四级模型总览
AI 使用程度从浅到深分为四个等级。每个等级不是简单的"用得更熟练"，而是人机关系质变：从 AI 给人打下手，到人与 AI 协同，再到 AI 自主完成、人做决策。理解这套模型，你就能清晰判断自己团队在哪个等级、下一个等级需要补什么。
| 等级 | 名称 | 一句话 | 最低工具要求 | 核心变化 |
|---|---|---|---|---|
| 1 | AI 辅助 | 人干主体，AI 打下手 | 网页版 LLM + IDE 代码补全 | 查文档分钟→秒，碎片任务加速 |
| 2 | AI 增强 | AI 出初稿，人做审核决策 | Claude Code / Cursor Agent + 企业知识库(RAG) + CLAUDE.md | 从"人从零做"→"人审 AI 产物" |
| 2.5 | 人机协同 | AI 主导执行，人实时监督干预 | + CI/CD AI 阻断节点 + 四层知识库 + AI API 网关 | 从"人安排任务"→"AI 驱动工作流，人管异常" |
| 3 | AI 自主 | AI 独立完成任务链路，人定目标做验收 | + 多 Agent 编排 + 全工具链 MCP 权限 + 个人记忆持久化 | 1 人+AI = 传统 5-8 人团队 |
💡 关键认识
① 每个角色都有适合自己的等级上限——财务到 L2.5 就已足够，不必追 L3。
② 同一组织内各角色等级可以不同——开发 L2.5 + 客服 L2 + 财务 L1，照样运转。
③ 真正质变发生在多角色 AI 产物互联互通时——单角色用 AI 是提效，多角色 AI 协同才是模式升级。
Level 1 · AI 辅助
人干主体，AI 打下手。工具门槛最低，效果天花板有限。
最低工具要求
| 工具类型 | 具体工具 | 用途 | 费用 |
|---|---|---|---|
| 通用 LLM | ChatGPT / Claude / DeepSeek / Kimi / 通义千问 网页版 | 回答问题、解释概念、生成脚本片段、润色文案 | 免费~200元/月 |
| IDE 补全 | GitHub Copilot / 通义灵码 / Cursor 免费版 | 行级代码补全、函数生成建议 | 免费~100元/月 |
| 办公 AI | WPS AI / 飞书智能伙伴 / Notion AI | 文档润色、会议纪要整理、表格公式 | 免费~200元/月 |
各角色 AI 作用
| 角色 | AI 干什么 | 不干什么 | 传统→改变 |
|---|---|---|---|
| 🖥 开发 | 代码补全、API 用法查询、正则/脚本生成、报错翻译 | 不碰项目结构、不做架构决策 | 查文档时间从分钟→秒 |
| 📊 售前 | 行业术语解释、方案片段润色、竞品信息检索 | 不出方案框架、不定策略 | 格式调整和措辞优化加速 |
| 🔧 售后 | 日志报错翻译解释、SQL 查询语句生成 | 不碰客户系统、不做变更 | 排查问题少查一半资料 |
| 💬 客服 | 话术润色、常见问题检索、回复模板填充 | 不直接回复客户 | 回复从手打→AI 辅助+人发 |
| 📋 项目经理 | 甘特图描述生成、风险列表整理、文档排版 | 不做计划和排期决策 | 文档从手排→描述需求 AI 出 |
| 💰 财务 | Excel 公式纠错、发票信息提取、报表格式整理 | 不做账、不审核 | 公式和模板从零写→AI 生成 |
| 👥 人力 | JD 初稿生成、简历关键词提取、培训材料大纲 | 不面试、不做人事决策 | JD 从零写→AI 出初稿再改 |
| 🎯 总经理 | 行业动态摘要、邮件草稿、数据趋势描述 | 不做任何决策 | 信息摄入效率提升 |
跨角色协作
无实质性协作。每人各自用 AI 做碎片任务，角色间仍靠常规沟通（会议、邮件、IM）。AI 产出的格式/内容不互通。
⚠️ L1 的陷阱
最容易给团队"我们已经 AI 化了"的错觉，实际只是把百度搜索换成了 ChatGPT。如果把敏感数据粘贴到公有 AI，反而引入了安全风险。L1 停留超过 3 个月 = 浪费时间窗口。
Level 2 · AI 增强
AI 出初稿，人做审核决策。这是从"量变"到"质变"的第一个分水岭。
最低工具要求
| 工具类型 | 具体工具 | 用途 | 费用 |
