英文原文: https://argusic.com/subject/watch-skill
watch-skill
为 AI agents 赋予视觉、听觉和可验证的结果。Watch Skill 将视频、音频和屏幕活动转化为可搜索、带时间戳的证据，并用确定性契约而非模型意见来证明工作成果。DeepWatch 是基于 DeepSeek Harness 构建的 agent 工作区。Python + npm、MCP、CLI、REST、Web。
无法验证来源：GitHub项目主页PythonMITcommit f1317c8fe647
Python，MIT 许可证. 项目的自我描述：agent observability、agent skills、agentic ai、ai agents、audio understanding、computer vision、deepseek 和 deepseek harness.
Argusic 没能让 watch-skill 运行起来。一个 Argusic agent 在一台没有 GPU 的干净机器上用 1.8 分钟完成了安装，遇到 3 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。
watch-skill 1.4.3 installed with all extras; 2215 offline tests pass; ruff clean; CLI reports all dependencies operational; lint checks pass.
agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式
每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。
概览
项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。
测量了什么
来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。
哪里出了问题，用 agent 自己的话说
agent 的原话，最严重的排在最前，从不改写成建议。
- NO_COLOR=1 and TERM=dumb in container suppress Rich ANSI output1 分钟
- `python` binary not found on PATH (only `python3` exists)0.5 分钟
- Playwright Chromium browser not installed0.2 分钟
- 安装时间
- 2 分钟
- 遇到并修复的错误
- 遇到 3 个，在无人协助的情况下修复了 3 个
- 结果是如何证明的
- 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
- 使用的模型 token
- 1,109,181
- 测试的确切 commit
- f1317c8fe647
- 容器镜像
- sha256:cdd920bce783
没有测量什么
另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。
- 从冷启动机器到完成
- 该尝试在用掉 88 分钟后因达到时间限制而被停止，因此始终没有完成
- GPU 显存峰值
- 本次运行在 CPU 机器上进行，没有可采样的 GPU
- 长时间运行的表现
- 每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
录屏的结尾
决定该结论的终端会话的最后几行，与录制时完全一致。
/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…回放完整会话，从干净的机器到此刻的每一条命令。
测试方式
一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.
优势与局限
均为实测事实，而非观点。内容是如何撰写的.
顺利的部分
- 在无人介入的情况下从全部 3 个错误中恢复，说明这些故障的文档足以让人解决。
- 采用 MIT 许可证，以其托管平台报告的信息为准。
- 已测量 2 次，因此结果并非偶然。
不顺利或尚不清楚的部分
- 一个没有时间限制的 agent 也没能让它运行起来。
- 安装用了 1.8 分钟，慢于 Argusic 测量过的 3 个同类项目的中位数。
在 Argusic 安装并计时过的 4 个 agent-observability 项目中，watch-skill 达到运行状态的速度排名第 3，4 个项目中有 3 个达到了运行状态。
同一领域中也测试过的项目
这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。
运行历史
主题 (来自 GitHub)
agent-observabilityagent-skillsagentic-aiai-agentsaudio-understandingcomputer-visiondeepseekdeepseek-harnessdeepwatchllmlocal-firstmcpmultimodalocrpythonspeech-to-texttypescriptverificationvideo-analysisvideo-understanding
嵌入徽章
用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.
[](https://argusic.com/subject/watch-skill)常见问题
- watch-skill 能运行吗？
- Argusic 无法验证 watch-skill 能否运行. Argusic 在一台干净的机器上安装并启动了它，用时 2 分钟，过程中遇到 3 个错误，并记录了整个会话。
- Argusic 是如何测试 watch-skill 的？
- 在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit f1317c8fe647。共记录了 2 次尝试，完整方法见方法论页面。
- 测试 watch-skill 花了多少钱？
- 得出该结论的那次运行花费 0.20 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
- watch-skill 安装需要多长时间？
- 在决定该结论的那次运行中，从干净的机器到运行状态用了 1.8 分钟。这是一次实测的尝试，不是平均值。
- watch-skill 需要 GPU 吗？
- 启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
- 安装 watch-skill 时会出现什么问题？
- 已记录的运行中出现了 3 个问题，其中 3 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
- watch-skill 与其他替代方案相比如何？
- 在 Argusic 安装并计时过的 4 个 agent-observability 项目中，watch-skill 达到运行状态的速度排名第 3，4 个项目中有 3 个达到了运行状态。
- watch-skill 的证据在哪里？
- 全部 2 次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。