convez.ai
AgenteAutomaçãoIntermediário
yxkong

AI Growth Mirror

yxkong/ai-growth-mirror

Avalie maturidade Agentic e construa sistemas de colaboração IA estáveis e reproduzíveis

Ver no GitHub
BomPluginScore · de 0 a 100

Sistema local de avaliação de maturidade operacional Agentic que analisa históricos de sessão de ferramentas de IA (Cursor, Claude Code) para transformar experiências difusas de colaboração em relatórios de crescimento observáveis e acionáveis. Usa metodologia de "quatro provas" e radar de seis eixos para medir estabilidade, identificar gargalos e gerar recomendações de treinamento baseadas em evidências reais.

Instalação

$npx convez-ai yxkong/ai-growth-mirror

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
6
Forks
2
Acompanhando
0
Saúde
71%
Último commit
há 2 meses
Versão
v1.0.0
Issues abertas
0
Contribuidores
1

Casos de uso

  • Diagnosticar gargalos em fluxos de colaboração com ferramentas de IA coding
  • Estruturar contratos de ação (Rules, Skills, Workflows) baseados em padrões reais
  • Rastrear evolução de capacidades Agentic ao longo do tempo com análise comparativa
  • Orientar desenvolvedores na transição de Copilot reativo para Agentic executivo

Veredito

Ferramenta sofisticada e bem fundamentada que aborta o mito de "mais prompts melhores" para focar em maturidade operacional real. Ideal para equipes sérias em engenharia de agentes, mas exige engajamento ativo e interpretação cuidadosa de evidências — não é dashboard automático, é um sistema de reflexão estruturada.

README

A tradução para o português deste README ainda está na fila.

AI Growth Mirror (AI 协作成长镜)

English README: en/README.md

Release Schema Version Python Version License

你是否每天都在大量使用 Cursor、Claude Code、Trae 等 AI 编码工具,却感觉交付结果不稳定?或者经常被 AI 牵着走,不知道协作的问题到底出在哪里?

AI Growth Mirror 是一面本地优先的 Agentic 操作成熟度评估系统。它静默、安全地读取你本机已有的 AI 编码会话历史,通过"四证法"和"六轴底盘"算法,将你模糊的协作感觉转化为可观察、可解释、可复盘的可视化成长报告。它不是"好看的 AI 使用海报",而是帮你打破协作瓶颈、沉淀高杠杆技术资产的成长产品。


🌐 AI 工具三阶段演进:你处于哪个阶段?

AI 工具的发展正在经历三个阶段转型,评估重心也在随之迁移:

阶段一(Copilot)          阶段二(Agentic)           阶段三(Autonomous)
─────────────────────    ─────────────────────────    ──────────────────────────
人写代码,AI 补全          人定目标,AI 执行             人做战略,AI 自主完成
intent 很重要              execution 才是核心            评估对齐与控制能力
"Prompt 写得好不好"         "能否驱动 AI 稳定交付"        "能否建立可信任的 AI 系统"

AI Growth Mirror 的定位:不是 Prompt 打分器,而是 Agentic 操作成熟度评估。 从 v0.7 开始,评估重心从「你的 Prompt 写得有多完整」迁移到「你能否把 AI 变成稳定可复用的生产力系统」。


🎯 评估方法论:"四证法"

AI Growth Mirror 拒绝无意义的单纯统计(如消息数、敲代码行数),而是用**"四证法"**真实映射你的人机协作水平:

  • 🎯 Context Frame (上下文边界): 是否在协作启动与对齐阶段,为任务建立清晰的目标、约束和验收标准?(可通过单轮精准输入或多轮交互澄清完成)
  • 🔗 Flow Orchestration (连续流编排): 是否驱策 AI 连续解决复杂问题,而不是每一步都靠人工接管?
  • 🔁 Proof Loop (闭环验证): 是否把构建、测试与纠偏行为深度融入人机交互中?
  • 📦 Method Asset (方法资产化): 是否将有效的实践提炼为 Rule、Skill、Workflow 等高杠杆资产并产生复用?

