox, langchain-sandbox-opensandbox) not in lock file but required by requirements.txt2 minutos
- Tempo de instalação
- 5 minutos
- Da máquina limpa até o fim
- 38 minutos
- Erros encontrados e corrigidos
- 6 encontrados, 6 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- curl http://localhost:8888/health returned 200 with status ok and all 7 databases healthy; uvicorn server started and responded; 553/567 tests passed (all non-Playwright tests pass), 11 Playwright browser tests expectedly fail without built frontend dist/, 2 tests skipped as slow, 1 skipped for search
- Tokens de modelo usados
- 1.520.392
- Commit exato testado
- 7d5edf5480d0
- 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.
"test_depth": "tier1_real", "verified_how": "curl http://localhost:8888/health returned 200 with structured status; uvicorn a… "final_state": "Backend server on port 8888 serves health endpoint returning 200 with all 7 SQLit… } exec /bin/sh -lc "curl -s http://127.0.0.1:8888/health | python3 -c \"import sys,json; d=json.load(sys.s… succeeded in 0ms: Status: ok DBs OK: True 2026-10-21T19:27:21.141999Z ERROR codex_core::session: failed to record rollout items: thread 01a15… tokens used 1,520,392
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 5 minutos.
- Recuperou-se de todos os 6 erros 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 18 projetos de agent-orchestration que a Argusic instalou e cronometrou, UniEmployee foi o 7º mais rápido a chegar a um estado de execução, e 13 de 18 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 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-orchestrationai-agentai-employeeai-platformbusiness-processdigital-employeedigital-workforceenterprise-agentsenterprise-aihuman-in-the-loopknowledge-graphllmragworkflow-automation
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/uniemployee)Perguntas
- UniEmployee executa?
- Sim. UniEmployee executa. A Argusic o instalou e iniciou em uma máquina limpa em 5 minutos, encontrando 6 erros no caminho, e gravou a sessão.
- Como a Argusic testou UniEmployee?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 7d5edf5480d0. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar UniEmployee?
- A execução que produziu este veredito custou US$ 0,26: 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 UniEmployee?
- 5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- UniEmployee 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 UniEmployee?
- 6 coisas quebraram na execução registrada, e 6 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como UniEmployee se compara às alternativas?
- Dos 18 projetos de agent-orchestration que a Argusic instalou e cronometrou, UniEmployee foi o 7º mais rápido a chegar a um estado de execução, e 13 de 18 chegaram a esse estado.
- Onde estão as evidências de UniEmployee?
- 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.