在 awesome-copilot 中使用 /acreadiness-assess 评估仓库 AI 就绪度AgentRC 9 支柱成熟度模型与静态报告生成实战【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot本指南围绕 skills/acreadiness-assess/SKILL.md 展开完整讲解如何通过 GitHub Copilot 的/acreadiness-assess技能对任意仓库执行 AgentRCAgent Readiness CLI就绪度扫描并由ai-readiness-reporter定制代理渲染出一份零依赖、可直接用file://打开的reports/index.html静态仪表盘。读完本文你将掌握从环境准备、策略选择、命令执行到报告解读、评分模型、Policy 定制与 CI 门禁的完整闭环并能把评估结果无缝衔接到acreadiness-generate-instructions与acreadiness-policy两个相邻技能上。技能定位AgentRC 循环中的 Measure 步骤acreadiness-assess是 AgentRC 的Measure → Generate → Maintain测量 → 生成 → 维护循环中的Measure环节。AgentRC 度量一个仓库对 AI 的友好程度生成补齐短板的指令文件并在代码演进过程中借助 CI 维持质量水位。在 SKILL.md 的 frontmatter 中明确声明了触发场景只要用户提出AI 就绪度评估AI-readiness assessment、就绪度检查readiness check、审计audit或想看看仓库对 AI 有多友好就应调用本技能。技能产出物是一个自包含的 HTML 仪表盘用户可以本地打开或提交进仓库。从 plugins/acreadiness-cockpit/plugin.json 可以看到acreadiness-cockpit插件把三个技能和一个定制代理打包在一起组件循环环节作用/acreadiness-assessMeasure运行 readiness 扫描并交棒给ai-readiness-reporter生成静态仪表盘支持--policy与--per-area/acreadiness-generate-instructionsGenerate包装agentrc instructions默认产出 VS Code Copilot 原生的.github/copilot-instructions.md/acreadiness-policyMaintain挑选、脚手架化或应用 AgentRC Policy禁用标准、覆盖影响权重、设置阈值、CI 门禁ai-readiness-reporter—运行agentrc readiness --json按 9 支柱 / 5 级模型解读结果渲染固定模板的报告前置条件与环境准备执行前需确认两项前置条件见 SKILL.md 与 plugins/acreadiness-cockpit/README.mdNode.js 20必须在 PATH 中——AgentRC 依赖它运行。不确定时先执行node --version确认。VS Code 且已启用 Copilot agent plugins这样技能与定制代理才能在 Chat 中调度。技能通过npx -y github:microsoft/agentrc按需拉取 AgentRC无需全局安装。安装方式上除了随插件加载也可参考 docs/README.skills.md 用 GitHub CLI 单独安装gh skills install github/awesome-copilot acreadiness-assess第一步确认前置并决定评估策略Policy技能运行的第一步是确认 Node 版本第二步是决定是否应用Policy可选但推荐。决策顺序严格如下见 SKILL.md如果用户在请求中提供了--policy source原样捕获该策略源可以是本地 JSON 路径如./policies/strict.json也可以是 npm 包。否则检查仓库根目录的agentrc.config.json中是否有policies数组。两者都没有则以无策略模式运行采用 AgentRC 内置默认规则。如果用户对策略机制不熟悉可引导其参考acreadiness-policy技能见 skills/acreadiness-policy/SKILL.md。Policy 是一个小型 JSON 文件含三个可选区块——criteria、extras、thresholds——用于定制评分方式。AgentRC 自带三个示例策略位于其examples/policies/下策略作用strict.json100% 通过率并提升关键标准的影响权重ai-only.json禁用全部仓库健康检查聚焦 AI Toolingrepo-health-only.json禁用 AI 检查聚焦传统工程质量策略可以链式叠加用逗号分隔实现组织基线 团队覆盖npx -y github:microsoft/agentrc readiness --json --policy ./org-baseline.json,./team-frontend.json第二步在仓库根目录运行结构化扫描确定策略后在仓库根目录运行如下命令见 SKILL.mdnpx -y github:microsoft/agentrc readiness --json [--policy source] [--per-area]参数说明参数含义--json必须。