很多公司導入 AI 半年後，老闆都想問同一個問題：「大家現在 AI 用得怎麼樣？」
- 主管去問團隊，得到的答案是「有啊，很好用」
- HR 發了一份問卷，每個人都勾了「經常使用」
- 面試新人時，應徵者說自己「精通 Prompt」
三個答案講的再流利，還是很難分出是不是經常在用，還是只在面試前兩天惡補了幾支 YouTube 影片？
於是，我做了一個開源工具叫「AI 幾級了？」，起點是我跟有序設計的陳敬儒吃飯時聊出來的。
我們聊到：公司要怎麼知道團隊的 AI 能力到哪裡？問卷不準，口頭報告更不準！
敬儒先做了一套通用的檢核 Prompt，讓使用者手動貼上對話來健檢。
我則是優化成能自動掃描本機紀錄，讓 AI 去讀每個人電腦裡真實的 AI 對話紀錄，產出一份有證據、可追溯的 AI 使用能力報告。
為什麼 AI 能力這麼難評估？
在做這個工具之前，我試過各種方法評估團隊和學員的 AI 能力。每一種都卡在某個地方：
| 做法 | 實際會發生什麼 | 卡在哪 |
|---|---|---|
| 主管口頭問「最近有在用 AI 嗎？」 | 得到「有啊！很好用」 | 答案沒有細節，也無從查證 |
| 發 AI 能力問卷 | 大家照著想像中的自己填 | 自評偏差，填完誰也不知道真假 |
| 面試聽應徵者自述 | 「我精通 Prompt」 | 分不出真的用過，還是前兩天惡補 |
| 認證考試 | 拿到分數或證照 | 測得到知識，測不到使用行為 |
追根究柢，人評人有三件事躲不掉：看不到、記不住、有情緒。
主管看不到你半夜跟 AI 來回八次才修好一個 bug，只看得到週會上那三分鐘的口頭報告。
他記不住你三個月前的樣子，只記得上禮拜那次做得不錯。而且他今天心情好不好，也會影響他怎麼讀你交出來的東西。
AI 沒有這三個問題。它讀得完每一則對話、記得住整段期間，對你也沒有任何人際上的好惡。
重點：一個人的 AI 能力，藏在他每天跟 AI 的對話紀錄裡。能把這些紀錄讀完的，只有 AI。
AI 使用等級怎麼區分？怎麼使用？
「AI 幾級了」（ai-level-check）會掃描你電腦裡 Claude Code、Codex、Antigravity 等 AI Agent 留在硬碟上的真實對話紀錄，看你怎麼下指令、呼叫了哪些工具、怎麼修正、做出什麼成果，最後產出一份單檔 HTML 報告。
報告裡有三樣東西：
- LV0–LV5 使用等級：你目前的 AI 用法到哪個門檻？
- 16 型 AI 使用人物誌：你用 AI 的習慣屬於哪一型？
- 改善建議：指出具體案例與下一步行動。
AI 使用等級：LV0 到 LV5 怎麼分？
| 等級 | 名稱 | 紀錄裡看得到什麼 |
|---|---|---|
| LV0 | 問答靠人品 | 該補條件、該查核的任務，沒處理就直接採用答案 |
| LV1 | 換句話重問 | 察覺得到錯誤，靠換說法、多問幾次推進 |
| LV2 | 單點式應用 | 某一類任務已經能穩定交給 AI 完成，判斷得出答案能不能用 |
| LV3 | 精準下指令 | 給得出背景、範圍與完成標準；答錯時指得出具體問題 |
| LV4 | 模組化使用 | 把有效做法固定成模板、Skill 或代理，啟用前會實際測試 |
| LV5 | 系統級營運 | 分工、例外處理、維護與回寫整合成一套會自己跑的系統 |
等級的判定有三條硬規則：
- LV0 不會被當成預設值：掃不到紀錄，報告會寫「無法定級」。
- LV4、LV5 一定要有實作證據：只有構想、自述，或 AI 宣稱「已完成」，都不算。
- 未觀察到不等於不會：這段期間沒讀到某個等級的用法，報告只會說「沒讀到」，不會判你做不到。
16 型 AI 使用人物誌
等級看的是「做到哪」，人物誌看的是「怎麼用」。報告從四個軸觀察你的使用習慣：
| 軸 | 一端 | 另一端 |
|---|---|---|
| 交辦 | P：給足脈絡 | Q：先問再說 |
| 查核 | V：動手驗證 | A：直接採用 |
| 沉澱 | S：固化資產 | O：一次性 |
| 動手 | E：讓 AI 執行 | C：只對話 |
四個軸組出 16 型。同樣是 LV3，有人是先想清楚、做完留下能跑的東西的「PVSE 系統建築師」；也有人是想到就試、試完就丟的「QVOE 直覺實驗家」。
人物誌描述的是風格，沒有哪一型比較高級。一個「QAOC 閒聊夥伴」可能是 LV3，一個「PVSE 系統建築師」也可能只到 LV2。
怎麼測出你的 AI 使用等級？
不管你是正在招人的面試官、想評估團隊的主管，還是想知道自己 AI 用得怎樣的個人工作者，我都建議第一份報告先跑你自己的。
