繁體中文 · English

---

先看長什麼樣子

下面四張是真的跑出來的報告（2026-08-26 到 09-08，14 天）。想自己捲、切等級，打開公開示範：
AI 幾級了 Demo

截圖是雷蒙自己執行的真實截圖片段。Demo 站 是模擬資料。

示範	等級	這個人在做什麼
Demo 1 · LV1	換句話重問	只用網頁版聊天，覺得不對就再問一次
Demo 2 · LV3	精準下指令	交代清楚、會指出錯、會驗證，還沒留下模板
Demo 3 · LV4	模組化使用	做法寫成 skill，有一點排程，系統還沒自己跑

---

如何使用「AI 幾級了」？

兩種人，兩條路。處理都發生在你自己的電腦，或你本來就在用的那個網頁 Chat；不會送到這個專案，也不會送到雷蒙這邊。

1. 已經有 AI Agent

Claude Code、Codex、Cursor、Antigravity：把 skill 裝進去，對它說「幫我跑這兩週的 AI 使用檢核」。它在你這台電腦掃紀錄、寫報告。

git clone https://github.com/Raymondhou0917/ai-level-check.git ~/ai-level-check
ln -s ~/ai-level-check ~/.claude/skills/ai-level-check

其他入口見 Claude Code、Codex、Cursor。

只想先看數字、不要完整報告：

python3 ~/ai-level-check/scripts/collect.py --days 14

純標準庫，不用裝套件，不連網、不上傳。

2. 只用網頁版 ChatGPT 或 Gemini

打開 prompts/chat-paste.md，複製 Prompt 貼進網頁對話。Prompt 裡有公開 repo 網址，讓它自己去讀判準。

• 這串已經聊過工作：直接說「用這一串評估我，開始寫報告」
• 新開的空白對話：把最近對話貼在後面再叫它寫
• 不要叫它「照 Demo 再做一份」。 Demo 是虛構的林可安／周子寧／何柏廷。版型用 templates/report-skeleton.html。自己的報告總覽一定要有 16 型人物志（四字母＋四軸格）；沒有就說「補人物志，不要打開 Demo」

多數網頁版（含 Gemini）看不到別串記憶。不要只說「用你以前對我的記憶」。這條路通常最多到 LV3。不是比較弱，是網頁版看不到硬碟上的系統。

---

面試現場：讓紀錄自己說話

以前面試，都是直接問「你 AI 應用能力怎麼樣」。
對方講得再完整，你也分不出那是真的用過，還是面試前兩天惡補的。

現在可以改成三步：

1. 請面試者在他自己的電腦安裝這個 skill
2. 讓他跑一份最近兩週的報告
3. 他螢幕分享給你看，或當下用他的電腦打開報告

你看到的是他怎麼下指令、有沒有驗證、做完有沒有留下東西——不是他臨場編的故事。
這樣會快很多，也不用等他胡謅。

用這個場景時請守三件事：

• 本人自己跑。 面試官不代跑，也不要求他把 ~/.claude/ 打包寄來。
• 用螢幕分享就好，不要把 HTML 寄出來、不要截圖存檔。 報告裡可能有現職的客戶名、還沒公開的產品。
• 這份報告不能單獨當作錄用或淘汰依據。 只用 ChatGPT 網頁版的人，本機常常掃不到紀錄，那不是能力差，是來源不同。

隱私與同意的完整界線見 references/privacy.md。

---

為什麼要讓 AI 來評

人評估人有三個躲不掉的問題：看不到、記不住、有情緒。

主管看不到你半夜怎麼跟 AI 來回八次把一個 bug 修好，
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，會影響他怎麼讀你交出來的東西。
面試也一樣：別聽信「我最近都有在用 AI」，他的紀錄自己會說話。

AI 沒有這三個問題。它讀得到每一則對話、記得住整個期間、對你沒有意見。

但更重要的是第四件事：AI 能力這件事，人本來就評不準。

一個人的 AI 能力不在他會不會講「prompt engineering」，
而在他交辦時給不給完成標準、AI 答錯時他指不指得出具體哪裡錯、
做完之後有沒有留下下次能用的東西。這些全部藏在對話紀錄裡，
只有讀得完那些紀錄的東西，才評得出來。

