5 个演进阶梯全面拆解
- Level 1 (Ghost Text)：仅使用最基础的代码补全，节省敲击键盘时间；
- Level 2 (In-IDE Chat)：开始在聊天窗口提问，复制粘贴生成的方法；
- Level 3 (Context-Driven & Rules)：引入项目级 Rules、AST 代码检索与本地 MCP 工具，AI 产出与团队规范高度对齐；
- Level 4 (Agentic Autonomous)：任务级放权，智能体自主分析需求、创建分支、编写代码、运行测试并提 PR；
- Level 5 (Autonomous Software Factory)：需求从产生到生产部署实现高度流水线化，人类工程师完全转型为架构裁判与业务目标定义者。
自评定位：你的团队在哪一级
多数团队内部并不均匀：同一个组里可能有人已用智能体自主提 PR，有人仍停留在复制粘贴。建议按"最近一个月合并的 AI 相关 PR"抽样 20 个做定位，而不是凭问卷自报，因为自报普遍偏高。
| 判定信号 | 对应层级 | 典型卡点 |
|---|---|---|
| AI 产出仍需大量手工粘贴到 IDE | Level 1–2 | 缺少项目上下文 |
| 产出风格与团队规范基本一致 | Level 3 | Rules 与工具链维护成本 |
| 人只审查 PR，不写实现 | Level 4 | 质量门禁与回滚机制 |
| 需求单自动流入流水线产出候选 PR | Level 5 | 跨系统编排与审计 |
每一级的推进动作
从 Level 2 到 Level 3，核心投入是上下文资产：沉淀项目级规则文件、接入代码检索与常用系统的 MCP 工具，具体可参考打造高效可靠的 AI 编程工作流：从单轮提示到工程级上下文闭环。从 Level 3 到 Level 4，前提是先建好质量门禁（lint、测试、审查机器人），否则放权等于放大随机错误。从 Level 4 到 Level 5，瓶颈通常不再是模型能力，而是流水线编排、权限管控与审计合规，规模化的规则治理经验见团队规模化使用 AI 编程助手：团队规则（Rules / Instructions）的沉淀与演进。
验证方法：怎么确认真的升级了
用两个可操作信号检验升级是否成立：其一，Level 3 以上团队的 AI 产出首轮审查通过率应明显高于补全时代（经验值，需以团队自己的历史基线对比）；其二，Level 4 团队中由人类亲手编写实现代码的任务占比持续下降，而缺陷逃逸率没有上升。两条都不满足，说明只是买了工具，流程并没有升级。
常见故障速查
| 现象 | 原因 | 处理 |
|---|---|---|
| 全员装了工具但产出无变化 | 只升级采购未升级流程 | 先建规则文件与质量门禁再谈放权 |
| Agent 自主 PR 大量被驳回 | 提示与规范未对齐，审查标准模糊 | 回退到 Level 3 补齐 Rules 后重试 |
| 成熟度自评虚高 | 用问卷而非 PR 样本定位 | 改为按月抽样合并记录评估 |
| 个别明星员工带动全组指标 | 样本被少数人污染 | 按人分桶统计后再看分布 |
小结
判断团队是否真正升级，看一条硬标准：连续四个迭代内，AI 自主产出的 PR 在不经人工改码的情况下直接合并的比例是否上升，且线上缺陷数未同步上升。分子分母都从工单与代码平台里直接取，不需要额外统计工具。层级不是荣誉标签，而是"你敢把多大的任务原样交给机器"的度量。