SkillOpt có chạy được không?

Có. SkillOpt chạy được. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 8 phút, gặp 0 lỗi trên đường đi, và ghi lại phiên làm việc.

Argusic đã test SkillOpt như thế nào?

Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit 79124b37e9a6. Có 2 lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.

Test SkillOpt tốn bao nhiêu?

Lần chạy đưa ra kết luận này tốn 0,01 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 SkillOpt mất bao lâu?

8 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.

SkillOpt có cần GPU không?

Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.

Cài đặt SkillOpt thì gặp lỗi gì?

Không có lỗi nào trong lần chạy được ghi lại: không lỗi nào từ lúc clone đến lúc chạy.

Bằng chứng cho SkillOpt ở đâu?

Cả 2 lần chạy được ghi lại đều 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.

Bản gốc tiếng Anh: https://argusic.com/subject/skillopt

SkillOpt

SkillOpt là một trình tối ưu hóa trong không gian văn bản, huấn luyện các skill ngôn ngữ tự nhiên có thể tái sử dụng cho các agent LLM đóng băng thông qua các chỉnh sửa dựa trên quỹ đạo, các cập nhật có kiểm soát bằng xác thực và các artifact best_skill.md có thể triển khai.

Chạy đượcnguồn: GitHub trang chủ dự ánPythonMITcommit 79124b37e9a6

Python, giấy phép MIT. Dự án tự gắn nhãn: agent skills và self evolving agents.

SkillOpt chạy được. Trên một máy sạch không có GPU, một agent của Argusic đã cài đặt nó trong 8 phút, không gặp lỗi nào, và toàn bộ phiên làm việc được ghi lại.

SkillOpt 0.2.0 installed from source in a PEP 668 venv; all 1496 tests pass; all three CLI entry points respond; the Sleep mock backend cycles without credentials
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 96 trên 100 (trung bình điểm các lần chạy của dự án này).

Tóm tắt

kết luận: Chạy được
Điểm Argusic: 96 / 100
chi phí của lần chạy kiểm chứng: 0,01 USD (đo thực tế)
số lần chạy đã ghi: 2
test gần nhất: 2026-11-02
lượt star: 18.890
fork: 1.795
issue đang mở: 74
người theo dõi: 67
dung lượng: 23 MB
ngày tạo: 2026-05-08
push gần nhất: 2026-11-04

Dữ liệu dự án lấy từ GitHub, có link ở đầu trang, cập nhật 2026-11-04. 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.

Thời gian cài đặt: 8 phút
Từ máy sạch đến khi xong: 2 phút
Lỗi gặp và đã sửa: gặp 0, tự sửa 0 mà không cần người giúp
Cách chứng minh kết quả: python -m pytest tests/ -q exited 0, 1496 passed, 12 skipped in 25.1s; pip install -e . succeeded; skillopt-train --help, skillopt-eval --help, skillopt-sleep --help all printed usage; python -c 'import skillopt; print("SkillOpt ready!")' succeeded; skillopt-sleep dry-run --backend mock completed without credentials
Số token model đã dùng: 67.216
Commit chính xác đã test: 79124b37e9a6
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

Đoạn cuối của bản ghi

Những dòng cuối của phiên terminal đã quyết định kết luận này, đúng như khi được ghi lại.

- **Install**: `pip install -e ".[dev]"` into a venv succeeded. All CLI entry points (`skillopt-tra…
- **Tests**: `python -m pytest tests/ -q` — **1496 passed, 12 skipped, 0 failed** in 25.1 seconds.
- **Sleep mock path**: `skillopt-sleep status` and `skillopt-sleep dry-run --backend mock` both com…
- **No errors** encountered.
tokens used
67,216
All systems verified. Let me compile the final report.
**Result summary:**
- **Install**: `pip install -e ".[dev]"` into a venv succeeded. All CLI entry points (`skillopt-tra…
- **Tests**: `python -m pytest tests/ -q` — **1496 passed, 12 skipped, 0 failed** in 25.1 seconds.
- **Sleep mock path**: `skillopt-sleep status` and `skillopt-sleep dry-run --backend mock` both com…
- **No errors** encountered.

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

Đạt trạng thái chạy được trên máy sạch, có ghi lại phiên làm việc.
Không có gì hỏng trên đường đi: không lỗi nào từ lúc clone đến lúc chạy.
Chạy được không cần GPU, nên không cần GPU để khởi động.
Giấy phép MIT, theo thông tin từ nơi lưu trữ dự án.
Đã đo 2 lần, nên kết quả không phải của một lần duy nhất.

Những gì không suôn sẻ, hoặc chưa biết

Mất 8 phút để cài đặt, chậm hơn trung vị của 106 dự án tương đương mà Argusic đã đo.

Trong 107 dự án agent-skills mà Argusic đã cài đặt và bấm giờ, SkillOpt đứng thứ 81 về tốc độ đạt trạng thái chạy được, và 78 trên 107 dự án đạt được trạng thái đó.

Phù hợp để dùng cho

Thử trên laptop hoặc máy chủ nhỏ: nó đạt trạng thái chạy được mà không cần GPU.
Đánh giá nhanh: nó đã chạy 8 phút sau khi clone.
Làm theo README của chính dự án: cách làm trong tài liệu chạy được mà không phải sửa gì.

Lịch sử chạy

test bởi	lần thử	kết quả	điểm	chi phí USD	thời điểm
Argusic Runner	2/3	Chạy được với mock	92,00	0,07	2026-11-02 23:15 UTC
Argusic Runner	1/3	Chạy được	100,00	0,01	2026-09-26 04:28 UTC

Chủ đề (từ GitHub)

agent-skills self-evolving-agents

Nhúng badge

Markdown cho README của dự án. Badge link về trang này; điều khoản ở trang điều khoản.

[![Tested by Argusic](https://argusic.com/badge/SkillOpt.svg)](https://argusic.com/subject/skillopt)

Câu hỏi

SkillOpt có chạy được không?: Có. SkillOpt chạy được. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 8 phút, gặp 0 lỗi trên đường đi, và ghi lại phiên làm việc.
Argusic đã test SkillOpt như thế nào?: Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit 79124b37e9a6. Có 2 lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.
Test SkillOpt tốn bao nhiêu?: Lần chạy đưa ra kết luận này tốn 0,01 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 SkillOpt mất bao lâu?: 8 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.
SkillOpt có cần GPU không?: Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.
Cài đặt SkillOpt thì gặp lỗi gì?: Không có lỗi nào trong lần chạy được ghi lại: không lỗi nào từ lúc clone đến lúc chạy.
SkillOpt so với các lựa chọn khác thế nào?: Trong 107 dự án agent-skills mà Argusic đã cài đặt và bấm giờ, SkillOpt đứng thứ 81 về tốc độ đạt trạng thái chạy được, và 78 trên 107 dự án đạt được trạng thái đó.
Bằng chứng cho SkillOpt ở đâu?: Cả 2 lần chạy được ghi lại đều 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.