用途：评估代码库对 AI 辅助开发的准备程度，找出导致智能体浪费周期的反馈循环、文档或工具缺失问题，并排定修复优先级。
主要能力：运行 /readiness-report 后，智能体会克隆仓库并扫描结构、CI 配置与工具链，按九个技术支柱评估 81 项标准，依据每级 80% 阈值判定 L1-L5 成熟度，并输出优先建议。九个支柱包括风格与校验、构建系统、测试、文档、开发环境、调试与可观测性、安全、任务发现、产品与分析。成熟度等级为 L1 初始、L2 受管、L3 标准化、L4 可度量、L5 优化；解锁某级需通过该级及之前所有级别至少 80% 的标准。
使用方式：执行 python scripts/analyze_repo.py --repo-path . 收集信号，再执行 python scripts/generate_report.py --analysis-file /tmp/readiness_analysis.json 生成报告。报告含总分、等级进度、优势、改进机会与逐项标准明细。结果分为通过、失败、跳过；跳过项不计分。修复顺序建议先处理 L1-L2 基础问题，再处理 L3 生产就绪缺口，最后处理高影响 L4+ 优化项。常见快速改进包括添加 AGENTS.md、配置 pre-commit 钩子、添加 PR/issue 模板、记录单命令环境搭建。
适用场景：希望让 AI 智能体更高效参与开发的仓库维护者与团队。
限制：资料未提供支持的仓库类型、语言范围、运行环境要求、收费或价格信息，也未说明分析脚本的具体依赖，这些事实暂未提供。