name: readiness-report description: 评估代码库对自主AI开发的支持程度。分析存储库在八个技术支柱（风格与验证、构建系统、测试、文档、开发环境、调试与可观察性、安全、任务发现）和五个成熟度级别上的表现。当用户请求/readiness-report或想要评估代理准备度、代码库成熟度，或识别阻碍有效AI辅助开发的差距时使用。 triggers:

/readiness-report

代理准备度报告

通过分析存储库在八个技术支柱和五个成熟度级别上，评估其对自主AI开发的支持程度。

概述

代理准备度衡量代码库对AI辅助开发的准备程度。不良的反馈循环、缺失的文档或缺乏工具会导致代理在可预防的错误上浪费周期。此技能识别这些差距并优先修复。

快速开始

用户将运行/readiness-report来评估当前存储库。代理将：

克隆存储库，扫描存储库结构、CI配置和工具
评估九个技术支柱上的81个标准
基于每个级别80%的阈值确定成熟度级别（L1-L5）
提供优先建议

工作流程

步骤1：运行存储库分析

执行分析脚本从存储库收集信号：

python scripts/analyze_repo.py --repo-path .

此脚本检查：

配置文件（.eslintrc、pyproject.toml等）
CI/CD工作流（.github/workflows/、.gitlab-ci.yml）
文档（README、AGENTS.md、CONTRIBUTING.md）
测试基础设施（测试目录、覆盖率配置）
安全配置（CODEOWNERS、.gitignore、密钥管理）

步骤2：生成报告

分析后，生成格式化报告：

python scripts/generate_report.py --analysis-file /tmp/readiness_analysis.json

步骤3：呈现结果

报告包括：

总体得分：通过率百分比和达到的成熟度级别
级别进度：显示L1-L5完成百分比的条形图
优势：表现最佳的技术支柱及通过标准
机会：优先改进项列表
详细标准：按支柱全面分解每个标准状态

九个技术支柱

每个支柱解决AI辅助开发中的特定失败模式：

支柱	目的	关键信号
风格与验证	即时捕获错误	代码检查器、格式化器、类型检查器
构建系统	快速可靠的构建	构建文档、CI速度、自动化
测试	验证正确性	单元/集成测试、覆盖率
文档	指导代理	AGENTS.md、README、架构文档
开发环境	可复现设置	开发容器、环境模板
调试与可观察性	诊断问题	日志、追踪、指标
安全	保护代码库	CODEOWNERS、密钥管理
任务发现	找到工作	问题模板、PR模板
产品与分析	错误到洞察循环	错误跟踪、产品分析

参见references/criteria.md获取每个支柱的81个标准完整列表。

五个成熟度级别

级别	名称	描述	代理能力
L1	初始	基本版本控制	仅手动协助
L2	管理	基本CI/CD和测试	简单、明确定义的任务
L3	标准化	面向代理的生产就绪	常规维护
L4	测量	全面自动化	复杂功能
L5	优化	全自主能力	端到端开发

级别进展：要解锁一个级别，需通过该级别及之前所有级别≥80%的标准。

参见references/maturity-levels.md获取详细级别要求。

解释结果

通过 vs 失败 vs 跳过

✓ 通过：标准满足（贡献得分）
✗ 失败：标准未满足（改进机会）
— 跳过：不适用于此存储库类型（从得分中排除）

优先级顺序

按此顺序修复差距：

L1-L2失败：阻碍基本代理操作的基础问题
L3失败：生产就绪差距
高影响L4+失败：优化机会

常见快速获胜

添加AGENTS.md：为AI代理记录命令、架构和工作流
配置预提交钩子：在CI前捕获风格问题
添加PR/问题模板：结构化任务发现
记录单命令设置：启用快速环境供应

资源

scripts/analyze_repo.py - 存储库分析脚本
scripts/generate_report.py - 报告生成和格式化
references/criteria.md - 按支柱的完整标准定义
references/maturity-levels.md - 详细级别要求

自动化修复

审核报告后，常见修复可自动化：

从存储库结构生成AGENTS.md
添加缺失的问题/PR模板
配置标准代码检查器和格式化器
设置预提交钩子