你會比較清楚報告會寫什麼、哪些地方準、哪些地方要打個問號。
拿去評估別人之前，先讓它評估你一次，也比較公平。
方法一：你已經在用 Claude Code、Codex 或 Cursor。
把 Skill 裝進你的 AI Agent，然後對它說：「幫我跑這兩週的 AI 使用檢核。」它會先經過同意閘門，再掃描本機紀錄、產出報告。
以 Claude Code 為例，安裝只要兩行：
git clone https://github.com/Raymondhou0917/ai-level-check.git ~/ai-level-check
ln -s ~/ai-level-check ~/.claude/skills/ai-level-checkCodex、Cursor 的安裝方式，請看 GitHub README 裡的 install 文件。只想先看數字、不要完整報告，也可以直接跑收集腳本：
python3 ~/ai-level-check/scripts/collect.py --days 14方法二：你只用 ChatGPT、Gemini 網頁版。
打開專案裡的貼上模式 Prompt，複製貼進網頁對話。這條路看得到你的問答習慣，看不到排程和本機腳本，等級通常最多穩到 LV3。這跟能力強弱無關，純粹是網頁版看不到你硬碟上的系統。
還沒裝、想先看報告長怎樣？我做了一個公開 Demo 報告，裡面有 LV1、LV3、LV4 三份虛構的完整報告，可以對照著看。
隱私：純本機執行
讀對話紀錄聽起來很敏感，隱私邊界一開始就寫死在規則裡：
- 純本機執行：掃描腳本只用 Python 標準庫，不連網、不上傳
- 自動脫敏：家目錄路徑、Email、電話、常見金鑰格式在存檔前自動遮掉
- 不做排名：不給總分、不給百分位，也不說你勝過多少人。世界上沒有可查證的 AI 使用能力資料庫，那些數字寫出來只能是編的
- 對話有客戶資料：可以用
--no-content模式跑，報告只留計數與行為描述，不含任何原文
面試時，怎麼判斷應徵者的 AI 能力？
如果直接問「你 AI 應用能力怎麼樣？」，對方只要面試前做過功課，就能列出一串工具名稱，再講一個用 AI 完成的案例。
這時面試官聽到的是表達能力，不一定是 AI 能力，因為會講 Prompt Engineering 的名詞，跟交辦任務時會給完成標準，是兩種完全不同的能力。
現在我會改成三步：
- 請面試者在他自己的電腦安裝這個 Skill
- 讓面試者跑一份最近兩週的報告
- 讓面試者用螢幕分享給你看，或當場用他的電腦打開報告
報告最好的用法是當作面試的話題起點。挑報告裡的具體案例請他說明，你會比看等級本身學到更多：
| 想知道 | 看報告哪裡 | 可以追問 |
|---|---|---|
| 交辦能力 | 交辦時有沒有給背景、範圍、完成標準 | 「這個任務你當時怎麼交代的？」 |
| 糾錯能力 | AI 答錯時，他怎麼修正 | 「你怎麼發現這裡錯了？」 |
| 沉澱習慣 | 有沒有留下模板、Skill 或自動流程 | 「這個流程後來還有在用嗎？」 |
| 工作風格 | 16 型人物誌 | 「你覺得這個分型準嗎？哪裡不像你？」 |
真的有在使用 AI 的人，講得出細節；臨時準備的人，通常講到第二層就卡住。（延伸閱讀：怎麼判斷遠距工作的人才？如何面試、準備資料？）
團隊 AI 能力評估與導入盤點
團隊導入 AI 一段時間後，主管真正想知道的通常是：
團隊整體的 AI 用到哪裡了？卡在哪裡？是工具沒裝、不會交辦，還是做出來的東西沒人維護？這兩件事，口頭問問不出來，問卷也填不出來。
導入方式決定成敗。 這套工具讀的是一個人每天工作時打的字，技術上做得到監控。擋住它被拿去監控的，只有制度。所以團隊導入一定要守三個原則：
| 原則 | 具體做法 |
|---|---|
| 自願制 | 不強制每個人都要跑 |
| 本人自己跑 | 沒有遠端集中掃描，主管拿不到任何人的原始對話 |
| 本人決定推不推 | 報告產出後，由本人看過、自己決定要不要分享給團隊 |
專案裡有一支 publish.sh，可以把報告推進團隊的 private repo，但它不會自動推送，推之前還會先掃一次金鑰。
完整的團隊部署說明，請看 GitHub 上的 install/team-deploy.md。
盤點時，整個團隊的共同模式比個人等級更值得看。
如果大家分享出來的人物誌都偏 A（直接採用、不查核），代表整個團隊有個共同盲點：AI 給什麼就用什麼，沒有人在驗證！
| 觀察到的模式 | 可能的意思 | 可以怎麼處理 |
|---|---|---|