讓 AI 來評估你的 AI 能力，不是讓人來評估。

最準的方式，是讓 AI 去讀 AI 的使用紀錄。

---

它會讀什麼、產出什麼

本機 skill 掃的是你電腦裡已經有的 agent 紀錄，產出一份單檔 HTML 報告。腳本不連網；原始對話不上傳到這個專案，雷蒙也看不到。

你如果本來就用雲端 LLM，對話本來就會經過那家的雲端。這套工具不會多開一條路，把資料送到我這邊。

流程圖、證據包、團隊推送見 docs/how-it-works.md。隱私紅線見 references/privacy.md。

---

最關鍵的一件事：人打的字，跟機器打的字要分開

這是實作的時候才發現、但會決定整份報告成敗的問題。

~/.claude/projects/ 底下同時躺著兩種東西：你在鍵盤前打的字，
以及你寫的 bot 半夜自己跑出來的 system prompt。兩者格式一模一樣。

不分流會發生什麼？同一台機器、同一批 14 天的紀錄（2026-09 實測）：

	不分流	分流後只算 human
對話數	1,255 則	42 則（另有 automation 1,207、subagent 6）
「使用者發言」長度中位數	16,536 字	120 字
「交辦時給了條件」訊號	1,214 次	17 次

左邊那欄不是這個人打字的樣子——16,536 字的「發言」是他的 bot 的 system prompt。
拿左邊那欄去分析「這個人怎麼下 prompt」，得到的每一個結論都是錯的。

所以 collect.py 會依平台欄位把每則對話分成三類：

類型	是什麼	怎麼用
human	本人在鍵盤前打的	提問行為只算這一類
automation	本人寫的程式或排程驅動的	不算提問行為，改列為 LV4–LV5 的實作證據
subagent	被主對話派出去的子代理	分工的線索

而且自動化紀錄不是雜訊——它回答一個更難得的問題：
這個人做出來的東西，在他不在場的時候還跑不跑？

判準與各家欄位的實測分布見 references/log-sources.md。

---

使用等級 LV0–LV5

等級	名稱	一句話
LV0	問答靠人品	該補條件、該查核的任務，沒處理就採用答案
LV1	換句話重問	察覺得到錯誤，靠換說法和多問幾次推進
LV2	單點式應用	能穩定完成單一類任務，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、維護與回寫整合成系統；依賴雲端 LLM 時還要兩個入口讀同一套規則

三條硬規則：

• LV0 不是資料不足時的預設值。 掃不到紀錄就寫「無法定級」。
• LV4–LV5 需要實作證據。 光有構想、自述或 AI 宣稱完成，都不算。
• 未觀察到不等於不會。 沒讀到某個等級的紀錄，只能說沒讀到。

完整判準與「證據包欄位 → 能支持什麼」對照表見 references/levels.md。

自動化齒輪：離開鍵盤之後，還有沒有事情在發生

「有沒有做自動化」問得太籠統，答案永遠是「有啊我有用」。
所以拆成五顆具體的齒輪——現代系統要讓一件事自己發生，底層就只有這五種扳機：

你要讓什麼事自己發生？
│
├─►「每天特定時間、每隔幾小時做一次」        └── ① 時間排程　Cron / launchd
├─►「外部一有動靜（填表、刷卡、留言）就處理」 └── ② 網路鉤子　Webhook / n8n
├─►「打開 AI、git commit 的瞬間強制插隊」     └── ③ 生命週期鉤子　SessionStart / pre-commit
├─►「推上 GitHub 就自動測試打包上線」         └── ④ 持續整合部署　Actions / Zeabur
└─►「機器人當掉自動拉起、死了通知我」         └── ⑤ 守護與心跳　pm2 / KeepAlive

五顆都在硬碟上留痕跡——寫了什麼檔、跑了什麼指令、用了什麼工具——
所以不用填任何表，掃現有紀錄就查得到。

覆蓋度不是分數。 五顆全用過不比兩顆好；一個內容工作者只需要 ① 和 ②，
硬去搞 ④ 只是浪費時間。未觀察到也不等於不會——齒輪是期間快照，
三個月前設好一直穩定在跑的東西，這期間根本不會被動到。

實作時踩到的坑值得寫出來：第一版偵測直接關鍵字掃指令，結果 5 顆全中，
但證據長這樣——rg -n -i "…webhook…"。那是在搜尋 webhook，不是在架 webhook。
收緊成「只認做了、不認提到」之後，同一批資料變成 3／5，每顆都指得出真實 artifact。
會誤報的偵測器比沒有偵測器更危險，因為它產出的是看起來有根據的假證據。

判準、偵測規則與課程用法見 references/automation-gears.md。

另外還有四項系統驗證（跟等級分開算）

等級回答「已展現什麼用法」，系統驗證回答「這套做法哪些部分真的被測過」：

1. 只看文件，一個沒有脈絡的新人能不能把工作完成
2. 資料有錯或缺漏時，系統會停下來回報，還是硬做出一份錯的
3. 沒人盯著的時候，自動化能不能持續正確執行
4. 接手的人找不找得到負責人、版本、驗收條件與回報窗口

