写在前面

又是很久没更新了。
不是因为不想写，是因为最近想明白了一件事，反而让我决定先不动笔。
什么事呢？
就是我发现，与其花时间宏观讲组织怎么用好AI，不如先回答一个问题，个人怎么真正用好AI...
五一假期这几天，我哪也没去。
做最多的一件事，就是坐在那想，想什么呢？
在想：“我到底想要的是什么”，以及真正的整理了一遍我的skills库。
想了大半天，最后想清楚了一件说起来特别简单的事，我得先知道自己现在在哪，才知道下一步往哪走。
AI等级划分这件事，就是在这个过程中冒出来的，我拿它给自己做了一次系统体检：我现在在哪一层？我的判断依据是什么？然后我发现，这个框架不只是对我有用，对很多人都有用。
注意：这个等级是给还在起步的人看的，优先级不一样，或者说我分享出来的框架是给还没到 L3 的人看的。
我的核心观点是：一个人刚开始用 AI，他需要的不是"你在多少个维度上分别处于什么位置"，他需要的是"我下一步该往哪走"。L1→L2→L3→L4 这条线会有很强的方向感。
正文开始：
我们公司的AI办公室最近做了一版内部复盘，关于AIO成立2个月后这段时间的变化。
说实话，这个复盘让我挺触动的，不是因为做得怎么样，而是因为我看到了一个特别清晰的信号：改变最先发生在个人层面，而不是组织层面。
个人用AI的深度变了，整个组织的AI水位才会变。这是我从实际经验里得出来的结论。
所以这篇文章，是想认真聊一件事，

个人用AI，从「会用」到「用出资产」，到底隔了几层？

我先说下这个结论是怎么来的。
做复盘的时候发现，AI项目虽然在推进，但有一个现象让人不得不停下来想，AI项目并还没有出现「雨后春笋」的状态。公司层面的重点项目在推进，但来自业务一线的小创新、小场景、小应用，还没有大量冒出来。
这说明什么？
AI化还没有真正变成业务部门的日常思考方式。
现在更多还是AI办公室在牵引、推动、追问，业务内部还没有形成足够强的自发生长机制。
原因可以归为以下三类：
原文配图 1
这三个问题，都指向同一个根因：个人用AI的深度，还没到那个临界点。
当一个人用AI的深度够了，他会自然地去想：这个场景能不能用AI解决？那个流程能不能让AI帮我跑一遍？他不需要别人来推动，因为他自己已经在里面了。
所以从复盘里得出了一个结论：要推动组织的AI水位，先推动个人的AI深度。个人到了一定的程度，组织的变化是自然发生的。

你和AI的关系，停在第几层

再说一个我反复看到的现象。
事实上我问过很多同事一个问题：你用AI，主要用它干什么？
大部分回答是：帮我查资料，帮我想方案，帮我写报告。
再追问一句：有没有留过你觉得特别好的那几句问法？
大部分人的反应是：……好像没有。
这就是问题所在。
用了很久，但从来没往深里走一步。这个现象太普遍了，普遍到我想把它总结成了一个框架，个人用AI的五个层级。
原文配图 2

L1：把AI当工具

最基础的用法，把AI当成一个更快的工具。
帮你总结一个周会报告。帮你想几个方案。帮你翻译一段话等。
你得到的是效率，代价是资产为零。每次用完，没有留下任何东西。下次要写同类内容，还是从零开始。
L1的问题不是「用得不对」，而是「止步于此」。

L2：把AI当实习生

你开始把没想清楚的东西丢给AI。
这件事其实挺难的，把脑子里一团模糊的东西倒出来，让AI帮你理出头绪。大多数人不愿意这样做，因为把没想清楚的东西交给机器，等于承认自己也没想清楚。
L2的收获不是AI给了你什么答案，而是一种感觉的萌生，你在模糊中找结构的本能。这种本能一旦有了，它会长在你的脑子里，不依赖AI也存在。
资产开始出现了：不是prompt，是你自己脑子里的提问直觉。

