在Roller | ChatGPT中文社区的频道看到了一个有意思的 AI流畅力测评，这个表格大致描述了5种职业在4种“AI流畅力”水平下的表现。

我的操作步骤：

把图文发给 Gemini，让它生成一份AI流畅力自查清单和行动指南，写出来的东西寥寥草草有点看不下去，但结构是好的。

拿着 Gemini-2.5-pro 生成的内容转头询问 Claude-4-sonnet，它详细的展开描述每个阶段的特征、人物画像、进阶步骤，让报告一下子生动多了。 [link1]

继续让 Claude 打磨和迭代，本土化和添加最新工具，形成第3版。[link2]

这版已经足够令人满意了，拿回去问 Gemini 有什么看法，Gemini 没有因为对方是友商模型而吝啬赞美之词，直接开启了夸夸模式。[link3]

鼓励 Gemini 将美中不足的“AI伦理与风险”部分补完。

这就是黄仁勋推荐的 AI 使用方法：

以下是这份最终版的《AI流畅力自查清单与行动指南》（AIGC）[link4]
▼▼▼

—–

AI流畅力自查清单与行动指南 (2025年8月修订版 v2.0)

📊 能力水平定义

水平	中文名称	特征描述
Unacceptable	🚫 需要改进	抗拒或忽视AI工具，完全依赖传统方法
Capable	🔴 基础应用	能使用基础AI工具辅助日常工作
Adoptive	🟡 主动整合	系统性地将AI集成到工作流程中
Transformative	🟢 变革引领	利用AI重塑业务模式和团队协作

👨‍💻 工程师 (Engineering)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

认为AI编程助手风险太高，可能产生安全漏洞
从未测试过任何AI生成的代码
写代码严重依赖Stack Overflow和传统文档
对AI生成代码的准确性和可维护性持怀疑态度
完全手动进行代码review、调试和测试用例编写

🔴 第二阶段：基础应用 (Capable)

使用基础AI工具完成独立编码任务（如API客户端、解析器、复杂算法实现）
能够解释如何制作有效prompt并审查AI输出代码的逻辑与效率
能够利用AI快速理解陌生的代码库或旧有系统
了解AI工具的基本限制和使用场景，如Token限制和上下文窗口
能区分适合和不适合AI辅助的开发任务

🟡 第三阶段：主动整合 (Adoptive)

利用AI进行跨文件的复杂重构和代码现代化
设计并实施AI驱动的自动化测试策略，包括模糊测试和回归测试用例生成
熟练使用AI原生IDE或插件进行开发，实现跨文件上下文感知编码
能向他人解释prompt工程、RAG、多智能体协同原理等概念
建立AI辅助开发的DevOps流水线(CI/CD)，实现代码自动审查、性能评估与部署建议
在代码review中能识别AI生成代码的特征和潜在问题，例如过度拟合和逻辑漏洞

🟢 第四阶段：变革引领 (Transformative)

主导开发并上线基于多智能体（Multi-Agent）协作的复杂功能（如AI项目经理+AI程序员+AI测试员协同工作）
构建AI-First开发流程（护栏机制、RAG系统、AI驱动的测试自动化），显著缩短开发周期
设计和实现AI驱动的系统架构，例如自适应系统、预测性维护和自我修复的基础设施
培训团队成员安全高效地使用AI开发工具
将AI模型作为核心组件，设计能够自我优化和演进的软件产品

行动指南 🚀

🚫→🔴 突破恐惧期

从小任务开始：用GitHub Copilot或Trae生成一个完整的功能模块
学习验证方法：不要盲信，建立”生成→审查→测试→重构”的习惯
关注安全实践：了解如何避免在prompt中暴露敏感信息

🔴→🟡 系统整合期

探索专业工具：体验Cursor、Trae等AI原生开发环境，利用其跨文件上下文能力进行大型重构
建立质量保障：将AI驱动的测试和代码审查工具集成到CI/CD流水线中
链式思维：练习将复杂问题分解为多个AI可处理的子任务，尝试使用智能体框架构建简单应用