| 大家都偏 O（一次性） | 好用的做法沒有沉澱，每個人都在重新發明輪子 | 挑一個高頻任務，一起做成共用模板或 Skill |
| 大家都偏 C（只對話） | AI 只在聊天，沒有實際動手改檔案、跑流程 | 安排一次 AI Agent 實作工作坊 |
| 自動化齒輪幾乎都沒動到 | 工作都需要人在場才會發生 | 先從時間排程開始，挑一個每週重複的報告 |
| 等級落差很大 | 少數人很會用，經驗沒有擴散 | 請高等級的同事分享他的 Skill 和工作流 |
最後提醒一次：報告不能用來排名，也不能單獨作為考績、升遷、解僱或調職的依據。
個人工作者，每月自我審查
如果你是自由工作者、一人公司1，身邊沒有主管或同事能給你回饋，這份報告就是你的鏡子。
拿到報告後，我建議你直接跳到「沒做好什麼」和「下一步」。真正能讓你進步的，是報告指出的具體缺口。
我自己第一次測是 LV4+，看了報告後，發現我的 Gmail 助理在處理演講邀約時信，若遇到邀約資訊不完整時，它不會停下來問，會自己腦補一個報價。
如果哪天我太忙、沒仔細看就送出，對方收到的就是一個錯誤的報價！
現在透過報告，我馬上就能直接修改優化！
常見問題 FAQ
請應徵者在自己的電腦跑一份最近兩週的報告，螢幕分享給你看，再挑報告裡的具體案例請他說明：當時怎麼交代任務、怎麼發現 AI 答錯、後來有沒有把做法留下來。真的做過的人，講得出細節；臨時準備的人，通常講到一半就會卡住。
不一定。
報告的原則是「未觀察到不等於不會」。如果你的高階用法發生在沒有紀錄的地方，例如網頁版、白板、口頭交辦，報告應該寫「目前可確認至 LV2；較高等級尚未評估」。如果報告直接判你只有 LV2，那是誤判，歡迎到 GitHub 回報 issue。
建議每月一次。預設掃描最近 14 天的紀錄，每次只挑報告建議的「下一步」補一件事，下個月再測一次看有沒有補起來。測太頻繁意義不大，你的用法需要時間累積出新的紀錄。
🔥 五星好評｜24 小時開始活用 AI Agent（Claude Code、Codex 都適用）
為什麼大多數人用不好？因為你的 AI Agent 一開始太空白、你也不知道從何訓練。
這堂迷你課，設計為可以直接餵給 Claude Code，它會快速學會這些「武功秘笈」！
- 【基礎設定引導檔】讓你直接丟給你 AI Agent，讓它快速升級的
- 【實戰應用 Skill 組合】，幫你省下 10+ 小時的迷惘摸索期，讓你的 AI Agent 快速好用
👉 已超過 5,800 人購買、130 則評價：前往觀看課程
（記得收藏持續更新的 Claude Code 學習資源）
📍 AI Agent（Claude Code、Codex）系列教學文章
- Claude Code vs Codex 完整教學｜新手怎麼選？非工程師也能上手的桌面版比較
- 為什麼 AI 越聊越笨？Context Window、Compact 與額度管理入門教學
- AI Agent 搬家教學：Claude Code 轉 Codex？AGENTS.md、CLAUDE.md 與記憶系統設計？
- 讓 AI 助理看懂網頁：Firecrawl、Playwright、WebFetch 三大抓取工具完整比較
- 白話文教學：AI 怎麼幫你動手做事？API、CLI、MCP、瀏覽器控制的選擇邏輯
- Vibe Coding 學習筆記：為什麼要重複造輪子？
- Claude Code 是什麼？從 Claude Cowork 到 Code，非工程師也能上手的完整入門教學
- 21 天，我用 Claude Code 打造了一整套 AI 分身助理記錄
- 做好了，然後呢？Cloudflare、Zeabur 與 Railway 部署路線完整指南
- Claude Cowork 更好用了？它跟 NotebookLM 差在哪？什麼時候才需要升級到 Code？
- Claude Code 的 CLAUDE.md 和 SKILL 教學，打造可重複使用的AI 自動化工作流
- Claude Code 桌面版 vs 終端機：你該用哪一個？
- 為什麼一般人不需要刻意打造 AI Agent Team？
- AI 學習路徑全攻略：Prompts、知識庫、AI Agent 的 3 個階段
- 有了 AI Agent 之後，Notion 跟 n8n 就可以丟了嗎？三者關係與我的實戰用法
- Zeabur 專用伺服器怎麼選？白話文選購指南，讓 AI 幫你搬家！
- Zeabur 應用案例：網站部署、龍蝦 OpenClaw、VPS（50% 折扣）
本文註腳補充
- 想知道遠距工作還有哪些自我管理的方法？可以看這堂《24 小時開始成為遠距工作者》。 ↩︎
