AI工具使用能力模型分析

一、能力层级划分（L0-L5）

L0 - 零基础层

特征： 未使用或极少使用AI工具

• 不了解大语言模型
• 偶尔使用但不知道如何有效使用

---

L1 - 基础使用层

核心能力：

• 工具认知能力： 知道主流AI工具的存在
• 基础交互能力： 能够进行简单的问答对话
• 信息获取能力： 用AI搜索信息、解答基础问题

技术门槛：

• ✓ 能访问国内AI工具（豆包、Kimi、文心一言等）
• ✓ 基础的网页操作能力
• ✗ 不需要VPN
• ✗ 不需要编程基础

典型使用场景：

• 使用豆包/Kimi问简单问题
• 让AI写个邮件、总结文字
• 偶尔使用，未形成习惯

---

L2 - 进阶使用层

核心能力：

• 工具矩阵管理： 同时使用多个AI工具
• 差异化认知： 理解不同模型的优劣势
• 付费意识： 愿意为高质量服务付费
• 跨墙能力： 能够访问国际AI工具

技术门槛：

• ✓ 配置并使用VPN
• ✓ 国际支付能力（信用卡/虚拟卡）
• ✓ 账号注册管理（手机号验证、邮箱等）
• ✗ 还不需要编程

典型使用场景：

• ChatGPT处理文案工作
• Claude解决技术问题
• 根据任务选择合适的模型
• 开通1-2个付费订阅

能力细分：

1. 问答模式熟练度

   • 普通对话：日常问题、创意讨论
   • 学习模式：系统学习新领域
   • 技术问答：针对专业问题

2. Prompt工程初级能力

   • 知道如何清晰描述需求
   • 能够进行多轮对话优化结果
   • 了解角色设定、格式要求等基础技巧

---

L3 - 高级应用层

核心能力：

• 模式切换能力： 熟练使用高级功能（代理模式、深度研究）
• 交叉验证思维： 使用多个模型对比验证结果
• 工具组合能力： 串联多个工具完成复杂任务
• 专业文档生产： 生成高质量的技术文档、报告、PPT

技术门槛：

• ✓ 深入理解不同AI模型的能力边界
• ✓ 了解高级功能的使用场景
• ✓ 具备信息筛选和验证能力
• ✓ 可能需要了解一些API概念
• ✗ 还不需要写代码

典型使用场景：

1. 代理模式（Agentic Mode）

   • ChatGPT Canvas/Projects
   • Kimi OK Computer
   • 豆包超能模式
   • 用于：多步骤任务自动化、文件处理、数据分析

2. 深度研究模式

   • ChatGPT Deep Research
   • Gemini Deep Research
   • 用于：行业调研、竞品分析、技术选型

3. 文档生成矩阵

   • 技术文档：Claude Artifacts/ChatGPT Canvas
   • PPT报告：天工AI/Gamma
   • 交叉验证：多模型对比结果质量

4. 专业阅读

   • NotebookLM：溯源阅读、生成播客
   • 理解"幻觉"概念并采取应对措施

能力细分：

• 高级Prompt工程

  • 复杂任务分解
  • 角色设定和思维链引导
  • 格式化输出控制（JSON、Markdown等）

• 结果质量管理

  • 识别AI幻觉
  • 多模型交叉验证
  • 人工审核和调整

---

L4 - 技术集成层

核心能力：

• 编程基础： 能够编写简单的Python脚本
• API调用能力： 通过代码调用AI模型API
• 开发环境配置： VSCode、Cursor等编辑器配置
• 工具链构建： 将AI集成到工作流中