🟡→🟢 变革领导期

项目全生命周期：从需求分析到上线监控，全程应用AI能力
团队赋能：制定最佳实践，培养团队AI素养
流程重塑：思考如何用AI重新定义软件开发流程，让AI智能体承担大部分编码和测试工作

📋 产品经理 (Product Manager)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

认为AI只是炒作，对其商业价值缺乏好奇心
PRD和原型设计中完全没有AI相关思考
对AI的成本、能力边界一无所知
在产品规划中忽视AI带来的机遇和威胁

🔴 第二阶段：基础应用 (Capable)

使用AI工具起草PRD、用户故事、用户旅程图和会议纪要
了解LLM、Embeddings、延迟、成本、模型微调(Fine-tuning)等基础概念
能分享有效的prompt范例并解释其逻辑
能够使用AI工具（如Kimi, Perplexity）快速完成市场和竞品调研
了解竞品的AI功能实现和用户反馈

🟡 第三阶段：主动整合 (Adoptive)

设计以AI为核心的产品功能，而不仅仅是现有功能的AI增强
基于准确性、延迟、成本、可解释性等约束选择合适的AI模型或服务
量化AI的ROI：如将”获得洞察时间”从5天缩短到3天，或提升用户LTV
建立AI功能的用户体验设计原则 (例如：如何处理AI的“不确定性”，如何设计人机协作流程)
利用AI分析海量用户行为数据和反馈，自动生成产品洞察和功能建议
与技术团队协作设计AI功能的监控指标（如幻觉率、用户接受率、任务成功率）

🟢 第四阶段：变革引领 (Transformative)

构建公司级AI-First产品战略和路线图
上线专有的、经过微调的LLM功能，探索新的AI原生商业模式 (如按Token计费、按效果付费)
设计能够自我学习和个性化演进的AI产品，实现“千人千面”的智能体验
在行业中分享AI产品的最佳实践
能够评估收购或投资外部AI技术/团队的战略价值

行动指南 🚀

🚫→🔴 认知启蒙期

实践出真知：立即开始用飞书智能伙伴或Kimi处理日常文档工作
建立基础认知：学习AI的核心概念和限制
竞品分析：研究领先公司的AI产品功能和策略

🔴→🟡 产品实战期

从功能设计师转为产品架构师：开始设计完整的AI功能，思考“人在回路”的设计
数据驱动：利用AI工具从海量用户反馈中自动挖掘产品机会
用户体验：深入思考AI功能的交互设计和用户心理，为AI的不完美做设计

🟡→🟢 战略制定期

从功能负责人升级为战略制定者：思考AI如何重塑整个产品
生态思维：考虑AI能力如何与合作伙伴和第三方服务集成
前瞻布局：持续关注AI前沿技术，提前布局未来机会

🎧 客户支持 (Customer Support)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

拒绝在支持工作流中使用任何AI工具
零自动化技能（不会用规则、宏、机器人等）
逐一手动处理每张工单，效率低下
对重复性问题没有建立知识库或标准化回复

🔴 第二阶段：基础应用 (Capable)

使用AI助手总结工单内容、提取关键信息、加快理解和交接
了解并遵守公司的安全/隐私审批流程
能够识别哪些客户信息不能输入公共AI模型
用AI协助起草客户回复的初稿，并进行语气润色
利用AI翻译多语言客户咨询

🟡 第三阶段：主动整合 (Adoptive)

构建自动化工作流，实现工单自动分类、路由、标记和优先级排序
跟踪客户体验指标，优化AI判断准确性
利用AI对客服对话进行实时质检和合规监控，并向坐席提供实时建议
建立AI误判的快速人工介入和修正机制
训练AI识别客户情绪、意图和满意度等级，并触发相应流程（如升级、预警）
利用AI分析所有客户交互数据，生成客户之声(VOC)报告，驱动产品和服务改进

🟢 第四阶段：变革引领 (Transformative)

推行公司级AI智能体客服，自主完成70%以上的客户请求，实现端到端问题解决
建立主动式服务系统：AI根据用户行为预测问题，在用户提问前提供帮助
培训整个客服团队安全有效地使用AI工具，使其从“问题解决者”转变为“客户成功经理”
建立多渠道（邮件、聊天、AI语音、社交媒体）的统一AI辅助系统
将客服中心从成本中心转变为价值中心，通过AI洞察发现交叉销售和增销机会

