AI时代能力自测：你在哪一层，下一步往哪走？
魔当实验室 · 2026年10月
本文是"AI时代的核心能力"系列第六篇。前五篇分别讲了放大器效应、审美与判断力、问题定义能力、系统思维、AI素养。这一篇把前面的内容汇总成一张自测表和三条升级路线，帮你定位自己的位置，以及下一步该怎么走。
前五篇我们聊了很多——AI是放大器、审美很重要、要找对问题、要会搭系统、要知道AI的边界。
但看完之后你可能会问：说的都对，但我到底在哪？我该从哪开始？
这一篇就是来回答这个问题的。
我们把前面讲的四种核心能力，整理成了一张自测表。你可以花5分钟过一遍，大致知道自己在什么水平。然后我们给了三条升级路线——初学者、进阶者、高手——每条路线都有具体的练习清单和时间规划。
不用焦虑，不用贪多。找到自己的位置，从下一步开始就行。
能力自测表：四个维度 × 四个层级
先说明一下：这不是严谨的心理测评，就是个快速定位工具。每个维度选一个最符合你的描述，不用太纠结。
维度一：审美与判断力
你能不能判断AI产出的质量好不好、为什么好、怎么改进？
| 层级 | 描述 | 典型表现 |
|---|---|---|
| L1 凭感觉 | 觉得好看就行，说不出为什么 | "我觉得这个还行吧"，好坏全凭喜好 |
| L2 能分辨 | 能看出好坏，但说不清原因 | 大概知道好不好，但不知道好在哪、怎么改 |
| L3 会分析 | 能拆解好坏的原因，知道从哪下手 | 能指出是构图问题、色调问题还是质感问题 |
| L4 有风格 | 有稳定的审美取向和质量标准 | 知道什么是"好"，也知道什么是"自己的好" |
维度二：问题定义能力
你能不能把模糊的需求变成清晰的问题，找到真正的根因？
| 层级 | 描述 | 典型表现 |
|---|---|---|
| L1 跟风型 | 大家都在用AI，我也得用 | 用了，但不知道具体解决了什么问题 |
| L2 工具型 | 有具体需求时会用AI提效 | 知道什么时候用AI，但只用在零散场景 |
| L3 整合型 | 把AI深度融入工作流 | 效率和质量都有明显提升 |
| L4 定义型 | 从问题出发，用AI重新定义解法 | 能用AI设计全新的工作方式，数量级提升 |
维度三：系统思维
你能不能把多个AI工具和步骤组合成完整的工作流？
| 层级 | 描述 | 典型表现 |
|---|---|---|
| L1 单点型 | 一个个用AI工具，手动串联 | 在不同平台之间复制粘贴 |
| L2 流程型 | 有固定的步骤和顺序，但还是手动执行 | 有SOP，但每一步都要人操作 |
| L3 自动化型 | 能自动化的步骤都自动化了 | 工作流跑起来，人只做关键决策 |
| L4 架构型 | 能设计和优化整个系统，持续迭代 | 工作流是资产，不断打磨升级 |
维度四：AI素养
你知不知道AI能做什么、不能做什么、该怎么用？
| 层级 | 描述 | 典型表现 |
|---|---|---|
| L1 小白型 | AI是黑盒，能用就行 | 不关心原理和风险，拿来就用 |
| L2 谨慎型 | 知道AI会出错，重要的事会检查 | 能规避大部分明显风险 |
| L3 明智型 | 知道AI的能力边界，会按需选择 | 能判断什么场景用在线、什么场景用本地 |
| L4 架构型 | 能根据需求设计AI方案 | 主动管理风险，最大化价值 |
怎么用这张表
第一步：给自己打分
四个维度，每个维度选一个你当前的层级。不用精确，大致对就行。
比如：
- 审美：L2（能分辨好坏，但说不出原因）
- 问题定义：L2（有需求时会用AI，但比较零散）
- 系统思维：L1（还是一个个工具手动用）
- AI素养：L2（知道AI会出错，重要的会检查）
大多数人的分布大概是这样的——有的维度高一点，有的维度低一点，很正常。
第二步：找到你的"最低维度"
四个维度里，最低的那个就是你最该先提升的。
为什么？因为AI是放大器——你的整体效果取决于最短的那块板。
比如你审美很好（L3），但AI素养很差（L1）——你做出来的东西可能很好看，但你可能不小心把敏感数据发给了在线AI服务，最后出大问题。
再比如你系统思维很强（L3），但问题定义不行（L1）——你搭了很复杂的自动化工作流，但解决的是一个根本不重要的问题，效率越高越浪费。
先补短板，再拉长板。