技术门槛：

• ✓ Python基础语法
• ✓ 环境变量配置
• ✓ API Key管理
• ✓ 基础的命令行操作
• ✓ Git基础（可选）
• ✓ 编辑器插件配置

典型使用场景：

1. Codex（Cursor/Windsurf等）

   • 使用AI编程助手写代码
   • 文档撰写：PRD、SOP、技术方案
   • 调用AI API进行数据处理

2. Claude Code（Command Line）

   • 终端中使用Claude进行代码审查
   • 自动化代码重构
   • 批量文件处理

3. 代码审查与优化

   • 让AI审查代码质量
   • 性能优化建议
   • 安全漏洞检查

4. 简单脚本开发

   • 数据清洗脚本
   • API封装
   • 自动化工具

能力细分：

• 开发环境能力

  • VSCode/Cursor配置
  • 插件安装和配置（Continue、Codeium等）
  • 快捷键和工作流熟练度

• API集成能力

  • 理解RESTful API
  • 使用Python requests库
  • 错误处理和重试机制

---

L5 - 深度定制层

核心能力：

• 协议级理解： 理解MCP等AI协议
• 服务开发能力： 自制MCP服务或AI工具
• 开源生态参与： 能够检索、阅读、使用开源项目
• 技术文献阅读： 阅读论文、技术博客，了解前沿动态

技术门槛：

• ✓ 中高级编程能力（Python/TypeScript）
• ✓ 网络协议理解（HTTP、WebSocket等）
• ✓ GitHub生态熟练度
• ✓ 技术文档和论文阅读能力
• ✓ 问题调试和排查能力
• ✓ 持续学习和主动探索意识

典型使用场景：

1. MCP集成

   • 使用现有MCP服务：
     • Playwright（浏览器自动化）
     • OpenMemory（记忆管理）
     • Tooluniverse（工具集合）
   • 自制MCP服务：
     • 企业内部API封装
     • 专有数据库查询
     • 定制化工具开发

2. 开源探索

   • GitHub检索相关项目
   • 阅读和理解项目文档
   • 本地部署和测试
   • 贡献代码或反馈Issue

3. 前沿跟踪

   • 阅读AI领域最新论文
   • 关注技术博客和社区
   • 参加线上/线下技术分享
   • 实验新发布的模型和工具

4. 深度定制开发

   • 基于LangChain/LlamaIndex构建应用
   • Fine-tuning小模型
   • 构建RAG系统
   • 企业级AI集成方案

能力细分：

• 架构设计能力

  • 设计AI驱动的应用架构
  • 选择合适的技术栈
  • 性能和成本优化

• 主动学习能力

  • 自主发现新工具和方法
  • 快速学习新技术
  • 知识迁移和应用

---

二、横向能力维度

除了纵向的层级，还需要评估横向的能力维度：

1. 使用频率维度

• 低频用户： 偶尔使用，每周<5次
• 中频用户： 经常使用，每天1-5次
• 高频用户： 深度依赖，每天>10次
• 全时用户： 工作流完全AI化，持续对话

2. 使用广度维度

• 单工具用户： 只用1-2个AI工具
• 多工具用户： 使用3-5个不同AI工具
• 工具矩阵用户： 使用>5个工具，并能根据场景切换

3. 使用深度维度

• 浅层使用： 只用基础问答
• 中层使用： 使用高级功能（代理、研究模式）
• 深层使用： API集成、代码生成
• 定制开发： MCP服务、自研工具

4. 学习主动性维度

• 被动型： 只用别人推荐的工具
• 跟随型： 看到新工具会尝试
• 探索型： 主动搜索和测试新工具
• 创新型： 自己开发新的应用方式

5. 付费意愿维度

• 免费用户： 只用免费工具
• 低付费用户： 1个订阅（~$20/月）
• 中付费用户： 2-3个订阅（~$60/月）
• 高付费用户： >3个订阅（~$100+/月）

---

三、能力与工具使用对照表

工具/功能	能力层级	技术门槛	主动性要求
豆包/Kimi基础对话	L1	低	低
ChatGPT/Claude对话	L2	中（需VPN）	中
ChatGPT Plus订阅	L2	中	中
代理模式（OK Computer）	L3	中	中
Deep Research	L3	中	高
交叉验证工作流	L3	中	高
NotebookLM	L3	低	中
Codex/Cursor	L4	高	高
Claude Code	L4	高	高
MCP使用（现有服务）	L4-L5	高	高
MCP自制服务	L5	很高	很高
GitHub开源项目使用	L5	高	很高

---