输出可解析的结构化 JSON即CommandResultT信封作为下一步报告的输入--policy source可选。传入策略文件路径或 npm 包名用于组织级定制评分--per-area可选。按区域输出评分配合agentrc.config.json中声明的 areas 使用两个自定义代理ai-readiness-reporter与技能脚本都强调Always runagentrc readiness --json——绝不凭空捏造数据。捕获的整个CommandResultTJSON 信封会被后续嵌入报告中保证报告自描述、可复用。第三步交棒 ai-readiness-reporter 渲染静态仪表盘扫描完成后技能把 JSON 交给ai-readiness-reporter定制代理定义见 agents/ai-readiness-reporter.agent.md。该代理执行以下工作读取仓库上下文加载.github/copilot-instructions.md、AGENTS.md、CLAUDE.md、agentrc.config.json及引用的策略 JSON以便逐支柱精确描述当前状态例如AGENTS.md 存在412 行3 周前修改。解读 JSON对照成熟度模型与支柱定义把每条建议映射到所属支柱、影响权重critical5 /high4 /medium3 /low2 /info0以及修复分桶见下文严重度分桶。渲染固定模板读取随技能打包的模板 skills/acreadiness-assess/report-template.html将占位符替换为真实数据写入reports/index.html目录不存在则创建。在聊天中确认汇报成熟度级别与名称、总体得分、得分最低的三个支柱、应用的策略如有与报告路径并建议下一步通常是运行acreadiness-generate-instructions。绝不修改其他文件。ai-readiness-reporter的模型声明为 Claude Sonnet 4.5启用execute、read、search、search/codebase、editFiles五类工具。报告包含的内容生成的reports/index.html是一个单一自包含文件无外部 CSS/JS、无网络字体、无框架依赖其内容见 report-template.html 与 plugins/acreadiness-cockpit/README.md成熟度徽章L1–L5与总体得分 / 字母等级A–F通过率 vs 阈值当策略设置了阈值时成熟度进阶表Maturity ProgressionActive Policy 摘要被禁用/覆盖的标准与阈值无策略时整节删除Repo Health 分解8 支柱每张卡片带AI 相关性徽章High/Medium/Low、度量内容、为何对 AI 重要、当前状态、具体建议AI Setup 分解AI Tooling 支柱Extras仅信息展示agents-doc、pr-template、pre-commit、architecture-doc以 ✅ 或 ◻ 标记永不作为失败优先修复计划 Fix First / Fix Next / Plan 三张表内嵌原始 AgentRC JSON供复用紧凑版在script typeapplication/json idraw-data块中格式化版在details中为什么用定制代理而不是 AgentRC 自带的渲染器SKILL.md 的 Notes 给出了原因AgentRC 内置的--visual/--output report.html输出是通用的generic而本技能产出的仪表盘是定制的、有观点的tailored, opinionated更像一份代码评审code review而非指标倾倒metrics dump。理解评分模型5 级成熟度AgentRC 把就绪度分数映射到 5 级成熟度模型见 agents/ai-readiness-reporter.agent.md级别名称含义1Functional可用可构建、可测试基础工具链就位2Documented有文档存在 README、CONTRIBUTING、自定义指令3Standardized标准化CI/CD、安全策略、CODEOWNERS、可观测性齐备4Optimized优化配置了 MCP 服务器、定制代理、AI 技能5Autonomous自治全 AI 原生开发极少人工监督级别由 AgentRC 依据就绪度分数自动计算。报告中成熟度进阶表按 L5 → L1 倒序渲染当前级别标记为◼ You are here。在 CI 中可用--fail-level n1–5强制要求最低级别。九大支柱详解Repo Health 与 AI Setup每一支柱都带AI 相关性评级直接决定报告卡片上的徽章颜色与位置High— 直接引导 AI 代理生成什么、如何自我检查Medium— 间接影响代理输出质量Low— 常规工程卫生对 AI 的杠杆较弱。Repo Health8 支柱支柱AI 相关性检查内容为何对 AI 重要完整解释StyleMediumLinter 配置ESLint/Biome/Prettier、类型检查TypeScript/MypyLint 与类型规则是代理可读的最显式风格声明。