L3：让AI带你看见盲区

到了这一层，你的用法变了。
你不再让AI在你划定的圈子里回答，你开始让它告诉你，你圈子外面有什么。
你最习惯的分析角度是什么？你忽略了哪个维度的信息？你上一次类似的判断，事后证明哪里出了问题？
这种「盲区检测」，大多数人靠摔跟头来获得。现在你可以让AI帮你提前做这件事。
做到一定次数，你脑子里的结构会变。
下次你分析任何问题，那个「我的盲区在哪」的分支会自动启动。不是某个prompt在发挥作用，是你自己被重塑了。

L4：主动让AI拆你的核心判断

这是最难跨过的一步。
L4的核心不是「AI给我更好的答案」，而是你把你最相信的那个判断，你用它做了决定、花了时间、跟人争过的，交给AI来反对。
读完之后的几秒沉默，不是在想怎么反驳，是在想自己过去的判断是不是建在了一个错误的前提上。
大多数人过不去L4，不是因为AI不够聪明，是因为不愿意被证明自己错了。

但凡过去走过这一步的人告诉我，那种感觉是「后背发凉了一下，然后出了一口气」。

L5：内化

我之前把L5描述成某种「高阶状态」，现在我改了一个说法：
L5是你过去需要靠AI才能触发的那些思维动作，跟AI一起做了足够多次之后，你自己的脑子学会了这个结构。
不是AI住进了你的脑子，是你把外部支架撤掉之后，发现自己能自己站着了。
钢琴学到最后，你不需要琴谱了。驾驶学到最后，你不需要想换挡的时机了。AI协作学到最后，你分析问题的结构本身变了。
L5不是一个到达了就永远在那儿的状态。AI模型每升级一次，你的L5就得重新校准一次。
它是过程，不是终点。

Skill，把你的AI经验变成可复用的资产

说完层级，再来聊一件事，skill。
这个词在AI语境里被用得比较乱，我说的skill指的是：一套你定义好了的、可复用的AI工作方式。
不是简单的几个prompt叠加，而是一套东西：任务域、指令结构、工具链、还有你自己沉淀进去的判断标准。
举几个例子你就明白了。
「帮我写公众号」是一个prompt。
「写公众号的skill」是一套完整的系统：选题判断标准 → 标题生成逻辑 → 正文写作指令模板 → 发布后的标题测试流程。前者是一次性问答，后者是一套你反复用、反复迭代、可以交给别人的工作方式。
skill这个词有意思的地方在于，它借用了一个职业成长的概念，任何一个领域里，从新手到熟手，靠的是掌握一系列skill。写作有skill，销售有skill，分析问题有skill。
用AI也是一样。
L3往上走的人，都会开始不自觉地沉淀skill。你会把你反复验证过的prompt存下来，把不同任务类型的丢法分类整理，把你跟AI协作时最顺的那套节奏固化下来。
这就是资产积累的过程。

prompt是消耗品，skill是资产。消耗品用完就没了。skill可以复用，可以迭代，可以交给别人。

原文配图 3

不同层级的人，怎么开始攒skill

L1的人，先从「收集箱」开始，把你觉得好用的prompt随手存下来，不用分类，不用整理，先积累量。
L2的人，开始对prompt做分类，同一类任务的prompt归在一起，用多了，你会发现哪些是真正高频的，哪些只是偶尔顺手。
L3的人，开始打磨你自己的prompt，不是改一句话两个词，而是真正去理解「这个prompt为什么在这里有效，在那里失效」。
L4的人，把你的工作流外部化，不只是存prompt，而是把一整套判断标准和操作流程写下来。skill写出来的过程，本身就是在逼迫你把自己的隐性经验变成显性知识。
L5的人，你已经在用skill思考问题了，那些判断标准已经不是存在备忘录里的文字，它们是你分析任何事情时的默认结构。

