你會如何評估一個人使用 AI 的深度? 根據目前主流的觀點或你的判斷,現在使用 AI 的層級大致分為哪幾層呢? 他們最明顯的分別是什麼呢?
提问
可以看两件事:AI 是否进入真实工作流,以及人是否把隐性知识、判断和反馈沉淀成可复用系统。立正给出的分层是产品视角的 L0–L6,不是个人能力量表。
先分清:评产品深度,还是评个人使用深度
立正谈的“六个层次”有明确对象:判断一个 AI 产品在运行时承担什么职责,而不是给使用者打分。他区分 AI-assisted building(开发时用 AI 写代码)和 AI runtime(用户使用时 AI 在系统内理解、判断、行动),并强调分类只看 runtime,不看 UI 或是否用了最新模型1,2。因此,若问题是“这个人用 AI 有多深”,不能直接把 L0–L6 套在人身上;更合适的是借用它的分界问题,再结合个人层面的认知、文档和系统化标准。
产品侧的分界:从回答到主动循环
材料里的观点按立正列出的问题,深度大致沿这条线上升:AI 只是回答;能基于上下文回答;能调用工具;能嵌入固定业务流程;能决定下一步;能循环执行、观察结果并纠错;再往上涉及记忆、权限、评估与人工交接,以及主动触发而非等用户来问2。他把 L3 到 L6 的真正分界线放在这些能力上,并预测招聘和投资会用类似框架考察对 AI 的驾驭能力2。最明显的分别不是“有没有调用模型”,而是 AI 是否在用户真实工作流里承担任务,以及能否从单次回答走向可观察、可纠错的执行1,2。
个人侧的分界:认知、显性化与系统沉淀
立正另一篇面向非技术岗位的文章把差距拆成五条:对 AI 有校准过的认知,不高估也不低估;把脑子里的隐性知识变成 AI 能读的显性文档;做好人机分工的战略判断;把经验沉淀成可复用的个人系统;愿意去 build、去试、在做的过程中学习3。在更偏 builder 的版本里,他把高阶状态描述为 AI 从执行工具变成思考伙伴:能在你不擅长的领域给出有质量的判断,指出你的决策与原则之间的矛盾,提出你没想到的方向;前提是 context 密度足够,并且从真实工作记录中分层提炼稳定原则4。这两条线合起来,最明显的个人分别就是:低阶把 AI 当更快的工具人,高阶让 AI 进入自己的判断和系统,并且能说清它对自己的理解边界在哪里3,4。
现有片段只给出 L0–L6 的部分层次描述和若干判断问题,没有完整逐层定义;个人侧的五条差距也不是严格的层级量表。因此这里只能给出分界逻辑,不能据此宣布一套公认的完整分级。
回到4份原文
说明六层分类只看 runtime,并举 L1 与更高层的判断例子。
给出 AI runtime 与 AI-assisted building 的区分,以及从回答到主动循环的关键问题。
提供个人使用深度的五条差距,偏非技术岗位视角。
说明从执行工具到思考伙伴的跃迁,以及 context 密度的前提。