有了它们Copilot 首次生成的代码就能通过评审没有它们代理只能猜测约定PR 会因风格琐碎而反复返工BuildHighpackage.json 中的 build 脚本、CI workflow 配置没有 build 命令的代理无法自验证。规范的npm run build及镜像它的 CI workflow让代理能编译、抓类型错误、在开 PR 前迭代——这是在我机器上能跑与一次通过检查的区别TestingHightest 脚本、按区域划分的测试脚本测试是代理的自动化质量闸门。有test脚本就能跑 TDD 循环、证明行为有区域化测试就能只跑相关部分、保持快速。没有测试 代理没有任何客观信号判断何时算完成DocsHighREADME、CONTRIBUTING、区域 README文档是代理的首要上下文来源。README 说明技术栈CONTRIBUTING 说明流程区域 README 说明局部约定。文档丰富的仓库Copilot 建议质量显著更高因为模型被真实意图接地而非靠文件名猜Dev EnvironmentMediumLockfile、.env.exampleLockfile 固定版本让代理的npm install与 CI 一致.env.example告诉代理存在哪些环境变量而不泄露密钥。二者共同让代理的本地运行可复现并阻止它发明不适用的配置Code QualityMedium格式化配置Prettier/Biome有格式化配置代理输出即预格式化——无 diff 噪音、无关于空白的评审意见。没有它AI 生成的 PR 会引发淹没真实反馈的风格讨论ObservabilityLowOpenTelemetry / Pino / Winston / Bunyan当日志/追踪库在依赖图中可见时代理会用相同模式为代码插桩而非console.log。杠杆低于文档/测试因为代理仅在涉及运行时插桩的那部分工作中需要它SecurityLowLICENSE、CODEOWNERS、SECURITY.md、DependabotCODEOWNERS 自动把 AI 生成的 PR 路由给正确的评审人SECURITY.md 与 Dependabot 告诉代理如何处理漏洞报告与依赖升级。对治理很重要但很少改变代理日常写什么代码AI Setup1 支柱支柱AI 相关性检查内容为何重要AI ToolingHigh自定义指令.github/copilot-instructions.md、AGENTS.md、CLAUDE.md、MCP 服务器、代理配置、AI 技能仓库与 AI 代理之间的直接接口——整个模型中杠杆最高的支柱。一份好的AGENTS.md胜过其余所有支柱之和它一次性告诉代理你的技术栈、约定、构建命令、测试命令与评审期望。MCP 服务器与自定义技能则把代理的触角延伸进你的工具链从 Level 2 起AgentRC 还会检查指令一致性若存在多个指令文件且内容相互分歧会标记差异并建议整合优先保留AGENTS.md。评分公式与字母等级评分规则见 agents/ai-readiness-reporter.agent.md 与 skills/acreadiness-policy/SKILL.md影响级别权重critical5high4medium3low2info0Score 1 - (total deductions / max possible weight)字母等级A≥ 0.9B≥ 0.8C≥ 0.7D≥ 0.6F 0.6。严重度分桶Prioritised Remediation Plan报告把每条发现归入四个桶其中前三桶进入优先修复计划Backlog 不进表分桶判定规则Fix Firstimpact ∈ {critical, high}且修复很小单个文件或配置Fix Nextimpact medium且修复很小Planimpact medium且需要较大重构⚪Backlogimpact ∈ {low, info}有疑问时若支柱属于Docs、Testing、Build或AI Tooling向上提一个桶——这四个是对 AI 代理杠杆最高的支柱。Policy 机制深入策略 JSON 的完整结构示例见 skills/acreadiness-policy/SKILL.md{ name: my-policy, criteria: { disable: [env-example, observability, dependabot], override: { readme: { impact: high, level: 2 }, lint-config: { title: Linter required } } }, extras: { disable: [pre-commit] }, thresholds: { passRate: 0.9 } }要点见 agents/ai-readiness-reporter.agent.md显示 Active Policy报告顶部展示策略名称 路径/包名并归纳其criteria.disable、criteria.override、extras.disable、thresholds的摘要过滤报告被禁用的标准/Extras 不再作为缺口列出尊重覆盖分桶时使用覆盖后的impact与level而非默认值呈现阈值若设置了thresholds.passRate将实际通过率与之对比并显著展示 pass/fail无策略时标注Default policy (built-in defaults)。