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

AI根据立正公开的文章和视频整理,不是他本人回复

评估一个人用 AI 的深度,可以看他是否把 AI 从“更快的工具”变成“能替自己在盲区里判断的伙伴”;分层上,立正给出的是 AI 产品的 L0–L6,而不是人的等级。

先分清:评估的是人,还是产品

立正原文里成体系的分层是“AI 产品的六个层次”,判断标准是 runtime:用户使用时,AI 在系统内部承担了什么职责,而不是开发时有没有用 AI⁠1。所以 L0–L6 描述的是产品对 AI 的应用深度,不能直接当成人用 AI 的等级表。若借它评估人,只能看这个人实际搭出或使用的东西落在哪一层,这是 AI 的推演,不是原文对人的分级⁠2。

产品分层的分界线在 AI 能否自己往下走

材料里的观点

立正列出的递进问题是:AI 只是在回答,还是能基于上下文回答、调用工具、嵌入固定业务流程、决定下一步、循环执行并观察纠错,再到有记忆、权限、评估和人工交接,以及主动触发而非等用户来问⁠1。他把 L3 到 L6 的真正分界线放在这组能力上。另一个容易混淆的点是 AI-assisted building 与 AI runtime:用 Cursor 写出的普通日历,代码再多由 AI 写,用户打开时 AI 不参与理解、判断、行动,就不算 AI 产品⁠1。

看人时,更明显的是认知与 context 的差距

立正在另一篇里把“用好 AI”拆成几项:对 AI 有校准过的认知,不高估不低估;把隐性知识写成 AI 能读的显性文档;做好人机分工;把经验沉淀成可复用系统;愿意动手 build 和试⁠3。他还提出,AI 从执行工具变成思考伙伴,前提是 context 密度——积累价值判断、历史决策、工作原则、偏好边界,并分层提炼,而不是信息越多越好⁠4。按这个思路,最明显的分别不在会不会写 prompt,而在能否把 AI 接进真实工作流、并让它积累对自己的理解;这是 AI 对材料的综合⁠3,4。

提供的片段只给出 L3 到 L6 的分界问题和 L1 的例子,没有完整列出 L0–L6 各层定义;也没有专门针对“个人使用深度”的分级,上述对人的判断属推演。

回到4份原文

1 超线性学院 2026-04-25

AI产品的六个层次 ↗

给出 AI-assisted building 与 AI runtime 的区分,以及 L3 到 L6 的分界问题。