Bản gốc tiếng Anh: https://argusic.com/subject/devbox
devbox
Harness kỹ thuật tự động mã nguồn mở chạy trên cloud của bạn. Mỗi tác vụ một sandbox, không có secret thật nào bên trong.
Chạy được với mocknguồn: GitHubtrang chủ dự ánTypeScriptMITcommit fc2b4270eb80
TypeScript, giấy phép MIT. Dự án tự gắn nhãn: agent harness, agent sandbox, agent security, agentic coding, autonomous agents, background agents, coding agents và harness engineering.
devbox chạy được, với dịch vụ giả lập thay cho các dịch vụ nó phụ thuộc. Trên một máy sạch không có GPU, một agent của Argusic đã cài đặt nó trong 1 phút, gặp 1 lỗi và tự sửa hết mà không cần trợ giúp, và toàn bộ phiên làm việc được ghi lại.
All three component test suites (CLI 293/293, harness 1101/1101, helm chart 126/126) pass. Control-plane 1597/1608 pass; the 8 failures all require PostgreSQL 18 which is not available in this container. The CLI binary responds to its help command listing 10 commands.
Kết quả agent đạt được trên máy sạch, bằng chính lời của nó. Cách đo
Argusic đo trên một máy mới mỗi lần. Mỗi con số đều link tới bằng chứng của nó. Điểm Argusic 92 trên 100 (trung bình điểm các lần chạy của dự án này).
Tóm tắt
Dữ liệu dự án lấy từ GitHub, có link ở đầu trang, cập nhật . Dữ liệu test của Argusic (CC BY 4.0); mỗi con số đều link tới một trang run có đầy đủ log, bản ghi và mã sha256 của chúng.
Những gì đã đo
Lấy từ lần chạy quyết định kết luận này. Mỗi dòng là một giá trị được ghi lại, không phải ước tính.
Những gì trục trặc, bằng chính lời của agent
Lời của chính agent, lỗi nặng nhất trước, không bao giờ viết lại thành lời khuyên.
- 8 control-plane tests fail: no PostgreSQL 18 database available in container1 phút
- Thời gian cài đặt
- 1 phút
- Từ máy sạch đến khi xong
- 8 phút
- Lỗi gặp và đã sửa
- gặp 1, tự sửa 1 mà không cần người giúp
- Cách chứng minh kết quả
- bun test (cli): 293/293 pass; bun test (control-plane): 1597/1608 pass, 8 DB-dependent fail; python3 -m unittest (harness): 1101/1101 pass; bun test (helm chart): 126/126 pass
- Số token model đã dùng
- 177.450
- Commit chính xác đã test
- fc2b4270eb80
- Container image
- sha256:cdd920bce783
Những gì chưa đo
Nửa còn lại, để bạn thấy rõ bằng chứng này đi xa tới đâu. Chỗ trống được ghi là chỗ trống và không bao giờ được lấp vào.
- Bộ nhớ GPU cao nhất
- lần này chạy trên máy CPU, nên không có GPU để đo
- Hoạt động khi chạy lâu
- mỗi lần thử dùng cấu hình nhỏ nhất có trong tài liệu và một khoảng thời gian cố định, nên đây là đo xem nó có chạy hay không, không đo nó chịu tải ra sao
- Hoạt động với dịch vụ thật
- lần chạy này chỉ được kiểm chứng với dịch vụ giả lập
Đoạn cuối của bản ghi
Những dòng cuối của phiên terminal đã quyết định kết luận này, đúng như khi được ghi lại.
**Chart tests (Helm):** 126 pass, 0 fail across 7 test files ✅ The `scripts.test.ts` file hangs in this sandbox due to subprocess spawning — not a repo defect. Total install time: installing Bun (8s + download), uv/Python deps (3s), control-plane deps (1s), C… tokens used 177,450 Now I have the full picture. Here's the summary of everything observed: **CLI:** 293 pass, 0 fail ✅ **Harness (Python):** 1101 pass, 0 fail (7 skipped) ✅ **Control-plane (Bun):** 1597 pass, 3 skip, 8 fail — all 8 failures are from missing PostgreSQL (no… **Chart tests (Helm):** 126 pass, 0 fail across 7 test files ✅ The `scripts.test.ts` file hangs in this sandbox due to subprocess spawning — not a repo defect. Total install time: installing Bun (8s + download), uv/Python deps (3s), control-plane deps (1s), C…
Xem lại toàn bộ phiên, mọi lệnh từ máy sạch tới thời điểm này.