acreadiness-policy技能提供三个子命令show列出当前生效策略、new name脚手架化policies/name.json并引导禁用项/提权项/阈值设置、apply path-or-pkg带--policy重跑扫描并交棒重新渲染报告。常见的组织级阈值基线0.7宽松、0.85标准、1.0严格。模板渲染的硬性规则与安全约束ai-readiness-reporter必须读取 skills/acreadiness-assess/report-template.html 并用真实数据替换每个{{placeholder}}不允许即兴重写 HTML。硬性规则包括不得改动 HTML 结构、class 名、CSS 变量或style块不得添加页签、开关、主题切换、深色/浅色变体或额外导航不得引入外部 CSS、字体、JS 框架或统计脚本文件必须能在file://下打开且零网络依赖保留内嵌script typeapplication/json idraw-data…/script块使报告自描述转义每一项替换值进入 HTML 正文/属性值的占位符如{{repoName}}、{{pillarCurrent}}必须 HTML 转义 位于 script 块内的{{rawJsonCompact}}则把/script替换为\/script防提前闭合且该块内不做 HTML 转义以保持 JSON 合法——这是防止仓库里出现img onerror…文件名导致报告执行恶意 HTML的 XSS 防线。模板主体占位符包括{{repoName}}、{{date}}、{{level}}/{{levelName}}、{{overallPct}}/{{grade}}、{{passRate}}/{{threshold}}、{{policyName}}/{{policySummary}}、{{rawJsonCompact}}/{{rawJsonPretty}}每支柱卡片重复块使用{{pillarName}}、{{pillarScore}}、{{pillarStatus}}good/warn/bad 驱动进度条与圆点颜色、{{pillarRelevance}}、{{pillarWhat}}、{{pillarWhyAi}}须用支柱表中的完整段落而非一句话、{{pillarCurrent}}、{{pillarRecommendation}}。闭环与 CI 门禁Measure → Generate → Maintain报告模板自带Next Steps清单构成完整闭环Generate运行agentrc instructions --output .github/copilot-instructions.md或直接使用acreadiness-generate-instructions技能见 skills/acreadiness-generate-instructions/SKILL.md。该技能默认产出 VS Code Copilot 原生的.github/copilot-instructions.md支持flat单文件与nestedhub 带applyToglob 的逐主题.github/instructions/topic.instructions.md两种策略并为 monorepo 生成区域级.instructions.md。逐项处理 Fix First重跑本报告确认分数提升。Maintain用 JSON 策略固化组织标准strict.json、ai-only.json等并以--policy重跑。把agentrc readiness --fail-level n接入 CI 防止回归例如见 skills/acreadiness-policy/SKILL.md- run: npx -y github:microsoft/agentrc readiness --policy ./policies/strict.json --fail-level 3使用边界与注意事项只写一个文件技能除创建reports/index.html外绝不改动仓库任何其他文件reports/目录不存在时创建。Node 20 是硬前提AgentRC 需要它失败时先检查node --version。CI 门禁用--fail-level范围 1–5对应成熟度级别下限。内置渲染器 vs 定制报告--visual/--output report.html输出通用但缺少解读本技能的价值在于代理逐支柱解释度量什么 / 为何对 AI 重要 / 当前状态 / 具体建议并给出分桶修复计划。指令生成不要非交互式跑在 CI 里指令文件属于仓库内容应通过 PR 落地见 skills/acreadiness-generate-instructions/SKILL.md。整个技能链插件清单见 plugins/acreadiness-cockpit/plugin.json使用示例见 plugins/acreadiness-cockpit/README.md让评估 AI 就绪度这件事从一条命令开始落到一份可提交、可复现、可追踪的静态报告中再驱动指令生成与策略治理——这正是 AgentRC Measure → Generate → Maintain 循环在 Copilot Chat 中的完整体现。【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/12 8:12:58 · 阅读 1.2k 在 awesome-copilot 中使用 /acreadiness-assess 评估仓库 AI 就绪度：AgentRC 9 支柱成熟度模型与静态报告生成实战
