AI Maturity ScannerAI 编程成熟度本地 CLI

Metrics

AMI 不是感觉分,是仓库资产分。

扫描器先统计 15 个 raw metrics,再归一化为三个加权维度,最终形成 0-100 的 AMI 分数和 L0-L4 成熟度等级。

代码库 AI 成熟度 ai-maturity-scanner 算法 v1 · Jul 15, 2026, 08:00 · abc12345 协作画像 技能工坊 上下文成册·高/工具深连·中/跨项目覆盖·中 AMI 分数 67.5 AI Maturity L3 驾轻就熟 AI 文件 44 能力应用 43 AMI 分数 67.5 配置深度 75.0 上下文丰富度 60.0 集成广度 40.0 技能 83 高级技能 30 代理 30 命令 10 MCP 服务 60 指令文件 100 规格文件 100 覆盖率 60 扫码查看我的代码库AI成熟度 扫码查看指标来源

图片分数

图片报告里的分数怎么看

图片报告展示的是 normalized score:每个指标先按规则换算为 0-100 分,进度条表示当前分数。AI 文件和能力应用是原始数量,不参与这一组进度条。

技能

skill_count

根据仓库中 skill 的数量归一化得到的分数(满分 100)。

高级技能

advanced_skill_count

根据高级 skill 数量归一化得到的分数(满分 100)。

代理

agent_count

根据 agent 定义数量归一化得到的分数(满分 100)。

命令

command_count

根据命令文件数量归一化得到的分数(满分 100)。

MCP 服务

mcp_count

根据仓库级 MCP 配置解析出的唯一服务名数量归一化得到的分数(满分 100)。

指令文件

ai_instruction_files

根据 AI 指令文件数量归一化得到的分数(满分 100)。

规格文件

specs_file_count

根据 spec/文档 Markdown 文件数量归一化得到的分数(满分 100)。 查看 spec 文件配置

覆盖率

subproject_coverage

根据带有 AI 指令文件的子项目数量归一化得到的分数(满分 100)。

配置深度

60%

skill、skill_resource、agent、command、MCP 等能力配置的数量和结构。

上下文丰富度

30%

AI instruction files 和 specs 文件为模型提供的稳定上下文。

集成广度

10%

子项目范围 instruction 的覆盖情况,反映复杂仓库的整合能力。

15 个指标

skill_count

仓库中 skill(技能)的数量。

skill_line_count

技能文件的总行数。

advanced_skill_count

高级技能(目录含脚本的技能)的数量。

skill_engineering_rate

高级技能占技能总数的比例。

skill_resource_count

skills/ 下的资源文件数量。

agent_count

agent 定义的数量。

agent_line_count

agent 文件的总行数。

command_count

命令文件的数量。

command_line_count

命令文件的总行数。

mcp_count

仓库级 MCP 配置里解析出的唯一服务名数量。

ai_instruction_files

AI 指令文件(如 CLAUDE.md、AGENTS.md)的数量。

instruction_max_line_count

最长一个指令文件的行数。

specs_line_count

规格/文档文件的总行数。

subproject_coverage

带有 AI 指令文件的 apps/、libs/ 子项目数量。

L0-L4 level

L0
不得其门
没有 AI instruction file。
L1
初出茅庐
默认起点,仓库已经出现基础 AI 协作信号。
L2
渐入佳境
具备一定能力资产,并开始出现 advanced skill。
L3
驾轻就熟
能力资产、advanced skill、specs 和工程化比例都达到较高水平。
L4
炉火纯青
成熟仓库,AI 能力资产和 specs 已形成规模化沉淀。