Spooner：评估并就地改造 Git 仓库的 AI 编程就绪度

ZM-BAD/spooner · AI coding readiness audit & in-place transform, as an Agent Skill

GitHub原文发布未知首次收录 2026-10-14上架 2026-10-14 07:04

ELI5：它是什么，解决什么问题

Spooner 是一个符合 Agent Skills（SKILL.md）规范的技能包，供编码智能体使用。它先对仓库的 AI 编程就绪度进行打分为 10 分制健康检查，然后就地安装缺失的质量门禁（pre-commit、lint/format、CI、AGENTS.md、规格驱动开发模板等），并提供 check 检测漂移与 sync 重新同步，所有步骤可验证、可回滚，并在安装前后保持构建通过。

# coding-agents # agent-agnostic # agent-skill # code-quality # sdd

核心能力与快速开始

★ 3 · TypeScript

能做什么: 提供 audit（检测并按 10 分制为仓库 AI 编程就绪度评分，分五档：AI-Native/AI-Friendly/AI-Curious/AI-Aware/AI-Absent）、transform（就地安装 Git 门禁、CI、AGENTS.md、可选 SDD 模板，带前后构建通过验证）、check（持续检测模板漂移）、sync（按工具版本重新同步模板）、badge（生成就绪度徽章）五个命令。安装内容包括 .commitlintrc.json、.pre-commit-config.yaml、.markdownlint-cli2.yaml、.github/workflows/ai-native.yml、AGENTS.md（含 CLAUDE.md 符号链接）、docs/sdd/ 模板与 .ai-native.yml 清单。支持 node/python/go/java/rust 的检测与完整改造，ruby/php/swift/dotnet/harmonyos 与 apple/c-cpp/dart-flutter/unity/zig 等栈提供检测及跨栈门禁加明确提示。
适用场景: 希望让 AI 编码智能体在仓库中首次运行即可正常工作的团队；需要自查仓库 AI 编程就绪度分数并定位缺口的维护者；需要一次性安装可验证、可回滚的质量门禁与 AGENTS.md 的仓库；希望用 CI 与清单漂移门禁防止配置漂移的项目；需要为仓库生成就绪度徽章并链接审计报告的场景。
项目形态: 可直接使用的工具
部署方式: 作为 Agent Skills（SKILL.md）包通过 `npx skills add ZM-BAD/spooner` 安装到 Claude Code、Codex、Cursor、Copilot、OpenCode 等 15+ 编码智能体的技能目录；脚本为 TypeScript、报告称零依赖、无构建步骤。审计可完全离线运行。内网/气隙环境可用 `transform --stage 2 --offline` 生成仅 repo:local 的 pre-commit 配置，或用 `--hook-mirror <base>` 将托管仓库 URL 重写到内网镜像。具体部署条件未进一步说明。
主要依赖: Node.js >= 22.18 与 git；TypeScript 6（主版本锁定，需 6.0 API），仅可擦除语法（无 enum/namespace），零依赖脚本，遵循 Conventional Commits（commitlint 强制）。GitHub 不可达时生成的 pre-commit 配置无法从 GitHub 拉取 hook 仓库，会阻止提交（CI 不受影响）。
使用限制: 生成的 pre-commit 配置需在运行时从 GitHub 获取 hook 仓库，离线环境需改用 --offline 或镜像方案。部分技术栈（ruby/php/swift/dotnet/harmonyos 及 apple/c-cpp/dart-flutter/unity/zig）仅提供跨栈门禁加明确提示，而非完整栈特定改造。评分与层级范围为 0–10 分，检测结果对部分栈可能偏低。除 README 所述外，未说明具体 API 成本、硬件要求或其他限制。
许可证: MIT
最近推送: 2026-10-14 02:07

官方入门核对 README 依据 ↗

资料检查：2026-10-14 07:00 · 卡片整理：2026-10-14 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为编码智能体的 Agent Skill，对 Git 仓库进行 AI 编程就绪度打分（10 分制健康检查），并就地安装缺失的质量门禁（pre-commit、lint/format、CI、AGENTS.md、规格驱动开发模板等），提供 check 检测漂移与 sync 重新同步，帮助程序员提升代码仓库质量与 AI 协作就绪度。

查看内容依据

Spooner 是一个符合 Agent Skills（SKILL.md）规范的技能包，供编码智能体使用。它先对仓库的 AI 编程就绪度进行打分为 10 分制健康检查，然后就地安装缺失的质量门禁（pre-commit、lint/format、CI、AGENTS.md、规格驱动开发模板等），并提供 check 检测漂移与 sync 重新同步，所有步骤可验证、可回滚，并在安装前后保持构建通过。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

pumptrack：为编程 Agent 编排会话、评审与交付的技能集

pumptrack 是一组面向编程 Agent 的 Agent Skills，以编排者会话为中心，把构建、评审、找 bug、GitHub PR 评审与反馈处理、方案追问、跨会话交接和状态汇总等流程组织成可复用的技能。它支持将深度话题拆到独立会话、在压缩或清空前保存状态，并通过 lookout 在多个项目间汇总进度和转派指令。材料说明其适用于支持 Agent Skills 的 Agent，示例使用 Claude Code；PR 相关技能依赖已登录的 GitHub CLI。

Ravensight Skills：用编码智能体审计并完善游戏埋点追踪

Ravensight Skills 面向使用 Ravensight 分析平台的游戏开发者，提供可在自有编码智能体中加载的客户侧技能。其中的 ravensight-instrumentation 技能会先针对玩家旅程问题写出验收矩阵，再审计既有事件埋点，识别缺失、重复或误导性事件并给出源码位置，也可按需实现埋点扩展，最终产出事件目录、覆盖报告和包含交付、schema、覆盖三项独立结论的完成报告。安装器支持 Codex、Claude Code、GitHub Copilot 及通用手动加载方式，仅写入技能文件，不修改游戏代码、不配置账号、不联系平台。

Locker Protocol Agentic Skills：让 AI 编码代理在不持有私钥的前提下交易 Hyperliquid 永续合约

该仓库为 Claude Code、Codex、Cursor、Antigravity、Grok Build 和 Gemini CLI 提供 Locker Protocol Agentic 的 skill 与插件，教会代理使用 lpa 命令行工具及其 MCP 服务器（42 个 stdio 工具）来交易 Hyperliquid 永续合约。私钥保存在离线 Locker Vault 应用中，电脑上只保存有密码保护、约六个月过期的 agent key，Hyperliquid 拒绝该 key 的提现与转账，只有用户扫描二维码签名才能动资金。skill 内置报价先行、等待用户确认、提现由用户钱包签名、首次使用建议模拟盘等规则，并附带会话启动 hook 与测试自查脚本。

Anti-Dark-Code：基于证据的 AI 代码审查与代码库理解技能

Anti-Dark-Code 是一个模型中立的 agent skill，帮助编码助手理解陌生代码、排查关键风险、记录关键行为、建立校验并修复有依据的问题。它围绕理解、调查、记录、验证、修复与改进六类任务组织工作流，强调结论需附证据并标注已验证、推断与未知的置信度，本地校准信息按仓库隔离保存，可选使用本地 Python 3.12 及以上标准库工具运行。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。