用途：对代码库、GitHub 仓库或产品构想给出多年期（五年）可防御性预测，回答“项目在 N 年后是否仍具相关性”“是否应继续投入”。不做短期路线图、缺陷分诊、代码审查或单功能成本估算。
主要能力：自动识别本地代码路径、GitHub URL 或文字提案三类输入；本地路径与仓库会统计语言占比、框架、代码行数、依赖、测试比例、TODO/FIXME 技术债代理等；仓库输入还会执行 git clone --depth 1 并尝试读取星标、最近提交和贡献者。随后从技术趋势、采用信号、市场与竞争三类外部来源收集证据，每条记录含指标、数值、来源、检索时间与置信度。评分由确定性脚本完成，按四轴（技术护城河、趋势契合、市场需求、AI 颠覆暴露）计算综合护城河耐久分 M₀ 与衰减常数，并投影 M(t)=M₀·e^(-λt) 的 Y1–Y5，同时给出牛/基准/熊情景与固定阈值结论。
使用方式：依次执行六阶段工作流——录入与范围界定、代码扫描（python scripts/codebase_scanner.py <path>）、外部证据收集、确定性评分（python scripts/moat_calculator.py scoring_input.json > scores.json）、负向结论时生成转型路线图、最终报告（python scripts/generate_report.py scores.json scan.json evidence.json --output-dir /home/z/my-project/download/）。中间产物建议保存至 /home/z/my-project/download/forecast_work/ 以便审计。
适用场景：需要多年期前景、量化护城河分析、AI 颠覆风险评估、数据支撑的转型建议，或“是否继续构建”的战略评审。
限制：LLM 不得覆盖或手改脚本数值，覆盖须走专门协议并被记录；无外部证据时全部子分设为 50 并标注证据缺口模式；仅提供文字提案时技术轴置信度上限为中等；代码不足 100 行会标记低置信度；私有仓库无法克隆时退回提案模式；评分输入校验失败脚本以非零退出，需修正后重跑。具体价格、收费与更细的权重数值资料未提供。