用途：评估一个代码库对自主 AI 辅助开发的支持程度，判断 AI 智能体能否在该仓库中有效工作，并输出结构化报告，说明哪些能力已具备、哪些缺失。
主要能力：围绕五个支柱共 74 项特征进行评估。Agent Instructions（18 项）：智能体是否知道该做什么；Feedback Loops（16 项）：智能体是否知道自己做对了；Workflows & Automation（15 项）：流程是否支持智能体工作；Policy & Governance（13 项）：智能体是否知道规则；Build & Dev Environment（12 项）：智能体能否构建并运行项目。完整清单及说明与证据示例见 references/criteria.md。这些标准源自对 123 个真实仓库的分析并按对智能体有效性的实际影响筛选。
使用方式：第一步运行五个扫描脚本收集文件系统信号（文件存在性、配置模式、目录结构）： bash scripts/scan_agent_instructions.sh /path/to/repo bash scripts/scan_feedback_loops.sh /path/to/repo bash scripts/scan_workflows.sh /path/to/repo bash scripts/scan_policy.sh /path/to/repo bash scripts/scan_build_env.sh /path/to/repo 或一次扫描全部：for s in scripts/scan_*.sh; do bash "$s" /path/to/repo; echo; done 第二步按 references/criteria.md 逐支柱逐特征评估，结合扫描输出，扫描器无法完全评估的需亲自查看文件，标记 ✓ 已具备、✗ 缺失、— 不适用。需人工判断的例子包括：README 是否含真实构建/运行/测试命令而非仅有徽章、内联文档是否系统覆盖公共 API、示例是否可运行、贡献指南是否含代码规范、是否存在有意义的 AI 使用政策、架构文档是否最新、测试文档是否足以让智能体运行测试。第三步写报告，结构包含摘要（已具备特征 X/74、最强与最弱支柱）及各支柱分节，对通过的写证据、对失败的写缺失。
适用场景：仓库维护者或团队在引入 AI 智能体开发前，评估仓库的就绪程度与差距。
限制：扫描脚本只是辅助工具而非评分器，只找文件与模式、不评估质量，许多特征需阅读实际文件判断；本资料未提供安装方式、版本、许可与收费信息。