第三步：选一条升级路线
下面我们给了三条路线——初学者路线、进阶者路线、高手路线。你可以根据自己的整体水平选一条，照着练。
路线一：初学者路线（整体 L1-L2）
如果你大多数维度都在L1或L2，那这条路线适合你。
目标：从"会用AI"升级到"用好AI"。
第1个月：建立AI素养 + 提升判断力
这个月的重点是：建立对AI的清醒认知，养成"不盲信、会核实"的习惯。
具体练习：
- 核实习惯养成 — 每次用AI生成内容后，花1分钟检查事实性信息（数字、引用、案例）。养成习惯。
- 了解数据去向 — 选你最常用的1-2个AI服务，看看它的隐私政策：数据会不会被训练、会存多久、能不能删除。
- 审美对比练习 — 每天花10分钟，找5张好图和5张一般的图，放在一起对比，试着说出好的好在哪、差的差在哪。
- 问题陈述练习 — 每次用AI做事之前，花2分钟写清楚：我要解决什么问题、给谁用、成功标准是什么。
预期效果： 你对AI的认知会从"神化"或"贬低"变成"清醒"——知道它能做什么、不能做什么，也能更准确地判断产出质量。
第2个月：问题定义 + 基础流程
这个月的重点是：从"零散用AI"升级到"有目标地用AI"。
具体练习：
- 五个为什么练习 — 每周选一个你想用AI解决的问题，连问五个"为什么"，找到根因。
- 减法练习 — 每次想用AI之前，先问自己：如果没有AI，这个问题怎么解决？成本高不高？
- 画流程图 — 选一个你经常做的事情（比如写一篇文章、做一条视频），把完整流程画出来。
- 找重复步骤 — 在你画的流程图里，找出最重复、最耗时的1-2个步骤，试试用AI自动化。
预期效果： 你会开始从"AI能做什么我就用什么"转向"我需要什么就用AI做什么"。使用效率明显提升。
第3个月：第一个自动化工作流
这个月的重点是：亲手搭一条属于你的自动化工作流。
具体练习：
- 选一个场景 — 从你日常工作或创作中，选一个重复性高、步骤清晰的场景。
- 搭工作流 — 用ComfyUI（如果做图像/视频）或者n8n（如果做业务流程），把这个场景的步骤串起来。
- 反复迭代 — 跑几次，看看哪里卡、哪里慢、哪里效果不好，不断优化。
- 本地跑一次 — 如果还没试过本地部署，装一个Ollama或者ComfyUI，在本地跑一次模型，建立体感。
预期效果： 你会从"用工具"的思维转向"搭系统"的思维。而且你会发现——本地部署没那么难。
路线二：进阶者路线（整体 L2-L3）
如果你大多数维度都在L2或L3，那这条路线适合你。
目标：从"用好AI"升级到"用AI系统解决问题"。
第1个月：深化系统思维
这个月的重点是：从单个工作流升级到多工具协同的完整系统。
具体练习：
- 工作流资产化 — 把你常用的工作流整理成模板，存好、标好文档，而不是每次重新搭。
- 多模型组合 — 试试在一个工作流里用多个模型——比如用一个模型生成初稿、另一个模型做审核优化、第三个模型做特定风格的输出。
- RAG入门 — 如果你还没接触过RAG，试试用MaxKB或Dify搭一个简单的知识库问答系统。不用很复杂，感受一下"AI+私有数据"的威力。
- 成本核算 — 算一算你现在用AI的成本（时间+金钱），再估算一下如果用本地部署，成本是多少。做个对比。
第2个月：提升问题定义的深度
这个月的重点是：从"解决已知问题"升级到"发现真正的问题"。
具体练习：
- 重新定义练习 — 选一个你一直在用AI解决的问题，强迫自己想出至少三种不同的定义方式。每种定义对应的解法完全不同。
- 根因分析 — 选一个你觉得"AI没帮上什么忙"的场景，深入分析一下：是AI不行，还是问题定义不对？还是数据不对？
- 垂直领域深入 — 在你最熟悉的领域里，深入研究AI能做到什么程度、有什么专门的模型、有什么最佳实践。
- 行业案例研究 — 找3-5个你所在行业的AI成功案例，深入研究他们是怎么做的、为什么成了。
第3个月：本地部署深度实践
这个月的重点是：从"试试本地部署"升级到"用本地部署解决实际问题"。
具体练习：
- 选一个实际场景 — 找一个你日常真的会用到的场景，用本地部署来做。
- 模型对比 — 试试不同的模型（不同大小、不同架构、不同量化程度），对比效果和速度，找到最适合你场景的。
- 微调尝试 — 如果有条件，试试用LoRA微调一个小模型。不用追求效果多好，重点是理解微调是怎么回事、能解决什么问题。
