企业 AI 辅助编程能力成熟度模型（5大演进阶段）

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。

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。

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。

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。

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。