SuperAPI AI 工具集

agent-readiness

编程与开发

查看项目

更新于 10-17 08:15

技能介绍

用途

Agent Readiness 旨在回答一个核心问题:一个 AI 编程代理能否在不询问人类的情况下修改这个仓库,并证明修改有效?该技能将这个问题分解为一系列可审计的标准,帮助开发者评估自己的代码仓库对自动化代理的友好程度。

主要能力

  • 自动化探测:通过运行 python3 scripts/probe.py <repo> --json 对仓库进行只读探测。该脚本仅读取受版本控制的文件和 git 日志,不会运行项目代码或访问网络。每个标准会返回“通过”“失败”“需判断”或“跳过”的结果,并附带证据路径。
  • 人工判断辅助:对于标记为“需判断”的项目,技能会引导用户阅读相关文件并回答对应问题,确保评估的准确性。
  • 评分与报告:将判断结果写入临时 JSON 文件后,再次运行探测脚本生成最终报告,报告采用 references/scoring.md 中的模板,包含门控等级和分数。
  • 修复建议:列出阻碍下一等级的问题,并给出对应的修复路径(如引用其他技能),用户可自行选择修复项。
  • 基准对比:支持保存快照并通过 --previous 参数进行差异对比,便于跟踪改进情况。

使用方式

  1. 在仓库中运行探测脚本,获取初始结果。
  2. 对“需判断”的项目逐一审查并记录判断。
  3. 将判断结果写入临时文件,再次运行脚本生成报告。
  4. 根据报告中的门控等级和问题列表,选择修复项并执行相应技能。

注意:部分检查项(如单元测试可运行性)需要用户明确批准后才能执行命令,且禁止安装依赖、启动服务或删除文件。环境检查为可选且只读。

适用场景

  • 希望评估仓库对 AI 编程代理自动化能力的团队。
  • 准备引入代理辅助开发流程前,识别仓库的不足之处。
  • 持续跟踪仓库自动化就绪程度的改进。

限制

  • 需要 Python 3.10 及以上版本,仅使用标准库。
  • 探测脚本要求目标路径是 git 仓库,否则退出码为 2 并提示原因。
  • 不评估工具选择(如 husky vs hk),仅关注结果。
  • 不能替代人工判断,部分标准需结合文档和代码审阅。
  • 不执行任何写操作或网络请求,环境检查需用户主动要求。