行动指南 🚀

🚫→🔴 效率启蒙期

从简单任务开始：用豆包或Zendesk AI总结长篇客户咨询，节省阅读时间
建立安全意识：明确哪些信息绝不能输入外部AI系统
模板化思维：开始建立常见问题的AI辅助回复模板

🔴→🟡 流程优化期

自动化思维：识别重复性工作，用Intercom等工具实现自动化分类和路由
质量监控：引入实时AI质检工具，提升服务规范性
数据意识：开始跟踪和分析AI对工作效率和客户满意度的具体影响

🟡→🟢 系统变革期

全局视角：从个人效率提升转向整个部门的系统性改革
主动服务设计：与技术、产品团队合作设计预测性、主动式的客户支持解决方案
价值证明：用具体的ROI数据向管理层展示AI投入的回报

👥 人力资源 (Human Resources)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

不信任任何AI招聘或人事管理工具
逐一手动筛选所有简历，耗时巨大
依赖手动安排和跟进候选人面试流程
对AI在人事决策中的偏见风险毫无认识

🔴 第二阶段：基础应用 (Capable)

使用AI工具起草面试指南、总结面试反馈，每周节省2-3小时
理解数据隐私限制：不在公共模型中输入PII信息
用AI协助撰写职位描述和招聘文案，使其更具包容性并优化SEO
利用AI分析员工满意度调研（开放式问题）结果
用AI协助准备培训材料和员工手册

🟡 第三阶段：主动整合 (Adoptive)

自动化入职文档准备；用AI筛选简历并进行偏见检查
利用AI进行人才画像分析，实现岗位与候选人的精准匹配
衡量招聘效率提升，优化prompt以吸引多元化人才
建立AI辅助的员工绩效分析系统，识别高潜人才和流失风险
设计AI驱动的个性化员工培训与职业发展路径推荐系统
使用AI聊天机器人处理员工的日常HR政策咨询

🟢 第四阶段：变革引领 (Transformative)

利用AI全面改造招聘流程，缩短30%招聘时间，提升招聘质量
培训HRBP安全使用AI，制定公司道德招聘AI政策
建立AI驱动的组织能力图谱和动态的人才发展与继任计划系统
设计组织文化、员工敬业度和组织网络分析(ONA)的AI监测平台
利用AI进行薪酬福利的对标分析和个性化方案设计

行动指南 🚀

🚫→🔴 观念转变期

消除恐惧：从非核心的文档工作开始尝试AI辅助
建立边界：明确数据隐私红线，学习合规使用AI
效率体验：亲身感受AI在提高日常工作效率方面的价值

🔴→🟡 系统应用期

核心流程改造：将AI引入简历筛选、人岗匹配等关键环节
偏见防范：建立AI决策的人工审核和偏见检测机制
效果量化：用数据证明AI对招聘效率和质量的改善

🟡→🟢 制度建立期

政策制定者：成为公司AI在HR应用的标准和规范制定者
培训赋能：帮助整个人力资源团队掌握AI工具和方法
道德领导：确保AI在人事决策中的公平性和透明性

📈 市场营销 (Marketing)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

营销活动从不做A/B测试或内容变体
忽略AI驱动的分析、个性化或用户洞察工具
完全依赖直觉和经验制定营销策略
对竞品的AI营销策略缺乏了解和分析

🔴 第二阶段：基础应用 (Capable)

使用AI内容工具总结客户案例和市场调研报告
用AI起草社交媒体帖子、博客文章和广告文案初稿，然后人工编辑
利用AI进行基础的竞品分析和行业趋势总结
使用AI工具生成图片、短视频、配音等营销素材
了解AI在内容创作中的版权和原创性问题

🟡 第三阶段：主动整合 (Adoptive)

运行基础AI技术栈，通过多变量测试将转化率提升30%
利用AI实现动态创意优化(DCO)，根据用户画像自动组合素材
建立AI驱动的用户分层和生命周期管理系统
用AI进行实时营销数据分析和策略调整
设计多触点的个性化客户旅程和内容推荐机制
利用AI优化广告投放的时机、渠道和受众定位