Cách test
Một agent, một container, không có người giúp. Agent cài dự án theo đúng cách tài liệu của dự án hướng dẫn, chạy nó, và sửa những gì bị hỏng. Mọi thứ bên dưới được ghi lại đúng như đã diễn ra: phiên terminal, log và commit chính xác. Toàn bộ phương pháp.
Điểm mạnh và giới hạn
Dữ kiện đo được, không phải ý kiến. Cách viết nội dung.
Những gì suôn sẻ
- Cài đặt trong 1 phút, nhanh hơn trung vị của 8 dự án tương đương mà Argusic đã đo.
- Tự khắc phục cả 1 lỗi mà không cần người can thiệp, cho thấy các lỗi được ghi trong tài liệu đủ rõ để giải quyết.
- Giấy phép MIT, theo thông tin từ nơi lưu trữ dự án.
Những gì không suôn sẻ, hoặc chưa biết
- Chỉ đạt trạng thái chạy được với dịch vụ giả lập, nên ở đây không có gì chứng minh nó chạy với dịch vụ thật.
- Mới đo một lần. Một lần thử cho thấy nó có thể chạy, chưa cho thấy nó chạy ổn định.
Trong 9 dự án agent-harness mà Argusic đã cài đặt và bấm giờ, devbox đứng thứ 1 về tốc độ đạt trạng thái chạy được, và 6 trên 9 dự án đạt được trạng thái đó.
Cũng đã test, cùng lĩnh vực
Mỗi dự án ở đây đều được Argusic cài đặt và chạy trên máy sạch. Không có dự án nào chưa test xuất hiện ở đây.
Lịch sử chạy
| test bởi | lần thử | kết quả | điểm | chi phí USD | thời điểm |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Chạy được với mock | 92,00 | 0,04 |
Chủ đề (từ GitHub)
agent-harnessagent-sandboxagent-securityagentic-codingautonomous-agentsbackground-agentscoding-agentsharness-engineering
Nhúng badge
Markdown cho README của dự án. Badge link về trang này; điều khoản ở trang điều khoản.
[](https://argusic.com/subject/devbox)Câu hỏi
- devbox có chạy được không?
- devbox chạy được, với mock thay cho các dịch vụ bên ngoài. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 1 phút, gặp 1 lỗi trên đường đi, và ghi lại phiên làm việc.
- Argusic đã test devbox như thế nào?
- Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit fc2b4270eb80. Có một lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.
- Test devbox tốn bao nhiêu?
- Lần chạy đưa ra kết luận này tốn 0,04 USD: chi phí máy và model thật, không phải giá niêm yết theo triệu token. Con số được ghi trên trang của lần chạy đó.
- Cài đặt devbox mất bao lâu?
- 1 phút trong lần chạy quyết định kết luận này, từ máy sạch đến trạng thái chạy được. Đó là một lần thử đo được, không phải số trung bình.
- devbox có cần GPU không?
- Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.
- Cài đặt devbox thì gặp lỗi gì?
- 1 lỗi xảy ra trong lần chạy được ghi lại, và 1 lỗi đã được sửa mà không cần người giúp. Từng lỗi, cùng thời gian nó tốn, được liệt kê trên trang này.
- devbox so với các lựa chọn khác thế nào?
- Trong 9 dự án agent-harness mà Argusic đã cài đặt và bấm giờ, devbox đứng thứ 1 về tốc độ đạt trạng thái chạy được, và 6 trên 9 dự án đạt được trạng thái đó.
- Bằng chứng cho devbox ở đâu?
- Lần chạy được ghi lại nằm trên trang này, mỗi lần link tới log đầy đủ và terminal recording, được lưu kèm dấu vân tay sha256 để không thể bị sửa lén.