用途：对该 Python 项目执行全面健康审计，覆盖技术栈、架构、API/接口设计、数据层、测试、代码质量、CI/CD、文档及 AI 工具链，并输出评分与 Markdown 报告。分析基于仓库证据，未证实的项目记为 Unknown，不虚构信息。
主要能力：由 14 条规则分步执行。Step 0 为强制前置的环境准备，包含工具安装、Python 解释器对齐（须用 uv 并依据 .python-version 或 pyproject.toml 的 requires-python 固定版本，失败即停止）、版本校验与测试覆盖率生成；须对根目录及所有 packages/、apps/ 执行 uv sync。随后步骤包括仓库清单、配置文件分析、CI/CD 工作流、测试基础设施、代码质量（Ruff、mypy/pyright、类型注解）、API/接口设计（FastAPI/Django/Flask、Pydantic、OpenAPI 等）、数据层（ORM、迁移、N+1、事务边界）、文档分析（README、docstring、Sphinx/MkDocs、类型提示）以及 AI 工具链（CLAUDE.md、.claude 规则与配置、pre-push 钩子）的 10 维度 100 分评分。最后生成总分、9 个分节评分卡、风险与建议、证据索引和评分方法附录，并将报告保存到 ./reports/<YYYY-MM-DD>-<project>-python-health-audit.md，命令为 mkdir -p reports。
使用方式：按计划顺序逐步执行，每一步须先完整阅读对应 references/*.md 再执行，完成后记录“STEP N COMPLETED”，不得跳过、合并或缩写；可用 Agent 工具以 Wave 0 顺序、Wave 1—4 并行的方式分派代理。会话内以 agents/orchestrator.md 为入口。
适用场景：需要客观评估 Python 仓库健康度、技术债与成熟度并产出可分享报告的团队。
限制：仅聚焦技术层面，不给出 CODEOWNERS、SECURITY.md、运行手册、部署流程或监控等治理与运维建议；安全分析需另用独立的安全审计。各评分维度的权重与合作细节暂未提供。