四证法是方法论入口(4 个好记的协作支柱),下面的六轴雷达是它的度量展开。映射关系:

  • Context Frame → 协作框定
  • Flow Orchestration → 协作驱动 + 实现下潜(既要连续推进,也要真正下潜到实现)
  • Proof Loop → 交付收口 + 恢复推进(构建/测试收口 + 偏航后的纠偏)
  • Method Asset → Agentic 系统化

📈 六轴 Agentic 成熟度雷达(v1.0)

每一期生成的评估结果都会投射到六轴协作雷达(协作指数由此计算),它是上方「四证法」的可度量展开:

协作能力轴权重衡量内容
协作框定 (collaboration_framing)14%协作启动质量,包含目标锁定速度、主动澄清率与有效任务契约(v1.0.0升级)
协作驱动 (execution_driving)25%自主工具链长度、子代理编排与人机协作节奏(Agentic 主战场)
实现下潜 (implementation_depth)19%文件修改量、代码验证覆盖率与实现边界控制
交付收口 (delivery_closure)19%任务完成率、验证行为、测试/构建/脚本验证与契约履约表现
恢复推进 (adaptive_recovery)10%AI 偏航或报错时,纠偏和回到正轨的质量
Agentic 系统化 (agentic_system)13%Skill/Workflow/MCP/Subagent 等方法资产化能力

为什么这样调整:见 docs/design/v0.7.0-DESIGN.md、docs/design/v0.8.0-DESIGN.md、docs/design/v0.8.1-DESIGN.md 与 docs/design/v1.0.0-DESIGN.md


✨ 核心亮点 (v1.0.0)

1. 🧭 Agentic 操作成熟度六轴评估

从 v0.7 起,系统不再围绕"Prompt 写得好不好"做单点判断,而是用 协作框定、协作驱动、实现下潜、交付收口、恢复推进、Agentic 系统化 六轴评估真实协作成熟度。v0.8 将 collaboration_framing 定稿为正式轴,并把协作启动质量从"首轮完备度"扩展到多轮目标锁定能力。

2. 🎯 目标锁定速度 (Goal Locking Speed)

v0.8 新增 goal_locking_speed:通过 turns_until_first_file_write 观察用户能否快速驱动 AI 锁定目标、边界与可交付路径。支持精细工具流的 reader 会记录首次写入前的用户轮数;缺少工具流的历史会话会使用明确 fallback,避免把"没有信号"伪装成深度判断。

3. 🕸️ Agentic Evidence Graph + Action Contract

报告底层会构建六维证据图:任务意图、方法使用、上下文、执行路径、收口状态与人工干预。训练建议不再是固定文案,而是由真实短板、纠偏模式和证据图生成 Rule / Skill / Workflow / Checklist 形式的 Action Contract。

v1.0.0 起,系统会区分用户显式契约、Skill/Rule/Workflow 契约、Agent 派生契约与后置纠偏契约,避免把“已有全局规则但首轮没手写验收”误判为纯粹的协作框定缺失。

4. 📊 训练闭环 + 环比追踪

  • Action Contract 回看:自动识别上一期建议在本期的改善效果(improved / partial / unchanged)
  • 成长轨迹:六轴评分 + 摩擦变化的逐期 delta,SVG 趋势折线 + 变化箭头
  • CLI status:ai-growth-mirror status 即时显示样本进度 + 本周练习提示(< 100ms)

5. 🔌 9 款主流 AI 工具一键适配

一键扫描,自动识别并聚合以下 9 款 AI 工具:

  • 国际主流:Claude Code、Codex、Cursor、Gemini、Cline、Kilo Code
  • 国产先锋:CodeBuddy、Trae、QCoder

6. 🔒 本地优先,隐私可控

默认使用本地规则引擎离线分析。即使在 llm 模式下引入 LLM 语义诊断,也仅发送脱敏后的会话摘要,而非完整代码原文。运行 generate --redact 会自动脱敏 HTML 报告、Sidecar、分享卡与快照中的路径和代码隐私。


📊 报告效果预览

生成 ai-growth-mirror.html 后双击即可本地打开,无需部署。报告按「诊断 → 训练 → 追踪」组织,侧边栏可快速跳转各区块。

本期协作进化报告(Hero)