在 awesome-copilot 中使用 /acreadiness-assess 评估仓库 AI 就绪度AgentRC 9 支柱成熟度模型与静态报告生成实战【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot本指南围绕 skills/acreadiness-assess/SKILL.md 展开完整讲解如何通过 GitHub Copilot 的/acreadiness-assess技能对任意仓库执行 AgentRCAgent Readiness CLI就绪度扫描并由ai-readiness-reporter定制代理渲染出一份零依赖、可直接用file://打开的reports/index.html静态仪表盘。读完本文你将掌握从环境准备、策略选择、命令执行到报告解读、评分模型、Policy 定制与 CI 门禁的完整闭环并能把评估结果无缝衔接到acreadiness-generate-instructions与acreadiness-policy两个相邻技能上。技能定位AgentRC 循环中的 Measure 步骤acreadiness-assess是 AgentRC 的Measure → Generate → Maintain测量 → 生成 → 维护循环中的Measure环节。AgentRC 度量一个仓库对 AI 的友好程度生成补齐短板的指令文件并在代码演进过程中借助 CI 维持质量水位。在 SKILL.md 的 frontmatter 中明确声明了触发场景只要用户提出AI 就绪度评估AI-readiness assessment、就绪度检查readiness check、审计audit或想看看仓库对 AI 有多友好就应调用本技能。技能产出物是一个自包含的 HTML 仪表盘用户可以本地打开或提交进仓库。从 plugins/acreadiness-cockpit/plugin.json 可以看到acreadiness-cockpit插件把三个技能和一个定制代理打包在一起组件循环环节作用/acreadiness-assessMeasure运行 readiness 扫描并交棒给ai-readiness-reporter生成静态仪表盘支持--policy与--per-area/acreadiness-generate-instructionsGenerate包装agentrc instructions默认产出 VS Code Copilot 原生的.github/copilot-instructions.md/acreadiness-policyMaintain挑选、脚手架化或应用 AgentRC Policy禁用标准、覆盖影响权重、设置阈值、CI 门禁ai-readiness-reporter—运行agentrc readiness --json按 9 支柱 / 5 级模型解读结果渲染固定模板的报告前置条件与环境准备执行前需确认两项前置条件见 SKILL.md 与 plugins/acreadiness-cockpit/README.mdNode.js 20必须在 PATH 中——AgentRC 依赖它运行。不确定时先执行node --version确认。VS Code 且已启用 Copilot agent plugins这样技能与定制代理才能在 Chat 中调度。技能通过npx -y github:microsoft/agentrc按需拉取 AgentRC无需全局安装。安装方式上除了随插件加载也可参考 docs/README.skills.md 用 GitHub CLI 单独安装gh skills install github/awesome-copilot acreadiness-assess第一步确认前置并决定评估策略Policy技能运行的第一步是确认 Node 版本第二步是决定是否应用Policy可选但推荐。决策顺序严格如下见 SKILL.md如果用户在请求中提供了--policy source原样捕获该策略源可以是本地 JSON 路径如./policies/strict.json也可以是 npm 包。否则检查仓库根目录的agentrc.config.json中是否有policies数组。两者都没有则以无策略模式运行采用 AgentRC 内置默认规则。如果用户对策略机制不熟悉可引导其参考acreadiness-policy技能见 skills/acreadiness-policy/SKILL.md。Policy 是一个小型 JSON 文件含三个可选区块——criteria、extras、thresholds——用于定制评分方式。AgentRC 自带三个示例策略位于其examples/policies/下策略作用strict.json100% 通过率并提升关键标准的影响权重ai-only.json禁用全部仓库健康检查聚焦 AI Toolingrepo-health-only.json禁用 AI 检查聚焦传统工程质量策略可以链式叠加用逗号分隔实现组织基线 团队覆盖npx -y github:microsoft/agentrc readiness --json --policy ./org-baseline.json,./team-frontend.json第二步在仓库根目录运行结构化扫描确定策略后在仓库根目录运行如下命令见 SKILL.mdnpx -y github:microsoft/agentrc readiness --json [--policy source] [--per-area]参数说明参数含义--json必须。