AI前端能力段位排行榜：从青铜到王者仅三层

上周团队技术复盘时，我问了句“你们日常怎么用AI写代码”，得到的反馈惊人一致：

这是最基础的用法。问题不在于它不行，而是天花板肉眼可见。

三层能力架构

效率提升
  ↑
  │
80%│                              ┌─────────┐
  │                              │ 第三层   │
  │                              │ 流程自动化│
60%│              ┌─────────┐    │         │
  │              │ 第二层   │    │ AI 管理  │
  │              │ 规则约束  │    │ 开发流程 │
30%│ ┌─────────┐ │         │    │         │
  │ │ 第一层   │ │ AI 自动  │    │ 人只做   │
  │ │ 对话生成  │ │ 遵守规范 │    │ 审核决策 │
  │ │         │ │         │    │         │
  │ │ 90%的人  │ │  8%的人  │    │ 2%的人  │
──┼─┴─────────┴─┴─────────┴────┴─────────┴──→ 使用深度

第一层：对话式生成（90% 的开发停留于此）

典型操作流程：

我：帮我写一个 xxx
AI：（生成代码）
我：（复制粘贴，改改，能跑了）

核心特征：

• 每次发起独立的对话请求
• 上下文全靠手动粘贴拼凑
• 输出质量完全依赖单次 prompt 的细节
• 无法存档、无法跨成员复用

效率上限：提升约 30%。 节省的仅仅是“手敲键盘”的体力活。

第二层：规则化约束（8% 的团队处于此层）

典型操作流程：

（配置文件已自动加载项目规范）
我：参考 @CouponCreate/index.tsx，写一个新的活动配置页面
AI：（生成的代码自动符合规范，目录正确，命名正确）

核心特征：

• 项目上下文自动注入对话
• 产出代码天然契合团队编码规范
• 可直接 git 提交，供全团队共享
• 新人入职第一天就能继承“老人经验”

效率上限：提升约 50-60%。 但本质仍是“人驱动AI”的单向模式。

第三层：流程自动化（不到 2% 的团队触及此层）

典型操作流程：

我：新需求，PRD 链接是 xxx
AI：（自动执行）
  → 需求分析（输出技术要点 + 待确认问题）
  → 设计文档（输出文件清单 + 方案）
  → 代码生成（按设计文档逐文件生成）
  → AI CR（自动检查质量）
  → 提测文档（自动生成）
我：（每一步审核确认）

核心特征：

• AI 不再只是“写代码”，而是“编排开发流程”
• 隐性经验被固化为可执行的显式步骤
• 更换项目、带新人时流程可直接移植

效率上限：提升约 70-80%。

从第二层到第三层：关键在于“流程定义”

把你脑中“拿到需求后一步步推进”的方法写下来，每个环节明确输入与输出：

Step 1: 需求分析
  输入：PRD
  输出：技术要点 + 待确认问题 + 工时评估

Step 2: 设计文档
  输入：Step1 输出 + 项目代码
  输出：文件清单 + 组件拆分 + 数据流

Step 3: 代码开发
  输入：Step2 输出 + 范例文件
  输出：完整功能代码

Step 4: 质量检查
  输入：Step3 输出
  输出：问题列表 + 修复建议

可直接抄走的自检清单

## 你在第几层？

### 第一层特征
- [ ] 每次都要手动描述技术栈和规范
- [ ] 生成的代码经常不符合项目风格
- [ ] 同事之间 AI 使用方式完全不同
- [ ] 没有任何 AI 配置文件在项目里

### 第二层特征
- [ ] 项目里有规范配置文件
- [ ] 生成的代码基本符合项目规范
- [ ] 团队共享同一套 AI 规则
- [ ] 会用 @ 引用范例文件

### 第三层特征
- [ ] 有定义好的开发流程
- [ ] AI 能按流程自动串联执行
- [ ] 每个步骤有明确的输入输出
- [ ] 流程可以复用到不同项目

一句话总结：大多数人以为自己在“用 AI”，实际上只是在“跟 AI 闲聊”。从对话到规则再到流程，每跃升一层效率翻一倍。

对照自检清单，你现在处于哪一层？想往上突破最大的障碍是什么？

来源：互联网