|---|---|---|---|
| 终端 Agent | Claude Code | 读写文件、执行命令、多文件编辑、全项目理解 | API 按量付费 |
| IDE Agent | Cursor Agent / Cursor Pro | 编辑器内多文件上下文编码 | ~$20/月 |
| 企业知识库 | Dify + PostgreSQL + pgvector | RAG 检索——历史方案/架构文档/项目经验向量化 | 服务器成本+API |
| 项目规约 | CLAUDE.md + .claude/design-tokens.md | AI 启动即加载项目上下文、编码规范、命名约定 | 免费（人力投入） |
| 质量门禁 | open-code-review | L1 规约自动检查（代码风格、安全、覆盖率） | 免费开源 |
各角色 AI 作用
| 角色 | AI 干什么 | 不干什么 | 传统→改变 |
|---|---|---|---|
| 🖥 开发 | 按需求描述生成模块初稿、写单元测试、跑代码审查、生成 PR 描述 | 不做架构选型和关键设计决策 | 从"写代码"→"审代码" |
| 📊 售前 | 解析招标文件、检索历史方案片段、生成方案目录和章节初稿、竞品对比矩阵、做 PPT 初稿 | 不定竞争策略、不定报价 | 方案编写 2-3 周→2-3 天出初稿 |
| 🔧 售后 | 分析日志上下文、匹配历史问题库、推荐修复方案、生成客户沟通口径 | 不直接操作客户系统 | 问题定位从半天→十分钟 |
| 💬 客服 | 自动分类工单、推荐回复模板、标记紧急工单、聚类高频投诉 | 不直接回复（人工点发送） | 客服效率翻倍，聚焦复杂问题 |
| 📋 项目经理 | 生成项目计划初稿、风险识别、周报自动汇总、资源冲突检测 | 不做关键决策和人事处理 | 计划编制 2 天→2 小时 |
| 💰 财务 | 发票识别+自动入账、报销合规检查、生成财务报表初稿、现金流预测初版 | 不做最终审核和签字 | 审核从逐笔→异常聚焦 |
| 👥 人力 | 简历筛选初筛、培训材料生成、绩效数据汇总、面试问题推荐 | 不面试、不定薪不定人 | 初筛从 100 份→5 份重点看 |
| 🎯 总经理 | 经营数据解读、市场分析报告初稿、战略材料汇总、竞对动态追踪 | 不做最终决策 | 决策信息准备从周→天 |
跨角色协作
各角色 AI 产物开始互联：
🔑 L2 的核心基础设施：知识库
没有知识库，AI 方案生成和智能检索能力无从谈起。知识库四层结构：
① L1 项目规约：CLAUDE.md、编码规范、设计 Token
② L2 架构资产：系统架构图、接口文档、数据模型、ADR
③ L3 历史方案：售前方案、FS 文档、技术决策记录
④ L4 踩坑经验：Bug 修复记录、性能优化案例、兼容性问题
Level 2.5 · 人机协同
AI 主导执行，人实时监督。这是大多数软件公司应该追求的目标态——L3 的全自主对大多数团队来说反而不现实。
最低工具要求（在 L2 基础上叠加）
| 工具类型 | 具体方案 | 用途 | 新增投入 |
|---|---|---|---|
| CI/CD AI 阻断 | Gitea Actions 集成 open-code-review（L1）+ Claude Code 语义审查（L2）+ 人工 Review（L3） | PR 合并前三层自动检查，L1/L2 不通过自动阻断 | CI 流水线改造 |
| 四层知识库 | 项目规约 + 架构资产 + 历史方案 + 踩坑经验 全员入库 | AI 在每一步都可检索完整上下文 | 持续投入（每项目结项入库） |
| AI API 网关 | Nginx + Lua 或 LiteLLM | 统一 API Key 管理、限流、成本追踪、模型路由 | 服务器+开发 |
| MCP 工具链 | Gitea MCP + 数据库 MCP + 文件系统 MCP | AI Agent 可操作代码仓库、查数据、读写文件 | 配置成本 |
各角色 AI 作用
| 角色 | AI 干什么 | 不干什么 | 传统→改变 |
|---|---|---|---|
| 🖥 开发 | 主导完整功能模块（需求→编码→测试→Commit），读文件、改代码、跑命令、修 Bug 全自主。人在 PR 审查和架构方向把关 | 不决定架构方向 | 从"做功能"→"管 AI 做功能" |