🟢 第四阶段：变革引领 (Transformative)

建立AI驱动的营销活动引擎，实现大规模、超个性化内容生成与分发
领导团队季度AI培训，制定工具路线图
利用AI进行市场营销组合建模(MMM)和归因分析，科学分配预算
构建预测性营销模型，提前识别市场机会、预测用户流失
设计由AI虚拟人主导的直播或互动营销活动
建立营销ROI的实时监控和自动优化系统

行动指南 🚀

🚫→🔴 创意赋能期

AI作为创意副手：让Sora或Kling协助内容创作，把时间投入到策略和优化
多变体思维：利用AI快速生成多个版本，通过测试找到最佳方案
学习基础：了解AI在营销中的常见应用和限制

🔴→🟡 系统优化期

数据驱动决策：建立AI辅助的A/B测试和效果分析体系
精准营销：利用AI实现更精确的用户定位和个性化推送
效率工具链：构建可复用的AI营销工具和prompt资源库

🟡→🟢 增长引擎期

平台化思维：构建可扩展的AI营销自动化系统
知识传播者：在团队和行业中推广AI营销的最佳实践
创新领导者：探索和验证AI营销的前沿应用场景，如虚拟人直播

💡 通用提升建议

🎯 跨职业共同能力

基础认知能力

理解AI的基本工作原理和限制（模型、数据、算法）
掌握有效的prompt工程技巧，并开始了解智能体(Agent)的设计思想
建立AI输出质量评估标准
了解数据隐私和安全合规要求

学习发展能力

保持对AI技术发展的持续关注
建立个人的AI工具使用经验库
参与AI相关的培训和社区讨论
培养批判性思维，不盲从AI输出

协作影响能力

能够向团队成员传授AI使用技巧
参与制定团队或部门的AI使用规范
在项目中推动AI工具的采用和优化
能够评估和推荐新的AI工具和解决方案

⚖️ AI伦理与风险 (AI Ethics & Risks)

随着AI能力的提升，风险意识与责任感成为每个人的必修课。这不仅是技术问题，更是职业素养的核心部分。

自查清单 ✅

数据隐私与安全 (Data Privacy & Security)

我清楚知晓哪些是敏感数据（个人身份信息PII、公司机密），绝不会将其输入公开的AI模型。
我优先使用公司批准的、符合数据安全策略的AI工具和服务。
我对AI生成的内容，在用于正式场合前，会进行事实核查和安全审查。

偏见与公平 (Bias & Fairness)

我认识到AI模型可能从训练数据中继承并放大社会偏见（如性别、地域、种族歧视）。
当使用AI进行决策辅助（如招聘筛选、客户画像）时，我会主动审视和质疑其中可能存在的偏见。
在团队中，我倡导使用多元化数据进行测试，并对AI系统的公平性进行定期审视。

透明度与可解释性 (Transparency & Explainability)

当我分享由AI生成的内容或结论时，会清晰地标注其来源，避免他人误解。
在关键应用中，我会关注AI的决策过程是否可以被理解和解释（XAI），而不仅仅是接受结果。
我努力避免将AI视为一个无法理解的“黑箱”，并主动学习其工作原理和局限性。

责任与治理 (Accountability & Governance)

我会思考并明确，当AI系统出错或产生负面影响时，责任应该如何界定。
我积极支持并参与制定清晰的、人性化的内部AI使用规范和政策。
对高风险决策（如医疗诊断、法律建议），我坚决主张必须有“人在回路”（Human-in-the-Loop）进行最终审核。

信息真实性与滥用 (Information Authenticity & Misuse)

我能批判性地评估AI生成的内容，警惕其可能存在的“幻觉”（Hallucinations）和事实错误。
我了解深度伪造（Deepfakes）等技术带来的风险，并具备基础的辨别能力。
我郑重承诺，绝不利用AI技术制造和传播虚假信息、进行欺诈或从事任何有害活动。

