Original em inglês: https://argusic.com/subject/watch-skill
watch-skill
Dê aos AI agents olhos, ouvidos e resultados verificáveis. Watch Skill transforma vídeo, áudio e atividade de tela em evidências pesquisáveis e com carimbo de tempo, e prova o trabalho com contratos determinísticos, não com opinião de modelo. DeepWatch é o espaço de trabalho do agent construído sobre o DeepSeek Harness. Python + npm, MCP, CLI, REST, Web.
Não foi possível verificarfonte: GitHubpágina do projetoPythonMITcommit f1317c8fe647
Python, licença MIT. O projeto se descreve como: agent observability, agent skills, agentic ai, ai agents, audio understanding, computer vision, deepseek e deepseek harness.
A Argusic não conseguiu fazer watch-skill executar. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 1,8 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
watch-skill 1.4.3 installed with all extras; 2215 offline tests pass; ruff clean; CLI reports all dependencies operational; lint checks pass.
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.
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.
- NO_COLOR=1 and TERM=dumb in container suppress Rich ANSI output1 minuto
- `python` binary not found on PATH (only `python3` exists)0,5 minutos
- Playwright Chromium browser not installed0,2 minutos
- Tempo de instalação
- 2 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest -m 'not network' exited 0: 2215 passed, 50 skipped; ruff check . passed; watch-skill --version returned 1.4.3; watch-skill doctor reported all gates ok
- Tokens de modelo usados
- 1.109.181
- Commit exato testado
- f1317c8fe647
- 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.
- Da máquina limpa até o fim
- a tentativa foi interrompida no limite de tempo depois de 88 minutos, então nunca terminou
- 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.
/bin/sh -lc 'cd /work/repo && export PATH="/home/runner/.local/bin:$PATH" && .venv/bin/python -m py…
succeeded in 6359ms:
s..... [100%]
=============================== warnings summary ===============================
.venv/lib/python3.11/site-packages/fastapi/testclient.py:1
/work/repo/.venv/lib/python3.11/site-packages/fastapi/testclient.py:1: StarletteDeprecationWarnin…
from starlette.testclient import TestClient as TestClient # noqa
-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html
5 passed, 1 skipped, 2259 deselected, 1 warning in 5.94s
All 5 accessibility tests now pass too. Let me get the final comprehensive result
exec
/bin/sh -lc 'cd /work/repo && export PATH="/home/runner/.local/bin:$PATH" && .venv/bin/python -m py…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 3 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.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Um agent sem limite de tempo não conseguiu fazê-lo executar.
- Levou 1,8 minutos para instalar, mais devagar que a mediana dos 3 projetos comparáveis que a Argusic mediu.
Dos 4 projetos de agent-observability que a Argusic instalou e cronometrou, watch-skill foi o 3º mais rápido a chegar a um estado de execução, e 3 de 4 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 | 2/3 | Tempo esgotado | 0,00 | 0,20 | |
| Argusic Runner | 1/3 | Tempo esgotado | 0,00 | 0,24 |
Tópicos (de GitHub)
agent-observabilityagent-skillsagentic-aiai-agentsaudio-understandingcomputer-visiondeepseekdeepseek-harnessdeepwatchllmlocal-firstmcpmultimodalocrpythonspeech-to-texttypescriptverificationvideo-analysisvideo-understanding
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/watch-skill)Perguntas
- watch-skill executa?
- A Argusic não conseguiu verificar se watch-skill executa. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou watch-skill?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f1317c8fe647. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar watch-skill?
- A execução que produziu este veredito custou US$ 0,20: 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 watch-skill?
- 1,8 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- watch-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 watch-skill?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como watch-skill se compara às alternativas?
- Dos 4 projetos de agent-observability que a Argusic instalou e cronometrou, watch-skill foi o 3º mais rápido a chegar a um estado de execução, e 3 de 4 chegaram a esse estado.
- Onde estão as evidências de watch-skill?
- 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.