| 📊 售前 | 端到端投标全流程（解读标书→生成应标矩阵→写方案→做汇报材料），售前顾问在关键节点打断修正方向 | 不定竞争策略、不定报价 | 从"拼文档"→"拼策略差异化" |
| 🔧 售后 | 实时分析客户环境日志，自动关联最近部署变更，推荐根因+修复方案+客户沟通口径，自动生成复盘报告 | 不直接执行生产变更 | 从"救火"→"智能诊断+人确认" |
| 💬 客服 | AI 自主接待 80% 常规问题（查询、退换、投诉分级），复杂问题自动归因后转人工并推荐处理方案 | 不处理需赔偿决策的特殊投诉 | 团队从"接电话"→"管 AI+处理特情" |
| 📋 项目经理 | 实时监控项目进度+风险+偏差，自动生成预警和调整方案，AI 主持站会拉取各角色进展 | 不做团队人事决策 | 从"盯进度"→"处理偏差+管人" |
| 💰 财务 | 全量报销自动审核、账务自动处理、现金流预测、异常交易自动标记+推荐处理方案 | 不做审计签字、筹融资决策 | 从"做账"→"管钱+合规" |
| 👥 人力 | AI 主导简历筛选+结构化初面、自动生成培训计划+跟踪完成度、绩效数据自动计算+趋势分析 | 不做终面和薪酬决策 | 从"筛简历排面试"→"战略招聘+组织发展" |
| 🎯 总经理 | AI 自动汇总全公司经营数据→分析报告→趋势预测→风险预警→可选方案推演。各角色 AI 输出自动汇聚为经营驾驶舱 | 不做决策 | 从"靠经验猜"→"数据驱动+AI 推演" |
跨角色协作——L2.5 的核心价值
🔗 四个关键协作闭环
① 售前→开发→售后 知识闭环
售前 AI 承诺的技术参数 → 自动结构化转为开发需求矩阵 → 开发 AI 生成的 ADR → 自动进入售后知识库 → 售后 AI 分析的真实工况 → 反哺售前方案（校验哪些承诺能兑现）
② 客服→产品→开发 反馈闭环
客服 AI 自动聚类高频问题 → 结构化 Bug/需求 → 自动推送产品 backlog → 产品评估影响面 → 开发 AI 修复 → 自动通知客服 AI 更新回复模板
③ 项目经理↔全员 协同管控
PM AI 从各角色 AI 拉取实时数据（进度/风险/阻塞项）→ 自动汇总预警 → 同步推送给各角色 AI → 各 AI 自动调整计划并反馈
④ 总经理↔全公司 经营驾驶舱
售前漏斗 + 交付进度 + 客户满意度 + 人效 + 财务数据 → 实时汇聚为一个看板。不再靠"找各负责人要报表"，AI 自动从各系统提取并结构化呈现
Level 3 · AI 自主
AI 独立完成端到端任务链路，人定目标、做验收。这是战略级的竞争优势——一个人管一支 AI Agent 舰队。
最低工具要求（在 L2.5 基础上叠加）
| 工具类型 | 具体方案 | 用途 | 新增投入 |
|---|---|---|---|
| 多 Agent 编排 | Dify Workflow / Coze Studio / 自研 Agent 编排引擎 | 多 Agent 并行协作：一个拆需求、一个写代码、一个测、一个写文档 | 平台费+开发 |
| 全工具链权限 | Git MCP + DB MCP + K8s MCP + Monitor MCP + IM MCP | Agent 可操作全研发链路的每一个环节 | MCP Server 开发 |
| 个人记忆系统 | Claude Code Memory + 自定义记忆持久化 | 跨会话保持项目上下文、偏好、约定——AI 越来越懂你的项目 | 开发+维护 |
| AI Agent 监控 | 自建 Agent 审计日志 + 行为回放 | 所有 AI 操作可追溯、可回放、可复盘 | 开发 |
各角色——人做什么
| 角色 | AI 干什么 | 人干什么 | 本质变化 |
|---|---|---|---|
| 🖥 开发 | 多 Agent 并行开发不同模块，自主拆解需求→编码→测试→部署。Agent 之间自动协调接口约定 | 定义架构边界、审核关键模块、处理 AI 决策不了的 trade-off | 1 开发+AI = 传统 5-8 人团队 |
| 📊 售前 | AI 自主完成竞品情报采集→方案→标书→汇报材料全流程，自主决策方案框架和内容选取 | 定差异化策略、定报价、客户关系、深度行业交流 | 售前进"特种兵"模式 |
