feat: 新增 AI 指标报告助手与配置健康检查功能

- 新增 `ai-metrics-report` 技能，自动生成 AI 成功率、错误率与 Token 成本的综合报告，帮助评估智能助手表现。
- 新增 `config-audit` 技能，检查当前环境配置的完整性与可用性，输出健康检查报告，确保系统稳定运行。
- 相关脚本已实现，支持从项目根目录执行并输出结构化结果。

.claude/skills/ai-metrics-report/scripts/ai_metrics_report.py

@@ -0,0 +1,86 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+AI 指标报告脚本
+
+聚合最近一段时间的 AI 使用与成本指标，供 ai-metrics-report Skill 调用。
+当前版本主要复用 TokenMonitor 的系统统计能力。
+"""
+
+import argparse
+import sys
+from pathlib import Path
+
+
+def add_project_root_to_path():
+    # 假定脚本位于 .claude/skills/ai-metrics-report/scripts/ 下
+    script_path = Path(__file__).resolve()
+    project_root = script_path.parents[4]
+    if str(project_root) not in sys.path:
+        sys.path.insert(0, str(project_root))
+
+
+def main():
+    parser = argparse.ArgumentParser(description="Generate AI metrics report.")
+    parser.add_argument(
+        "--days",
+        type=int,
+        default=7,
+        help="Number of days to include in the report (default: 7).",
+    )
+    args = parser.parse_args()
+
+    add_project_root_to_path()
+
+    from src.analytics.token_monitor import TokenMonitor
+
+    monitor = TokenMonitor()
+    stats = monitor.get_system_token_stats(days=args.days) or {}
+
+    print(f"=== AI 指标报告（最近 {args.days} 天） ===\n")
+
+    total_tokens = stats.get("total_tokens", 0)
+    total_cost = stats.get("total_cost", 0.0)
+    total_requests = stats.get("total_requests", 0)
+    successful_requests = stats.get("successful_requests", 0)
+    failed_requests = stats.get("failed_requests", 0)
+    success_rate = stats.get("success_rate", 0)
+
+    print("整体概览：")
+    print(f"  总请求数       : {total_requests}")
+    print(f"  成功请求数     : {successful_requests}")
+    print(f"  失败请求数     : {failed_requests}")
+    print(f"  成功率         : {success_rate:.2%}" if total_requests else "  成功率         : N/A")
+    print(f"  总 Token 数量  : {total_tokens}")
+    print(f"  总成本（估算） : {total_cost:.4f} 元")
+    print()
+
+    # 模型使用分布
+    model_usage = stats.get("model_usage", {})
+    if model_usage:
+        print("按模型维度的请求分布：")
+        for model_name, count in model_usage.items():
+            pct = (count / total_requests) * 100 if total_requests else 0
+            print(f"  - {model_name}: {count} 次 ({pct:.1f}%)")
+        print()
+
+    # 按日期的成本趋势（如有）
+    daily_usage = stats.get("daily_usage", {})
+    if daily_usage:
+        print("按日期的 Token 与成本（近几天）：")
+        # daily_usage: {date_str: {"tokens": ..., "cost": ...}}
+        for date_str in sorted(daily_usage.keys()):
+            day_data = daily_usage[date_str]
+            tokens = day_data.get("tokens", 0)
+            cost = day_data.get("cost", 0.0)
+            print(f"  {date_str}: tokens={tokens}, cost={cost:.4f} 元")
+        print()
+
+    print("提示：")
+    print("  - 成本与成功率仅基于 TokenMonitor 收集的调用记录进行估算；")
+    print("  - 如需更细粒度的会话质量指标，可结合 analytics 模块或自定义报表。")
+
+
+if __name__ == "__main__":
+    main()
+