输出可解析的结构化 JSON即CommandResultT信封作为下一步报告的输入--policy source可选。传入策略文件路径或 npm 包名用于组织级定制评分--per-area可选。按区域输出评分配合agentrc.config.json中声明的 areas 使用两个自定义代理ai-readiness-reporter与技能脚本都强调Always runagentrc readiness --json——绝不凭空捏造数据。捕获的整个CommandResultTJSON 信封会被后续嵌入报告中保证报告自描述、可复用。第三步交棒 ai-readiness-reporter 渲染静态仪表盘扫描完成后技能把 JSON 交给ai-readiness-reporter定制代理定义见 agents/ai-readiness-reporter.agent.md。该代理执行以下工作读取仓库上下文加载.github/copilot-instructions.md、AGENTS.md、CLAUDE.md、agentrc.config.json及引用的策略 JSON以便逐支柱精确描述当前状态例如AGENTS.md 存在412 行3 周前修改。解读 JSON对照成熟度模型与支柱定义把每条建议映射到所属支柱、影响权重critical5 /high4 /medium3 /low2 /info0以及修复分桶见下文严重度分桶。渲染固定模板读取随技能打包的模板 skills/acreadiness-assess/report-template.html将占位符替换为真实数据写入reports/index.html目录不存在则创建。在聊天中确认汇报成熟度级别与名称、总体得分、得分最低的三个支柱、应用的策略如有与报告路径并建议下一步通常是运行acreadiness-generate-instructions。绝不修改其他文件。ai-readiness-reporter的模型声明为 Claude Sonnet 4.5启用execute、read、search、search/codebase、editFiles五类工具。报告包含的内容生成的reports/index.html是一个单一自包含文件无外部 CSS/JS、无网络字体、无框架依赖其内容见 report-template.html 与 plugins/acreadiness-cockpit/README.md成熟度徽章L1–L5与总体得分 / 字母等级A–F通过率 vs 阈值当策略设置了阈值时成熟度进阶表Maturity ProgressionActive Policy 摘要被禁用/覆盖的标准与阈值无策略时整节删除Repo Health 分解8 支柱每张卡片带AI 相关性徽章High/Medium/Low、度量内容、为何对 AI 重要、当前状态、具体建议AI Setup 分解AI Tooling 支柱Extras仅信息展示agents-doc、pr-template、pre-commit、architecture-doc以 ✅ 或 ◻ 标记永不作为失败优先修复计划 Fix First / Fix Next / Plan 三张表内嵌原始 AgentRC JSON供复用紧凑版在script typeapplication/json idraw-data块中格式化版在details中为什么用定制代理而不是 AgentRC 自带的渲染器SKILL.md 的 Notes 给出了原因AgentRC 内置的--visual/--output report.html输出是通用的generic而本技能产出的仪表盘是定制的、有观点的tailored, opinionated更像一份代码评审code review而非指标倾倒metrics dump。理解评分模型5 级成熟度AgentRC 把就绪度分数映射到 5 级成熟度模型见 agents/ai-readiness-reporter.agent.md级别名称含义1Functional可用可构建、可测试基础工具链就位2Documented有文档存在 README、CONTRIBUTING、自定义指令3Standardized标准化CI/CD、安全策略、CODEOWNERS、可观测性齐备4Optimized优化配置了 MCP 服务器、定制代理、AI 技能5Autonomous自治全 AI 原生开发极少人工监督级别由 AgentRC 依据就绪度分数自动计算。报告中成熟度进阶表按 L5 → L1 倒序渲染当前级别标记为◼ You are here。在 CI 中可用--fail-level n1–5强制要求最低级别。九大支柱详解Repo Health 与 AI Setup每一支柱都带AI 相关性评级直接决定报告卡片上的徽章颜色与位置High— 直接引导 AI 代理生成什么、如何自我检查Medium— 间接影响代理输出质量Low— 常规工程卫生对 AI 的杠杆较弱。Repo Health8 支柱支柱AI 相关性检查内容为何对 AI 重要完整解释StyleMediumLinter 配置ESLint/Biome/Prettier、类型检查TypeScript/MypyLint 与类型规则是代理可读的最显式风格声明。