| 🔧 售后 | AI Agent 7×24 监控客户系统，自动检测异常→诊断根因→执行修复→生成复盘报告。复杂问题自动升级 | 变更审批、客户关系维护、复杂架构调整决策 | 被动响应→主动预防 |
| 💬 客服 | AI 自主处理 95% 问题（含完整退换货流程），情感识别自动升级安抚策略，复杂投诉自动归因+推荐赔偿方案 | 审批赔偿、处理危机公关、优化服务策略 | 部门大幅缩减，保留策略岗 |
| 📋 项目经理 | AI Agent 自主管理项目全周期（计划→资源调度→风险应对→干系人沟通），自动协调各角色 AI Agent | 干系人高层沟通、商业决策、团队建设 | 从管理→领导 |
| 💰 财务 | AI 自主完成全盘账务、报税、审计准备、现金流调度。自动预警并执行常规财务决策 | 筹融资、重大投资、合规签字、战略财务 | 从核算→资本运作 |
| 👥 人力 | AI 自主完成招聘全流程（JD→筛简历→初试→排复试→发 offer）、薪酬计算、培训安排、绩效分析 | 企业文化、高管招聘、组织设计、劳动关系 | 从执行→组织发展 |
| 🎯 总经理 | AI 经营大脑：实时数据→趋势预测→策略推演→风险预警→方案对比。模拟不同决策路径的业务后果 | 定方向、做决策、建文化、见客户 | 决策质量从一人认知上限→全员 AI 认知叠加 |
跨角色协作——AI Agent 网替代人肉沟通网
⚠️ L3 的现实边界
① 大部分软件公司到 L2.5 就足够——L3 的投入产出比并不一定划算。
② L3 最大的瓶颈不是技术，是信任和组织——你敢让 AI 自主部署到生产吗？
③ 建议策略：搞开发线的 L3 试点（编码+测试自主），其他角色保持在 L2.5。
④ 红线：AI 自主执行的任何操作必须有审计日志，关键操作（部署、删库、改账）必须人审批。
四等级八角色对比总表
| 角色 | L1 辅助 | L2 增强 | L2.5 协同 | L3 自主 | 建议目标 |
|---|---|---|---|---|---|
| 🖥 开发 | 补全+查 API | 生成模块初稿 | 主导完整功能模块 | 多 Agent 并行开发 | L3 |
| 📊 售前 | 润色+查资料 | 出方案+PPT初稿 | 端到端投标流程 | 自主交付方案全流程 | L2.5 |
| 🔧 售后 | 翻译报错 | 匹配历史案例 | 实时诊断+推荐方案 | 7×24 自主监控+修复 | L2.5 |
| 💬 客服 | 话术润色 | 分类+模板推荐 | 自主接待 80% | 自主接待 95% | L2 |
| 📋 项目经理 | 文档排版 | 计划+周报初稿 | 实时监控+智能预警 | 管项目全周期 | L2.5 |
| 💰 财务 | 公式+提取 | 审核+出报表初稿 | 全量自动处理 | 自主核算+调度 | L2 |
| 👥 人力 | JD 生成 | 筛简历+数据汇总 | 初面+绩效计算 | 全流程招聘+分析 | L2 |
| 🎯 总经理 | 信息摘要 | 分析报告初稿 | 推演+预警+驾驶舱 | AI 经营大脑 | L2.5 |
💡 等级选择逻辑
追 L3（开发）：产出是代码，AI 直接操作文件系统，ROI 最高。
停 L2.5（售前/售后/PM/总经理）：核心价值在策略判断和客户关系，AI 自主化收益递减。
停 L2（客服/财务/人力）：监管合规敏感度高，AI 自主可能引入不可控风险。
角色升级路径
| 角色 | L1→L2 需要补什么 | L2→L2.5 需要补什么 | L2.5→L3 需要补什么 | 最大阻碍 |
|---|---|---|---|---|
| 🖥 开发 | CLAUDE.md + Claude Code + 基础使用培训 | 知识库四层入库 + open-code-review CI 集成 + MCP 工具链 | 多 Agent 编排 + 全权限放开 + 审计日志系统 | 对 AI 代码质量的信任 |
| 📊 售前 | 历史方案结构化入库 + RAG 检索搭建 | 标书 AI 解析引擎 + 方案模板标准化 | 竞品情报自动采集 + 报价量化模型 | 方案质量和准确性的把控 |
| 🔧 售后 | 历史问题库结构化 + 日志分析工具对接 | 客户系统监控接入 + 自动诊断管线 | 自主修复权限 + 回滚机制 | 客户数据安全边界 |
