核心要点
有开发者提出一个观点:"会用 AI"这件事,人和人之间的水平差距太大了,大到需要一个客观指标来衡量。
他给出了一套5 级分层(数字越小越硬核):
- 5 级:聊天 · 搜索 · 咨询
- 4 级:调查 · 分析 · 幻灯片制作
- 3 级:战略 · MD(文档)整理 · Git 管理 · 业务自动化
- 2 级:开发 · 运营 · 产品 · 营销
- 1 级:Harness · CLI · 周边工具自制
这套分级的价值不在于"给人贴标签",而在于指出了一条清晰的进阶路径:从"把 AI 当搜索框",一路走到"把 AI 当可编程的基础设施"。
详细解读
5 级 → 4 级:从"问答"到"产出物"
最入门的一层,是把 AI 当成升级版搜索引擎和聊天对象——问问题、查资料、要建议。绝大多数人停在这里。
往上一级,开始让 AI交付具体成果:帮你做调查、跑数据分析、生成一份幻灯片。区别在于,你不再只是"聊",而是把 AI 纳入了产出流程。
3 级:AI 开始接管"流程"
到第 3 级,AI 不再是单点工具,而是嵌进了你的工作流:帮你梳理战略、整理 Markdown 文档体系、管理 Git 提交、把重复的业务动作自动化。
这一层的关键跃迁是——你开始用 AI处理"过程",而不只是"任务"。它意味着你得会把需求拆解、把上下文喂给模型、把结果串成流水线。
2 级:AI 融进"业务本身"
再往上,AI 直接参与开发、运营、产品、营销等核心业务环节。这一层的人,通常已经在用 API 而不只是网页界面——因为业务级的使用需要稳定、可编程、可批量的调用能力。
1 级:自己造工具
最硬核的一层,是自己动手做Harness(承载 AI 能力的执行框架)、CLI 工具、周边配套。到这一层,AI 不再是你"用"的产品,而是你编排、封装、二次开发的原材料。你在为自己的场景,造别人还没造出来的工具。
对开发者意味着什么
这套分级戳中一个现实:越往上走,你和"底层模型能力"的距离就越近,对接入方式的要求也越高。
- 5-4 级,网页界面就够用;
- 3 级往上,你几乎必然要碰API 和自动化脚本;
- 1-2 级做 Harness、CLI、业务系统时,你需要的是:一套稳定、可编程、能自由切换模型的调用底座。
而这里有个常被忽略的坑:如果你从一开始就把工具焊死在某一家模型的 SDK 上,等你想换模型、想给不同任务配不同模型时,就得回头重写鉴权和调用逻辑。段位越高,这个技术债越贵。
总结
这套 5 级分层,本质是在说一件事:"会用 AI"是一条从"使用者"走向"建造者"的路。越往上,你越需要把 AI 当成可编程的基础设施来对待——而基础设施的第一课,就是别把自己锁死在单一模型上。给工具留一层可切换的接入底座,你才有从 3 级往 1 级爬的余地。