有了它们Copilot 首次生成的代码就能通过评审没有它们代理只能猜测约定PR 会因风格琐碎而反复返工BuildHighpackage.json 中的 build 脚本、CI workflow 配置没有 build 命令的代理无法自验证。规范的npm run build及镜像它的 CI workflow让代理能编译、抓类型错误、在开 PR 前迭代——这是在我机器上能跑与一次通过检查的区别TestingHightest 脚本、按区域划分的测试脚本测试是代理的自动化质量闸门。有test脚本就能跑 TDD 循环、证明行为有区域化测试就能只跑相关部分、保持快速。没有测试 代理没有任何客观信号判断何时算完成DocsHighREADME、CONTRIBUTING、区域 README文档是代理的首要上下文来源。README 说明技术栈CONTRIBUTING 说明流程区域 README 说明局部约定。文档丰富的仓库Copilot 建议质量显著更高因为模型被真实意图接地而非靠文件名猜Dev EnvironmentMediumLockfile、.env.exampleLockfile 固定版本让代理的npm install与 CI 一致.env.example告诉代理存在哪些环境变量而不泄露密钥。二者共同让代理的本地运行可复现并阻止它发明不适用的配置Code QualityMedium格式化配置Prettier/Biome有格式化配置代理输出即预格式化——无 diff 噪音、无关于空白的评审意见。没有它AI 生成的 PR 会引发淹没真实反馈的风格讨论ObservabilityLowOpenTelemetry / Pino / Winston / Bunyan当日志/追踪库在依赖图中可见时代理会用相同模式为代码插桩而非console.log。杠杆低于文档/测试因为代理仅在涉及运行时插桩的那部分工作中需要它SecurityLowLICENSE、CODEOWNERS、SECURITY.md、DependabotCODEOWNERS 自动把 AI 生成的 PR 路由给正确的评审人SECURITY.md 与 Dependabot 告诉代理如何处理漏洞报告与依赖升级。对治理很重要但很少改变代理日常写什么代码AI Setup1 支柱支柱AI 相关性检查内容为何重要AI ToolingHigh自定义指令.github/copilot-instructions.md、AGENTS.md、CLAUDE.md、MCP 服务器、代理配置、AI 技能仓库与 AI 代理之间的直接接口——整个模型中杠杆最高的支柱。一份好的AGENTS.md胜过其余所有支柱之和它一次性告诉代理你的技术栈、约定、构建命令、测试命令与评审期望。MCP 服务器与自定义技能则把代理的触角延伸进你的工具链从 Level 2 起AgentRC 还会检查指令一致性若存在多个指令文件且内容相互分歧会标记差异并建议整合优先保留AGENTS.md。评分公式与字母等级评分规则见 agents/ai-readiness-reporter.agent.md 与 skills/acreadiness-policy/SKILL.md影响级别权重critical5high4medium3low2info0Score 1 - (total deductions / max possible weight)字母等级A≥ 0.9B≥ 0.8C≥ 0.7D≥ 0.6F 0.6。严重度分桶Prioritised Remediation Plan报告把每条发现归入四个桶其中前三桶进入优先修复计划Backlog 不进表分桶判定规则Fix Firstimpact ∈ {critical, high}且修复很小单个文件或配置Fix Nextimpact medium且修复很小Planimpact medium且需要较大重构⚪Backlogimpact ∈ {low, info}有疑问时若支柱属于Docs、Testing、Build或AI Tooling向上提一个桶——这四个是对 AI 代理杠杆最高的支柱。Policy 机制深入策略 JSON 的完整结构示例见 skills/acreadiness-policy/SKILL.md{ name: my-policy, criteria: { disable: [env-example, observability, dependabot], override: { readme: { impact: high, level: 2 }, lint-config: { title: Linter required } } }, extras: { disable: [pre-commit] }, thresholds: { passRate: 0.9 } }要点见 agents/ai-readiness-reporter.agent.md显示 Active Policy报告顶部展示策略名称 路径/包名并归纳其criteria.disable、criteria.override、extras.disable、thresholds的摘要过滤报告被禁用的标准/Extras 不再作为缺口列出尊重覆盖分桶时使用覆盖后的impact与level而非默认值呈现阈值若设置了thresholds.passRate将实际通过率与之对比并显著展示 pass/fail无策略时标注Default policy (built-in defaults)。