AI 就绪度度量仓库在借助 AI 编码代理进行开发与维护方面的完备程度：进入代码库的代理能否找到指引、能否自行搭建环境并验证自己的修改、能否在模型约束内阅读代码、能否发现机器可读的接口。
它是一枚独立的附加徽章。该类别在总体健康指数中的权重为 0.0——单独计算、单独展示，绝不改变健康数值。扎实的前 AI 时代项目不会因缺少代理工具链而被降分；在这方面投入的项目则获得一项可见的、独立的荣誉。
本类别包含的指标
验证循环权重最高，因为它是自主工作的关键所在：能够引导启动项目、运行测试并检验自身修改的代理，与做不到这些的代理相比，其有用程度存在范畴级的差异。代理上下文涵盖指令文件（CLAUDE.md、AGENTS.md 等）与机器可读文档（llms.txt）。代码可读性度量可类型检查性与可控的文件大小。接口则寻找 API 模式、MCP 服务器与可运行示例。
测量的诚实性
信号是来自文件树的基于存在性与大小的启发式判断——不对任何文件内容评分。它们表明基础设施存在，而非其质量高低。实质内容在检测成本低的环节被加权：小于约 200 字节的指令文件被视为占位文件（stub），仅获部分分值——这是针对刷徽章行为的一项专门防御。
不适用的指标产生 null，绝不作为罚分：纯文档仓库不按代码可读性评判，没有 API 表面的普通库不按接口模式评判。
如何解读徽章
- 该徽章回答的是一个真正新颖的采购问题——*团队能否高效地让代理作用于这个代码库？*——经典健康信号从未为此设计。
- 由于权重为 0.0，跨仓库的健康指数比较完全不受 AI 就绪度影响。
如何提升 AI 就绪度
- 添加有实质内容的
CLAUDE.md或AGENTS.md以及llms.txt。 - 提供一条命令即可完成的引导启动（Makefile、justfile 等）、自动化测试、lint 配置与类型检查——即验证循环。
- 将源文件保持在约 1,500 行以下，并采用类型检查。
- 在契合项目本性之处，提供 OpenAPI/GraphQL/protobuf 模式、MCP 服务器或可运行示例。