用途：评估代码库对 AI 辅助开发的准备程度，识别反馈循环差、文档缺失、工具不足等导致智能体浪费周期的缺口，并按优先级给出改进建议。
主要能力：运行 /readiness-report 后，智能体克隆仓库并扫描结构、CI 配置与工具链；按 9 个技术支柱评估 81 项标准；依据每级 80% 阈值判定成熟度等级（L1-L5）；输出总体得分、等级进度、优势、改进机会与逐项标准明细。九个支柱为：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。等级从 L1 初始到 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：用户运行 /readiness-report 评估当前仓库。分析脚本：python scripts/analyze_repo.py --repo-path .；生成报告：python scripts/generate_report.py --analysis-file /tmp/readiness_analysis.json。结果中 ✓ 通过计入得分，✗ 未通过为改进机会，— 跳过不计分。修复优先级为 L1-L2 基础问题、L3 生产就绪缺口、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：希望让仓库更适合 AI 智能体自主开发的团队，用于评估现状并规划改进。
限制：资料未提供支持的仓库类型、运行环境依赖、脚本具体实现细节及自动化修复的完整范围；自动化修复需用户主动请求“fix readiness gaps”后开始。