第一阶段：AI 原生执行者

画像

完全不理解 AI 工程执行的方式，抵触使用。认为 AI 写出来的代码不可信、不安全。

典型错误

"AI 写的代码都是垃圾，我从来不用。"——但从未真正让 AI 完成过一个完整任务。

操作手册

自测信号

你是否至少让 AI 完成过 1 个完整的工程任务（而非只是问问题）？如果还没有，你在 L1。

画像

开始尝试使用 AI 执行工程任务，但不深入，容易放弃。遇到问题不会排查。

典型错误

让 AI 写了一个函数，报错了，直接放弃说"果然不行"——而不是把错误信息喂回给 AI。

操作手册

自测信号

遇到 AI 报错时，你的第一反应是"自己排查"还是"把错误贴回给 AI"？如果是前者，你在 L2。

画像

把 AI 当搜索引擎或代码片段复制器用。直接复制粘贴 AI 生成的代码，不验证。

典型错误

AI 生成了一个 SQL 查询，直接复制到生产环境执行——没有检查 WHERE 条件、没有先跑 EXPLAIN、没有在测试库验证。

操作手册

自测信号

AI 生成的代码，你是否至少读过一遍逻辑再使用？如果从不读，你在 L3。

画像

会写简单的提示指令让 AI 执行工程任务。一次成型，不迭代优化。

典型错误

"帮我写一个登录功能"——AI 生成了代码，没有 session 管理、没有 token 刷新、密码明文存储，但看起来能跑，就用了。

操作手册

自测信号

你的提示语是否包含"角色+任务+约束"三个要素？如果通常只有"任务"，你在 L4。

画像

开始使用思维链（Chain of Thought）让 AI 解决复杂工程问题。能提出多步骤任务。

典型错误

让 AI 直接写代码解决一个复杂问题，AI 给了方案但遗漏了关键的边界条件——因为你没让它先分析再写。

操作手册

自测信号

你是否经常要求 AI "先分析，再动手"？如果总是直接要结果，你在 L5。

画像

系统性设计提示，能多轮迭代优化输出。能区分"跑通了"和"跑对了"。

典型错误

AI 生成的代码跑通了，但没注意到它用了已废弃的 API 版本——因为验收标准里没有"依赖版本检查"。

操作手册

自测信号

你是否能在 3 轮迭代内让 AI 输出达到你的验收标准？如果不能，你在 L6。

画像

AI 深度融入工作流，能设计"收集→处理→生成→复盘"的自动化工程流水线。

典型错误

搭建了一条自动化流水线，但没有在关键节点设置验证步骤——流水线跑完了，产出物是错的，但没人发现。

操作手册

自测信号

你的 AI 工作流中是否有至少 2 个独立的验证节点（而非只在最后检查一次）？如果没有，你在 L7。

画像

在 AI 执行过程中建立明确的检查点。能区分错误是反馈还是失败。

典型错误

AI 在第三步报错了，你手动修了继续跑——但没有回头检查第一步和第二步的假设是否仍然成立。

操作手册

自测信号

每个模块完成后，验证耗时是否 <15% 总耗时？如果验证占比过低或过高（>50%），你的检查点设计需要调整。

画像

能审查 AI 执行任务的完整链路，包括依赖、版本、边界条件。能判断系统是否可信。

典型错误

同一个任务让 AI 跑了一遍，结果对了就认为"系统可信"——没有跑三遍验证可重复性。

操作手册

自测信号

你是否能列出当前项目 AI 生成部分的所有外部依赖及其版本？如果不能完整列出，你在 L9。

画像

能设计 AI 执行复杂工程任务的架构。包括任务拆解、边界定义、决策权分配。

典型错误

设计了一个看起来很完美的 Agent 架构，但没有定义 escalation paths——AI 遇到未预期情况时不知道该停还是该继续。

操作手册

自测信号

你设计的 AI 工作架构中，是否明确定义了 escalation paths（什么情况下 AI 必须停下来等人确认）？如果没有，你在 L10。