| 💬 客服 | FAQ 知识库 + 工单系统 AI 插件 | 客户意图识别模型 + 自动路由规则 | 全自动工单处理（含退换货） | 误判赔偿风险 |
| 📋 PM | 项目管理工具 API 接入 AI | 各角色 AI 数据打通 + 预警规则配置 | 全自主资源调度决策 | 资源冲突的复杂博弈 |
| 💰 财务 | 发票识别 + 报销规则配置 | 账务系统 API 对接 + 合规检查引擎 | 自主执行常规财务决策 | 财务合规零容忍 |
| 👥 人力 | ATS 系统 + JD 模板库 | 结构化初面题库 + 绩效数据源对接 | AI 初面 + 候选人自动排序 | 面试公平性审查 |
| 🎯 总经理 | 各业务系统数据汇聚 | 指标看板 + 预测模型搭建 | 多方案策略推演模拟 | 数据质量和完整度 |
跨角色协作演变
传统模式 vs L3 模式
| 维度 | 传统 | AI 混合模式（L2/L2.5） | L3 终态 |
|---|---|---|---|
| 信息传递 | 人→口头/邮件→人 每次传话衰减 30% | AI 产物通过知识库传递 衰减大幅降低 | AI Agent 直接互联 零衰减 |
| 售前→交付 | 售前 PPT 承诺 → 口头交底 → 交付"货不对板"返工 | 售前 AI 产物自动结构化为需求矩阵 → 交付 AI 直接消费 | 售前 Agent 签单 → 自动触发交付 Agent 链 |
| 客服→产品 | 客服抱怨"天天 bug"→ 产品经理"我知道了"→ 没下文 | 客服 AI 聚类问题 → 自动推送 backlog → 产品 AI 评估排期 | 客服 Agent 直接提 issue → 开发 Agent 修复 → 客服 Agent 更新模板 |
| PM↔团队 | PM 追着每个人问进度 → 汇总 → 已经过时 | PM AI 拉各角色 AI 数据 → 实时看板 → 偏差自动预警 | PM Agent 自主调度资源 → 各 Agent 接受指令调整 |
| 总经理决策 | 月初要报表 → 月中拿到 → 信息已过时 | 实时汇聚各角色 AI 数据 → 驾驶舱 | AI 经营大脑推演多条路径后果 → 人做选择 |
| 人力→团队 | 年底收绩效表 → 凭印象打分 | HR AI 从代码库/知识库/AI 采纳率自动汇总 | 实时能力画像 → 精准培训推送 |
协作模式演变图
落地建议
| 阶段 | 时间 | 动作 | 目标 |
|---|---|---|---|
| 热身 | 0-4 周 | 全员配 L1 工具（Copilot/网页 LLM）、写 CLAUDE.md、选 1-2 个开发试点 Claude Code | 每人至少 1 个日常场景用上 AI，开发对 AI 代码有体感 |
| 基建 | 4-12 周 | 搭建知识库（Dify+pgvector）、首批 100+ 文档入库、配置 CI 质量门禁、售前方案结构化 | 知识库可检索、CI 有 AI 节点、售前方案初稿可用 AI 生成 |
| 协同 | 3-6 月 | 打通各角色 AI 数据（客服→产品、售前→开发→售后）、建 AI API 网关、四层知识库全覆盖 | 至少 2 个跨角色 AI 闭环跑通，关键角色达 L2/L2.5 |
| 深化 | 6-12 月 | 开发线 L3 试点（多 Agent 并行）、经营驾驶舱上线、持续迭代知识库 | 开发 L3 试点月产出统计、全角色 AI 采纳率 > 60% |
✅ 首 12 周关键里程碑
- W1-2：全员 Claude Code / Cursor 安装 + 首份 CLAUDE.md
- W3-4：第一份 AI 生成的方案初稿 vs 传统人工方案 A/B 对比
- W5-8：知识库首批 100+ 文档入库可检索
- W9-12：CI 流水线中 AI 审查节点上线，L1 规约检查不通过自动阻断合并
⚠️ 三个最常见的坑
① 在 L1 停留太久：全员用 AI=全员在 L1，但组织没有进步。3 个月必须迈入 L2 基建阶段。
② 追求全员同等级：没必要。开发追 L3，客服 L2 足够。资源应集中在 ROI 最高的角色和环节。
③ 知识库是"边角料"工作：把它当成核心基础设施投入，否则 AI 永远只知道通用知识、不懂你的业务。