acreadiness-assess

/acreadiness-assess — AI 対応状況の評価

ユーザーがAI 対応状況の評価、対応状況の確認、監査を依頼した場合や、リポジトリのAI 対応状況を確認したい場合は、必ずこのスキルを使用してください。

このスキルは、AgentRC の Measure → Generate → Maintain ループにおける Measure のステップです。結果は、ユーザーが file:// で開いたり、リポジトリにコミットしたりできる、自己完結型の HTML ダッシュボードです。

手順

1. 前提条件を確認します。 Node 20+ が PATH にある必要があります。不明な場合は、node --version を実行してください。

2. ポリシーを決定します（任意ですが、推奨します）。

   • ユーザーが --policy <source> を指定した場合は、その値を取得します。
   • それ以外の場合は、agentrc.config.json に policies 配列があるか確認します。
   • どちらもない場合は、ポリシーなし（組み込みのデフォルト）で実行します。
   • ポリシーの概要を知りたい場合は、acreadiness-policy スキルを提案してください。

3. 構造化出力を使用して、リポジトリのルートで対応状況のスキャンを実行します。

   npx -y github:microsoft/agentrc readiness --json [--policy <source>] [--per-area]
   

   CommandResult<T> JSON エンベロープを次のステップへの入力として使用します。

4. ai-readiness-reporter カスタムエージェントに引き継ぎ、JSON を解釈して reports/index.html を作成します。エージェントは、同梱テンプレートの report-template.html（このスキルと一緒に配布）を使ってレンダリングするため、すべてのレポートで見た目が統一されます。エージェントは次の処理を行います。

   • 同梱の report-template.html を読み込み、プレースホルダーを実データに置き換えます。
   • CSS をすべてインライン化し、単一の静的ファイルとして出力します（file:// で動作します）。
   • 成熟度レベル、総合スコア、評価、しきい値に対する合格率を表示します。
   • 9 つの柱すべてを、Repo Health（8）と AI Setup（1）に分けて、測定内容、AI にとっての重要性、現状、具体的な推奨事項を示します。
   • すべての柱に AI との関連性バッジ（高／中／低）を付けます。
   • 追加項目は個別に表示します（スコアには影響しません）。
   • 無効化／上書きされた基準やしきい値を含め、有効なポリシーを表示します。
   • 優先順位付きの改善計画（🔴 まず修正／🟡 次に修正／🔵 計画）を作成します。
   • 再利用できるよう、生の AgentRC JSON を埋め込みます。

5. レポートの保存場所（reports/index.html）と開き方をユーザーに伝えます。チャットでは、成熟度レベル、総合スコア、スコアが最も低い柱の上位 3 つ、そして最も効果の高い次のアクションを 1 つ要約します（ほとんどの場合、acreadiness-generate-instructions スキルを実行します）。

注意事項

• AgentRC には組み込みの HTML レンダラー（--visual / --output report.html）もありますが、出力は意図的に汎用的なものです。このスキルはカスタムエージェントを使って、コードレビューに近い、目的に合わせた独自のダッシュボードを作成します。単なる指標の羅列ではありません。
• CI のゲートには、agentrc readiness --fail-level <n>（1–5）を推奨してください。
• このスキルがリポジトリ内で変更するファイルは、reports/index.html の作成だけです。