怎么开始

说了这么多层级和skill，来点实在的。
我五一这几天整理skills库的时候，把我自己一直在用的那套也顺手打包了。文章发出来后，公众号私信「技能包」，我把压缩包发给你。
这套组合拳的核心价值，就是把思考和杂活彻底剥离。比如「会议纪要」的 skill，录音转结构化输出，不用再手工整理；比如「飞书文档」的 skill，要写一份汇报材料，直接出飞书云文档，不用在 Word 和格式之间来回折腾。
另一类对我帮助更大——帮我想清楚的 skill。「审问计划」的 skill，每当我有一个模糊想法，直接丢给它，它会追着我把所有决策分支都过一遍，很多我以为想清楚的事，一追问就发现还差得远；「想法验证」的 skill，当我有一个创业或业务想法，让它帮我从市场、竞争、风险多个维度拆一遍，比我自己空想的盲区少得多；「每日工作台」的 skill，每天早上让它帮我看一眼今天的优先级，避免被紧急的事带偏了真正重要的事。
分享这套 Skill 包不是为了秀技术，也不是为了卷谁的技术最顶尖。对我来说，「能跑通、能省事、够好用」就是满分。大家别生搬硬套，根据自己的手感调一调，适合自己的才是真好用。
好了，回到正题，我的进阶整体思路是：
第一步：先找下有没有现成的。
要解决问题的时候，第一反应不是自己憋，而是先让 AI 找有没有合适的 skill。这步做起来很简单：问 AI「有没有做 XX 的 skill」，或者搜一下你用的 AI 工具里有没有现成的方案（牛顿说：我们要站在巨人的肩膀上）。
为什么要这样做？因为在你还在搭框架的时候，最高效的方式是用前人的经验。同一个任务，别人踩过的坑、做过的迭代，你直接拿来用，少走很多弯路。
第二步：改造成自己的。
过程中你存了好用的 prompt、别人的 skill、有可复用的东西，就可以开始去了解 skill 是怎么写的。不用一开始就学写代码，先看懂别人是怎么定义的——触发词、输入、输出、工作流。然后根据你自己的场景，改造一版最适合自己的。
这步最难的不是改造技术，是你开始有了「这套东西是我的」的意识。 prompt 是消耗品，你改出来的 skill 才是资产。
第三步：从零创造 skill。
如果市面上没有找到合适的 skill，那么在前两步的基础上，你已经具备了从零创造的能力——你知道自己需要什么、知道 skill 的基本结构、知道这套东西要解决什么问题。这时候你可以尝试封装自己的判断框架，定义新的任务域，配上工具链，完整地写一个 skill 出来。
这一步完成的时候，你正式踏入了L4层级。
怎么做

建议，你可以有一个自己的「提示词&skill收集箱」。

打开你的备忘录或者建一个文件夹，叫「提示词&skill」。以后每次和AI对话，发现某个提示词和技能特别好用，立刻复制进去。
不用整理，不用分类，先收集。量大了之后，自然会发现哪些是重复的，哪些是真正高频使用的。
这一步最难的不是操作，是意识转变：开始把AI对话当成有价值的生产活动，而不是一次性的问答。
就从这一步开始。

最后

写这篇文章的时候，我想起了我平时用AI的一个细节，也简单提一下。
以前遇到没想清楚的问题，我会放着。现在我会直接丢给AI，让它帮我拆一遍。
拆完之后，有的判断我认了，有的判断我不认。但不管是哪种，这个过程本身让我想得更清楚了。
这就是改变。
不是哪个工具更好用了，不是哪个流程更顺了，而是一个人分析问题的习惯，变了。
改变最先发生在个人层面。
然后，整个组织的AI水位，才会变。
原文配图 4

如果你也是在AI时代的浪潮里，不想听那些“颠覆未来”的空话，只想看怎么解决眼前的具体问题；
欢迎关注我的公众号 【林万劲的AI思考】。我不发新闻，不追热点，只写那些我亲手验证过的真思考，和帮业务扒开表象找到的“真问题”

路很难走，但方向是对的，有些坑我踩过了，希望你们能绕着走，如果你身边有朋友也在用AI，也欢迎把这篇文章转发给他。