acreadiness-policy技能提供三个子命令show列出当前生效策略、new name脚手架化policies/name.json并引导禁用项/提权项/阈值设置、apply path-or-pkg带--policy重跑扫描并交棒重新渲染报告。常见的组织级阈值基线0.7宽松、0.85标准、1.0严格。模板渲染的硬性规则与安全约束ai-readiness-reporter必须读取 skills/acreadiness-assess/report-template.html 并用真实数据替换每个{{placeholder}}不允许即兴重写 HTML。硬性规则包括不得改动 HTML 结构、class 名、CSS 变量或style块不得添加页签、开关、主题切换、深色/浅色变体或额外导航不得引入外部 CSS、字体、JS 框架或统计脚本文件必须能在file://下打开且零网络依赖保留内嵌script typeapplication/json idraw-data…/script块使报告自描述转义每一项替换值进入 HTML 正文/属性值的占位符如{{repoName}}、{{pillarCurrent}}必须 HTML 转义 位于 script 块内的{{rawJsonCompact}}则把/script替换为\/script防提前闭合且该块内不做 HTML 转义以保持 JSON 合法——这是防止仓库里出现img onerror…文件名导致报告执行恶意 HTML的 XSS 防线。模板主体占位符包括{{repoName}}、{{date}}、{{level}}/{{levelName}}、{{overallPct}}/{{grade}}、{{passRate}}/{{threshold}}、{{policyName}}/{{policySummary}}、{{rawJsonCompact}}/{{rawJsonPretty}}每支柱卡片重复块使用{{pillarName}}、{{pillarScore}}、{{pillarStatus}}good/warn/bad 驱动进度条与圆点颜色、{{pillarRelevance}}、{{pillarWhat}}、{{pillarWhyAi}}须用支柱表中的完整段落而非一句话、{{pillarCurrent}}、{{pillarRecommendation}}。闭环与 CI 门禁Measure → Generate → Maintain报告模板自带Next Steps清单构成完整闭环Generate运行agentrc instructions --output .github/copilot-instructions.md或直接使用acreadiness-generate-instructions技能见 skills/acreadiness-generate-instructions/SKILL.md。该技能默认产出 VS Code Copilot 原生的.github/copilot-instructions.md支持flat单文件与nestedhub 带applyToglob 的逐主题.github/instructions/topic.instructions.md两种策略并为 monorepo 生成区域级.instructions.md。逐项处理 Fix First重跑本报告确认分数提升。Maintain用 JSON 策略固化组织标准strict.json、ai-only.json等并以--policy重跑。把agentrc readiness --fail-level n接入 CI 防止回归例如见 skills/acreadiness-policy/SKILL.md- run: npx -y github:microsoft/agentrc readiness --policy ./policies/strict.json --fail-level 3使用边界与注意事项只写一个文件技能除创建reports/index.html外绝不改动仓库任何其他文件reports/目录不存在时创建。Node 20 是硬前提AgentRC 需要它失败时先检查node --version。CI 门禁用--fail-level范围 1–5对应成熟度级别下限。内置渲染器 vs 定制报告--visual/--output report.html输出通用但缺少解读本技能的价值在于代理逐支柱解释度量什么 / 为何对 AI 重要 / 当前状态 / 具体建议并给出分桶修复计划。指令生成不要非交互式跑在 CI 里指令文件属于仓库内容应通过 PR 落地见 skills/acreadiness-generate-instructions/SKILL.md。整个技能链插件清单见 plugins/acreadiness-cockpit/plugin.json使用示例见 plugins/acreadiness-cockpit/README.md让评估 AI 就绪度这件事从一条命令开始落到一份可提交、可复现、可追踪的静态报告中再驱动指令生成与策略治理——这正是 AgentRC Measure → Generate → Maintain 循环在 Copilot Chat 中的完整体现。【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考