AI 文档生成器（Divar）
用五个并发 AI 智能体自动分析代码库，生成 README、CLAUDE.md、AGENTS.md 等文档，让新成员快速上手、文档不再腐化。
证据显示代理仅注册只读工具（FileReadTool、ListFilesTool，限定范围读取），最小权限有据可依，得2；但cronjob模式自动向GitLab项目开合并请求，缺少用户确认与回滚/清理机制，user_confirmation与external_effects仅1，rollback完全未见记载得0；敏感数据仅靠.env.sample提示，未见密钥轮换或脱敏说明；source_attribution仅在LICENSE署名Divar，生成文档是否标注AI来源无说明。
pyproject精确锁定依赖版本并配重试（指数退避、Retry-After），dependency_availability给2；README与pyproject的CLI、依赖描述一致，self_consistency给2；但实际错误处理、失败提示文案未见源码，failure_messages仅1。
面向开发者入职/文档维护场景，README覆盖Claude插件、pip、uv、Docker、Helm多种环境，audience_and_scenarios与environment_fit给2；触发精度方面CLI与配置分层（Pydantic默认<YAML<CLI）清晰，给2；但能力边界（何种代码库不适用、LLM幻觉风险）与已知局限几乎未提及，capability_boundaries给1。
LICENSE文件完整、MIT声明一致得3；安装说明详尽（含前置条件、多种安装方式）得2；目录结构与命名稳定；但无CHANGELOG（仅pyproject版本1.2.0），versioning_changelog给1；无FAQ、无测试证据展示，examples_and_faq与known_limitations各1；维护责任仅靠作者邮箱与博客，缺CONTRIBUTING或治理文件，maintenance_responsibility给1。
输出物（README、CLAUDE.md、AGENTS.md、cursor规则）定位明确，提供跳过已存在文件、行数限制等可用性选项，output_usability给2；相对人工写文档有明确边际价值，marginal_value给2；但成本（LLM调用、五个并发代理的token开销）无估算或预算控制说明，cost_benefit仅1。
README的功能声明与pyproject、workflow文件可部分互证（pydantic-ai、GitLab集成、Claude动作），cross_source_corroboration给2；但核心声明（五代理并发质量、生成的文档质量）无测试或样例输出佐证，claim_traceability与fact_inference_separation仅1，营销性博客链接与事实描述未分离。
- cronjob模式会自动向GitLab项目提交合并请求，部署前务必确认目标项目范围与凭据权限，避免误写仓库。
- 生成的README/CLAUDE.md/AGENTS.md由LLM产出，可能包含不准确描述，合并前需人工审核。
- 未提供回滚机制：若自动生成的文档覆盖了人工维护的内容，恢复需依赖Git历史。
- 五代理并发分析的LLM token成本未量化，大规模使用前应先估算。
- 仅有README级证据，核心源码与测试未在本次评审材料中，实际行为需自行验证。
这个 Agent 能做什么，适合哪些场景？
这是 Divar 开源的 ai-doc-gen，一个多智能体文档生成系统。它通过五个专职分析智能体并发地梳理代码库的结构、依赖、数据流、请求流和 API，并把分析结果写入 .ai/docs/。生成阶段由 DocumenterAgent 产出 README.md，由 AIRulesGeneratorAgent 产出 CLAUDE.md、AGENTS.md 和 Cursor 规则文件。项目同时是可安装的 Claude Code 插件，提供 analyze-codebase、generate-readme、generate-ai-rules 三个技能。它支持任何 OpenAI 兼容 API，并通过 GitLab cronjob 模式自动发现活跃项目并发起合并请求。可观测性方面集成了 logfire/OpenTelemetry 与 Langfuse。
