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。