首屏一眼看懂:等级 · 协作指数 · 下一步练什么。支持浅色 / 深色主题切换。

浅色主题深色主题
Hero 浅色主题Hero 深色主题

成长信号总览

六轴协作雷达 + 协作指数趋势折线 + Top 3 短板与可执行行动建议。

成长信号总览:六轴雷达、趋势折线与短板排行

协作风格透镜

四维度协作画像(启动 / 推进 / 收口 / 复用),帮你看见自己的 AI 协作「打法」而非只看分数。

协作风格透镜:四维度协作画像

工作聚焦与协作节奏

你在做什么(项目、目标类型、工具与语言)+ 双节奏切换等协作节律洞察。

工作聚焦与协作节奏

本期值得保留的方法

从高分会话中提炼可复用的协作范式(深度委托、工具链编排、结构化执行),直接迁移到下一类相似任务。

本期值得保留的方法:高分会话范例


🚀 快速开始

运行环境

  • Python 3.12+

1. 安装项目

# 克隆仓库后在根目录运行:
pip install -e .

# 默认已支持 OpenAI 兼容网关(如 deepseek、openai);仅 claude / gemini 需额外安装:
pip install -e ".[llm]"

也可使用 uv(与仓库 uv.lock 一致):

# 默认已含 openai SDK,支持 deepseek / openai / openai_compatible 等网关的 LLM 语义诊断
uv sync

# 仅在使用 claude、gemini provider 时需额外安装 Anthropic / Gemini SDK
uv sync --extra llm

2. 初始化配置 (可选,用于 API Key 与资产足迹)

cp config.example.yaml config.yaml
# 编辑 config.yaml 填入 LLM Provider、API Key、本地 Agent 资产扫描根目录

3. 一键生成个人成长报告

任选一种执行方式(在你的工作区目录运行,通常为项目仓库根目录):

cd /path/to/your/project-workspace

# 方式 A:已 pip install -e . 安装 CLI 入口
ai-growth-mirror generate

# 方式 B:不安装全局命令,在 ai-growth-mirror 仓库根目录用 Python 模块
python -m ai_growth_mirror.cli generate

# 方式 C:uv 环境(在 ai-growth-mirror 仓库根目录)
uv run python -m ai_growth_mirror.cli generate

查看版本:

python -m ai_growth_mirror.cli --version
# 或(已安装 CLI 时)
ai-growth-mirror --version

运行完成后,您的当前目录下将输出:

  • ai-growth-mirror.html: 个人 Agentic 成熟度交互式分析主报告。
  • ai-growth-mirror.json: 结构化 Evidence Sidecar(含 Agentic Evidence Graph、覆盖率与统计证据)。
  • ai-growth-mirror.summary.json: 面向分享卡、二次消费和自动化集成的稳定摘要契约。
  • ai-growth-mirror-share.html: 对外分享脱敏卡片。
  • ai-growth-mirror-archive/: 快照存档目录,第二次运行时将自动激活「成长轨迹对比」(本期 vs 上一期)。

🛠️ 进阶命令参数

以下示例用 CLI 入口;未全局安装时,将 ai-growth-mirror 替换为 python -m ai_growth_mirror.cli(uv 用户可用 uv run python -m ai_growth_mirror.cli)。

  • 查看本周样本进度:ai-growth-mirror status
  • 指定工具过滤:ai-growth-mirror generate --tools cursor,trae
  • 锁定时间窗口:ai-growth-mirror generate --since 2026-01-01 --until 2026-06-30
  • 离线规则引擎分析(零外部网络调用与费用):ai-growth-mirror generate --session-read-mode heuristic
  • 过滤分析范围(按特定 Repository、目录或关键字过滤):ai-growth-mirror generate --repo app-repo --dir ~/projects/app
  • 手工对比历史快照:ai-growth-mirror compare <left_snapshot_id> <right_snapshot_id>
  • 清理过期缓存:ai-growth-mirror cache prune

📖 开发者文档索引

对于想要深度定制、贡献 Adapter 或调试算法的开发者,请详细参阅我们的 Canonical 文档(英文版见 en/README.md 与 docs/en/README.md):


许可证

本项目基于 MIT License 协议发布。

Ver o original no GitHub

Bom para

Relacionados