运行 uv run src/main.py analyze --repo-path . 时，AnalyzerAgent 通过可配置的工作线程池（ANALYZER_MAX_WORKERS，0 为自动检测 CPU 数）并发调度五个分析智能体（代码结构、数据流、依赖、请求流、API），每个智能体使用 FileReadTool 和 ListFilesTool 读取文件，分析文档写入 .ai/docs/。generate readme 命令调用 DocumenterAgent 基于 .ai/docs/ 生成 README.md；generate ai-rules 命令调用 AIRulesGeneratorAgent 并发生成 CLAUDE.md、AGENTS.md 和 .cursor/rules/*.mdc。cronjob analyze 命令通过 python-gitlab 发现最近活跃的 GitLab 项目、执行分析并自动创建合并请求。配置按 Pydantic 默认值 < .ai/config.yaml < CLI 参数的优先级叠加，支持按智能体指定模型和端点。
- 工程团队接手大型陌生代码库，需要快速产出架构、依赖和数据流的入门文档以缩短新成员 onboarding 时间。
- 使用 Claude Code 或 Cursor 的开发者，希望为仓库一键生成 CLAUDE.md、AGENTS.md 和 .cursor/rules/，让 AI 编码助手理解项目规范。
- 维护多个 GitLab 项目的平台团队，配置 Kubernetes CronJob 定期重新分析活跃项目并以合并请求形式提交最新文档。
- 文档长期过时、README 无人维护的存量项目，可通过 --use-existing-readme 在旧文档基础上重新生成。
- 希望在本地使用自托管或 OpenRouter 等非 OpenAI 模型的团队，可为每个智能体单独配置模型与端点。
这个 Agent 有哪些优点和局限？
- 五个专职智能体并发分析（结构、数据流、依赖、请求流、API），覆盖面比单一 LLM 提示一次生成的文档更细。
- 同时是 Claude Code 插件，无需 API key 和 Python 环境即可通过三个技能使用，也可作为独立 CLI 运行。
- 支持任意 OpenAI 兼容 API（OpenRouter、本地模型等），且每个智能体可单独配置模型与端点，避免供应商锁定。
- 具备生产化细节：指数退避与 Retry-After 的 HTTP 重试、agent 级重试、logfire/OpenTelemetry 加 Langfuse 可观测性。
- GitLab cronjob 模式可自动发现活跃项目并以合并请求交付文档，适合持续维护。
- 要求 Python 3.13 这一较新运行时，老环境需升级。
- 核心是分析型文档生成，需要能访问 LLM API，会产生持续的 API 调用成本。
- GitLab 自动化依赖 python-gitlab 凭证和 cronjob 部署（Docker/Helm/K8s），纯 GitHub 工作流没有对等的自动化路径。
- 文档质量依赖底层模型能力，README 未提供生成质量基准或评估数据。
- 输出面向特定 AI 助手格式（CLAUDE.md、AGENTS.md、Cursor 规则），使用其他工具的团队需自行评估产出适用性。
如何安装或部署这个 Agent？
方式一（Claude Code 插件，无需 API key 和 Python）：在 Claude Code 中运行 /plugin marketplace add divar-ir/ai-doc-gen 和 /plugin install ai-doc-gen@divar。方式二（本地运行）：需要 Python 3.13、Git 和 OpenAI 兼容 LLM API 访问。克隆仓库 git clone https://github.com/divar-ir/ai-doc-gen.git && cd ai-doc-gen，推荐用 uv sync 安装（或 pip install -e .）。容器化部署提供 Dockerfile 和 Helm chart（k8s/helm/，用于 Kubernetes CronJob 定时任务）。
如何使用这个 Agent？
- 配置：cp .env.sample .env 填入 LLM API key、base URL 等；mkdir -p .ai && cp config_example.yaml .ai/config.yaml。2. 分析代码库：uv run src/main.py analyze --repo-path .，结果写入 .ai/docs/。3. 生成 README：uv run src/main.py generate readme --repo-path .。4. 生成 AI 助手配置：uv run src/main.py generate ai-rules --repo-path .。5. GitLab 批量模式：uv run src/main.py cronjob analyze，可用 --max-days-since-last-commit 14 过滤项目。可用 --exclude-code-structure 等跳过特定分析，--max-workers 2 限制并发，安装后也可通过 ai-doc-gen 控制台脚本调用相同命令。