核心原则 🛡️

以人为本 (Human-Centric)：始终将人的福祉和尊严置于首位。技术应服务于人，而非凌驾于人。在部署任何AI应用前，先问“它对用户、社会是否有益？”
审慎谦逊 (Cautious Humility)：承认AI并非万能，其输出结果需要被严格验证。保持对技术局限性的敬畏，是在实践中规避风险的前提。
主动沟通 (Proactive Communication)：在团队和组织内，公开透明地讨论AI的使用情况、潜在风险和应对策略。鼓励开放的对话，是建立信任和共识的最佳途径。

🚀 进阶路径建议

技术理解深度：从使用工具到理解原理，再到参与选型和定制
应用场景广度：从单一任务到工作流程，再到业务模式创新
团队影响力：从个人效率到团队赋能，再到组织变革推动
行业影响力：从内部实践到外部分享，再到行业标准制定

📊 评估与跟踪

个人发展指标

效率提升：AI工具为日常工作节省的时间百分比
质量改善：AI辅助产出的质量评分和错误率
学习速度：掌握新AI工具和技术的时间周期
创新能力：提出并实施AI应用创新方案的频率

团队影响指标

采用率：团队成员使用AI工具的比例和频率
培训效果：团队AI技能培训的完成率和应用率
协作效果：AI工具在团队协作中的贡献度
创新产出：团队基于AI能力的创新项目数量

🎓 学习资源推荐

📚 基础学习

在线课程：Fast.ai (实用深度学习)、吴恩达《AI For Everyone》、各大云厂商(AWS, Google, Azure, 阿里云)的AI认证课程
技术博客：OpenAI、Anthropic、Google DeepMind、Meta AI官方博客
实践平台：Kaggle、Hugging Face、扣子/Coze平台、阿里云天池

🛠️ 工具资源

国际主流工具：

编程辅助: GitHub Copilot、Cursor、Trae
文档协作: Notion AI、Grammarly、Figma AI
创意设计: Midjourney、Sora、Runway Gen-3

国产优质工具：

对话助手: DeepSeek、豆包、Kimi、通义千问2.5、腾讯元宝
开发平台: 扣子/Coze（AI应用开发）、阿里云百炼、腾讯云智能
创意工具: 通义万相、文心一格、Kling
办公协作: 飞书智能伙伴、钉钉AI助理、WPS AI

—–

AI流畅力自查清单与行动指南 (2025年8月修订版 v2.0)

📊 能力水平定义

👨‍💻 工程师 (Engineering)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

🔴 第二阶段：基础应用 (Capable)

🟡 第三阶段：主动整合 (Adoptive)

🟢 第四阶段：变革引领 (Transformative)

推荐工具 🛠️

行动指南 🚀

📋 产品经理 (Product Manager)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

🔴 第二阶段：基础应用 (Capable)

🟡 第三阶段：主动整合 (Adoptive)

🟢 第四阶段：变革引领 (Transformative)

推荐工具 🛠️

行动指南 🚀

🎧 客户支持 (Customer Support)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

🔴 第二阶段：基础应用 (Capable)

🟡 第三阶段：主动整合 (Adoptive)

🟢 第四阶段：变革引领 (Transformative)

推荐工具 🛠️

行动指南 🚀

👥 人力资源 (Human Resources)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

🔴 第二阶段：基础应用 (Capable)

🟡 第三阶段：主动整合 (Adoptive)

🟢 第四阶段：变革引领 (Transformative)

推荐工具 🛠️

行动指南 🚀

📈 市场营销 (Marketing)

自查清单 ✅

🚫 第一阶段：需要改进 (Unacceptable)

🔴 第二阶段：基础应用 (Capable)

🟡 第三阶段：主动整合 (Adoptive)

🟢 第四阶段：变革引领 (Transformative)

推荐工具 🛠️

行动指南 🚀

💡 通用提升建议

🎯 跨职业共同能力

基础认知能力

学习发展能力

协作影响能力

⚖️ AI伦理与风险 (AI Ethics & Risks)

自查清单 ✅

核心原则 🛡️

🚀 进阶路径建议

📊 评估与跟踪

个人发展指标

团队影响指标

🎓 学习资源推荐

📚 基础学习

🛠️ 工具资源