四項通過不會自動升為 LV5；未驗證也不會自動降級。

---

16 型 AI 使用人物志

這部分是給團隊工作坊和課堂用的，也是唯一適合公開分享的一層。

看 16 型四組圖解，再對照下方的四軸與型名。

四個軸，每軸都要從紀錄指得出證據：

  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

組出 16 型：

	給足脈絡 P		先問再說 Q
	驗證 V	採用 A	驗證 V	採用 A
固化 S ＋ 執行 E	系統建築師	自動化狂人	邊做邊修的工程腦	一把梭
固化 S ＋ 對話 C	流程設計者	交辦型主管	好奇查證家	靈感速記員
一次性 O ＋ 執行 E	精準特工	效率外包客	直覺實驗家	許願池
一次性 O ＋ 對話 C	求證派	需求規格官	抬槓辯論家	閒聊夥伴

分型是風格，不是分數。 QAOC（閒聊夥伴）不比 PVSE（系統建築師）差，
只是把 AI 用在不同的地方。一個 QAOC 可能是 LV3，一個 PVSE 也可能只到 LV2。

這句話在報告裡每次出現分型都要一起寫。分型一旦被讀成分數，
整份報告就會被拿去做它不該做的事。

每一型的典型行為、常見盲點與「下一步先做什麼」見
references/personas.md。

---

隱私邊界：這個專案刻意做不到的事

這套工具讀的是一個人每天工作時打的字。技術上它做得到監控，
擋住它的只有制度，不是程式。所以以下幾條寫死在規則裡：

做不到	為什麼
排名、百分位、「勝過多少比例的人」	不存在可查證的全球 AI 使用者能力資料庫，那些數字只能是編的
遠端集中掃描員工的紀錄	collect.py 只讀本機。要看團隊狀況，做法是每個人自己跑
自動推送、自動上傳	會越過「本人看過才推」那一關
用提示詞長度、對話輪數、工具數量當能力指標	短提問不是弱點，長提問也不是能力
接進自動化的人事決定流程	這是觀察報告，不是考績工具

這份報告不能單獨作為考績、升遷、解僱或調職的依據。

導入前該跟團隊講清楚哪四件事、兩種可行的用法、哪三件事做了會讓所有人開始表演——
見 references/privacy.md 與 install/team-deploy.md。

---

各平台安裝細節

怎麼跑見上面「如何使用」。這裡只放各入口的補充：

平台	文件
Claude Code	install/claude-code.md
Codex	install/codex.md
Cursor / 其他 agent	install/cursor.md
只用網頁版 Chat	prompts/chat-paste.md
團隊部署	install/team-deploy.md

專案結構

ai-level-check/
├── SKILL.md                        七步流程：同意閘門 → 證據包 → 定級 → 驗證 → 分型 → 報告 → 存證
├── scripts/
│   ├── collect.py                  掃紀錄產證據包（純標準庫）
│   └── publish.sh                  推報告進 private repo（不 force push、不覆蓋、推前掃金鑰）
├── references/
│   ├── levels.md                   LV0–LV5 判準 ＋ 證據包欄位對照表
│   ├── evidence-rules.md           證據歸屬、公平判斷、組織強度、事業掌握、應用成熟度
│   ├── automation-gears.md         五種自動化齒輪的判準與偵測規則
│   ├── personas.md                 16 型人物志
│   ├── log-sources.md              各家紀錄格式的實測文件
│   ├── report-design.md            兩層報告結構與 HTML 規範
│   └── privacy.md                  三條紅線與導入邊界
├── prompts/chat-paste.md           給 ChatGPT／Gemini／Claude 網頁版複製的檢核 Prompt
├── templates/report-skeleton.html  報告版型骨架（單檔、可列印 A4）
├── docs/                           虛構示範站（LV1／LV3／LV4）＋ [how-it-works.md](docs/how-it-works.md)
├── evals/report-checklist.md       報告有沒有守規矩的檢查
└── install/                        Claude Code · Codex · Cursor · 團隊部署

---

常見問題

我沒有 Claude Code 或 Codex，只用 ChatGPT 網頁版

打開 prompts/chat-paste.md，複製 Prompt。已在這串聊過就直接叫它寫；新開空白對話再貼紀錄。

這條路評的是你貼進去的問答，看不到排程、草稿信箱、本機腳本。
報告開頭會寫分析範圍；等級通常最多穩到 LV3。要看 LV4／LV5，還是得在自己電腦跑 skill。

