Star 数只告诉你结果，不告诉你原因
你有没有想过：为什么有些项目代码写得很好，star 却长得慢？
star 数只告诉你结果——有人点了那个按钮。但它不告诉你原因：是 README 写得好？还是 CI 齐全让人放心？还是单纯被大 V 带了一波？
我在做一个叫 Scorecard 的小工具，把项目成熟度拆成九个维度，每一维只看客观证据——API 拿得到、文件在不在、状态码是多少。这次想聊聊它怎么来的、踩了什么坑、以及第九维「AI 可读性」是怎么把自己打脸的。
为什么要拆成九维
大多数人看一个项目，看的是 README 和 star 数。但这俩信息量太少了。
我给自己定的问题是：「陌生人 10 秒内会不会 star 这个项目？」 把这个问题拆开，就是这些维度：
| 维度 | 它在回答什么问题 |
|---|---|
| 门面 | 第一眼能不能看懂「这是什么」 |
| 分发 | 能不能装上——npm / brew / Docker |
| 发布工程 | 有没有 semver tag、CHANGELOG、发版节奏 |
| 质量护栏 | CI、测试、lint 在不在 |
| 社区卫生 | 有没有 CONTRIBUTING、issue 模板 |
| 文档 | 快速开始、示例够不够 |
| 安全 | 依赖有没有漏洞、有没有 SECURITY.md |
| 度量 | star 增速、fork 比、下载量 |
| AI 可读性 | AI 爬虫能不能读到你的内容 |
九个维度，每个 0-10 分，加权汇总。不是打个分了事——每条都带证据和整改建议。
最初的版本：CLI 工具
最早 Scorecard 是一个命令行工具：
bun run audit webkubor/scorecard
跑完输出一份 Markdown 报告，每个维度列出了证据（evidence）、差距（gaps）和改了能涨多少分。
CLI 版能用，但有个问题：没人愿意为了查一个项目先装一个工具。
改成 Web 版：粘 URL 就能跑
所以我做了一个 Web 版：把 GitHub URL 粘进去，几秒钟拿到完整报告。
scorecard.webkubor.online
不需要登录，公开仓库不需要 token。配一个只读 token 可以把限额从 60 次/小时提到 5000 次，但不配也能跑。
后端是 Bun + Hono，前端是 Vue。后端做质检引擎，前端做报告面板。
报告长什么样
输出不是单一分数，而是三样东西：
- 雷达图 —— 九个维度的分数一眼看完
- 整改清单 —— 按「影响 ÷ 成本」排序，先改收益最大的
- Markdown 报告 —— 可以一键复制，直接粘给 AI 让它帮你改
整改清单里每条都带「改完预计 +X 分」，不是含糊的「建议改进」。
第九维：AI 可读性
前八维是比较传统的。第九维是我加的，灵感来自一次翻车。
我在做一个叫 Scorecard 的小工具——等等，就是这个。我拿它扫自己的项目，发现一个问题：我的官网屏蔽了 AI 爬虫，而我完全不知道。
Cloudflare 托管的 robots.txt 默认屏蔽 GPTBot、ClaudeBot 这些 AI 爬虫。你的内容可以被 Google 索引，但 ChatGPT、Perplexity 引用不了你。
翻车实录
第一刀砍下去：修了 robots.txt，放行 AI 爬虫。以为搞定了。
第二天准备分享的时候又查了一遍——修完一层还有第二层。robots.txt 放行了，但 meta tag 里还有 noai。这是两个独立的屏蔽机制，只修一个等于没修。
这个经历让我意识到：AI 可读性是一个需要主动检查的东西，不是默认就有的。
第九维检查什么
| 检查项 | 看什么 |
|---|---|
| AGENTS.md | 仓库根目录有没有给 AI 的工作指引 |
| llms.txt | 有没有给 LLM 的内容清单 |
| robots.txt | 官网有没有放行 AI 爬虫 |
| 官网 meta tag | 有没有 noai / noimageai |
这四个都是客观判据——文件在不在、状态码是多少，不需要模型判断。
评分不是目的，行动才是
Scorecard 的评分标准分四档：
| 分数段 | 含义 |
|---|---|
| 9-10 | 同品类头部：有渠道、有度量、发布全自动 |
| 6-8 | 工程健康但分发薄弱：「好代码没人看」 |
| 3-5 | 能用但门面/发布有欠账 |
| 0-2 | 个人练习仓库 |
大多数个人项目在 3-5 之间，不是代码差，是门面没做好——README 没写清楚、没有 CHANGELOG、没有 CI。
Scorecard 的核心理念是：每条结论都带证据，每个差距都带整改建议和预计收益。你说「文档有待完善」没用，要说「缺 CONTRIBUTING.md，加上预计 +0.3 分」。
引擎是权威，skill 是深度
Scorecard 有两层：
| 层级 | 做什么 | 适合什么 |
|---|---|---|
| Web 引擎 | 广度扫描 + 趋势追踪 | 一键扫 20 个仓库、定时跑、看趋势 |
| AI Skill | 深度诊断 + 修复方案 | 读 README、给整改方案、帮你改 |
引擎做客观项——API 拿得到的。Skill 做主观项——「README 首屏 10 秒能不能讲清楚」这种要模型读了才知道。
两边必须同一套维度标准，否则面板给 7 分、skill 给 4 分，人就不知道该信谁了。
技术栈
前端：Vue + Vite
后端：Bun + Hono
API：GitHub REST API
部署：Bun server 托管 dist/
没有数据库，没有用户系统。报告是实时算的，缓存在内存里。设计原则是能不加的东西就不加——每个依赖都是负债。
你可以试的
打开 scorecard.webkubor.online，粘一个你熟悉的仓库链接。跑完你会看到：
- 你的项目在哪几维得分高
- 哪几维有差距
- 先改什么收益最大
如果你觉得哪个维度不合理、或者漏了什么，欢迎来提 issue。评分标准不是我一个人说了算的。