不要把整份 SKILL.md 貼給網頁版——那是給會掃硬碟的 agent 用的。

掃出來說我是 LV2，可是我覺得我明明有做更多

很可能是對的，而且報告應該要自己講出來。

「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
（網頁版、白板、口頭交辦），報告的正確寫法是
「目前可確認至 LV2；較高等級尚未評估」，而不是判你只有 LV2。

看到報告寫成後者，那是誤判，請
回報一個 issue。

公司可以拿這個來考核我嗎？

規則寫得很清楚：不能單獨作為考績依據，不排名，不接進自動化人事流程。

但規則擋不住一個決心要這樣用的公司。所以真正的防線在導入方式：
自願制、本人自己跑、本人決定推不推。 一個不接受這三條的導入方式，
你可以合理懷疑它的目的不是幫你成長。

面試可以請候選人跑這個嗎？

可以，而且這正是它比口頭自述有用的地方。請他在自己的電腦裝、自己跑、
螢幕分享報告給你看。不要寄檔、不要截圖、不能當錄用單一依據。

只用網頁版或公司筆電不給裝的人，本機常常掃不到紀錄——
那要改走 貼上模式，不能直接判他比較弱。完整界線見
references/privacy.md 的「給用它來面試的人」。

為什麼不給一個總分？

因為給不出誠實的總分。

能力程度、穩定程度、證據強度、改善優先級是四把量不同東西的尺，
硬要換算成一個數字，那個數字就會變成大家唯一在看的東西，
然後所有人開始優化那個數字。

報告會給你一個等級（那是行為門檻，不是分數）、一個分型（那是風格）、
和一份指得出案例的觀察。這三樣加起來比一個總分有用。

我的紀錄裡有客戶資料，可以跑嗎？

可以，但用 --no-content：

python3 scripts/collect.py --days 14 --no-content

報告只會有計數與行為描述，不含任何原文摘錄。
預設模式也會遮掉家目錄、Email、電話與常見金鑰格式，但那是最低限度，不是保證。

為什麼是 16 型？MBTI 不是被說沒有科學根據嗎？

因為它有用，不是因為它科學。

分型在這裡的功能是讓一群人願意打開這個話題。真正有判準的是 LV0–LV5 和
四項系統驗證，那兩個都要求指得出案例。分型是一層方便聊的外殼，
所以我們也明文禁止把它讀成分數。

團隊裡最有價值的用法不是「你是哪一型」，是「我們全隊都偏 A（不查核）」——
那比任何一個人的等級都值得處理。

---

貢獻

這個專案要有用，靠的是各行各業的人把自己領域的判準補進來。

工程師的 AI 用法跟行銷、設計、客服、會計完全不一樣，一個人寫不出適用所有職能的判準。
最需要的兩種貢獻：

• 新來源的 collector：Cursor、公司內部工具都還沒有。Antigravity 已接。
  送 PR 請附欄位分布的實測數字，猜出來的欄位會讓所有下游判斷一起錯。
• 領域判準：在你的職能裡，「用得好」在紀錄裡長什麼樣？

還沒做完的項目見 ROADMAP.md，歡迎直接開 PR。
提交前請先讀 CONTRIBUTING.md，裡面也列了明確不收的東西
（排名功能、集中掃描、把分型寫成有高低之分）。

---

關於作者

這個專案來自 雷蒙（侯智薰）。
我經營「雷蒙三十」，寫數位工作術、AI 應用、一人公司和超級個體的經營模式。

► 想認識更多關於我？

• 生活黑客研究院：雷蒙三十的課程站，AI 與數位工作術
• AI Agent 學習資源：Claude Code、Codex 的教學與設定包，非工程師也能上手
• 免費訂閱雷蒙週報：每週一封，寫 AI Agent 怎麼真的用在工作裡
• 雷蒙的個人使用說明書：我做了什麼，快速一頁式認識我

也可以在 Facebook、Instagram、Threads 上找到我。

這個專案永遠免費。如果它幫你看清楚了什麼，點顆星我會很開心；
但真正讓它變好的是 回報一次誤判，
或是把你那個職能的判準補進來。

---

致謝＆製作

這套工具由 有序設計的陳敬儒 起草，並由 雷蒙（侯智薰） 完整優化與擴寫開源，背景是某天吃飯時聊到：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；結論是應該讓 AI 去讀 AI 的使用紀錄：一份可以貼給 AI 的 檢核 Prompt、執行並輸出報告的 Skill；雷蒙補上本機多 Agent 的紀錄、人機分流、人物志分型、自動化使用評級，以及用 git 把每一期的報告釘住。

---

授權

MIT License。歡迎 fork、修改、提 PR。