- 工作流迁移 — 把你在在线工具上做的工作流，迁移到本地上来。对比体验差异。
预期效果： 你会建立完整的AI能力体系——能判断问题、能设计方案、能落地执行、能控制风险。你的AI产出质量和效率都会上一个台阶。
路线三：高手路线（整体 L3-L4）
如果你大多数维度都在L3以上，那这条路线适合你。
目标：从"用AI系统"升级到"设计AI系统，创造新的可能性"。
第1-2个月：构建你的AI系统栈
这个阶段的重点是：搭建一套属于你自己的、全本地可控的AI工作环境。
具体方向：
- 完整本地环境 — 从大模型到图像生成到语音到RAG，搭一套完整的本地AI环境。所有数据不出本地。
- 模型库建设 — 建立你自己的模型库——哪些模型适合什么场景、各有什么特点、怎么组合使用。
- 自定义工作流 — 针对你最核心的业务或创作场景，搭一套深度定制的工作流。不是通用模板，是为你量身定做的。
- 自动化运营 — 把日常运营的各个环节（内容发布、数据监控、用户反馈、质量检测）都尽量自动化。
第3-6个月：创造新的可能性
这个阶段的重点是：用AI做以前根本做不到的事。
不是把以前的事情做得更快，而是做以前想都不敢想的事情。
比如：
- 一个人做一个完整的产品（从设计到开发到运营）
- 一个人运营一个媒体品牌（内容生产+分发+商业化）
- 一个人做一个垂直领域的AI服务（特定行业的解决方案）
- 用AI探索全新的创作形式或商业模式
这个阶段没有标准答案。 因为走到L4的人，每个人的方向都是独特的——你对什么问题最有热情、你对哪个领域理解最深、你最想创造什么，决定了你会走向哪里。
但有一点是确定的：当你的AI能力足够强的时候，你能做的事情，会远远超出你以前的想象。
几个重要的提醒
1. 不用追求完美
很多人喜欢"等我准备好了再开始"——等我学完这个、等我搞懂那个、等我买了更好的电脑……
不用。找到你当前的层级，从下一步开始就行。 走一步有一步的收获。
2. 短板优先，但也别忘了长板
前面说过先补短板——这是对的。但短板补到一定程度之后，就要开始拉长板了。
最终能让你脱颖而出的，不是你的平均水平，而是你的长板有多突出。
比如你审美特别好，那就在这个方向上继续深耕——AI时代，审美能力的价值会被放大。比如你特别擅长系统思维，那就往架构师方向走——会搭系统的人永远稀缺。
3. 跟自己比，不要跟别人比
这个系列里提到了很多厉害的人——Pieter Levels一个人年入几千万、Midjourney11个人做5亿美金……这些是案例，不是目标。
每个人的起点不一样、领域不一样、目标不一样。跟昨天的自己比，有进步就好。
AI是放大器——你的起点可能不高，但只要持续提升，AI会把你的进步放大。
4. 动手是最好的学习
看一百篇文章，不如亲手做一次。
装一个本地模型、搭一条工作流、做一个小项目——在动手的过程中，你对AI的理解会完全不一样。
AI能力不是学出来的，是练出来的。
最后：你的能力边界，就是AI的天花板
回到系列的核心命题：AI是放大器。
AI能把你的能力放大十倍百倍。但放大的效果怎么样，取决于你自己。
- 审美不行 → AI给你一百张图，你选不出最好的那张
- 问题定义不行 → AI再强，也帮你解决不了真正的问题
- 系统思维不行 → 你只会零散用工具，效率提升有限
- AI素养不行 → 你可能踩了坑都不知道怎么踩的
但反过来：
- 审美上去了 → AI能帮你快速产出高质量的作品
- 问题定义准了 → AI能帮你数量级地提升效率
- 系统思维强了 → 你能搭出以前一个团队才能做的系统
- AI素养够了 → 你能在风险和收益之间找到最佳平衡
AI时代，最值钱的不是会用多少个AI工具，而是你自己的底层能力。
工具会变、模型会迭代、技术会进步。但这些底层能力——审美、判断力、问题定义、系统思维、学习能力——是不会过时的。
练好这些，不管AI怎么变，你都能站得住。
下一篇，也是这个系列的最后一篇，我们会聊一个最核心的问题：为什么说本地部署是AI能力的试金石？ 从"用AI"到"部署AI"，不只是技术的升级，更是能力的跃迁。
参考来源：
- 本系列前五篇的所有引用和案例，整合成本文的能力框架
- UNESCO AI Competency Frameworks — AI素养的分级参考
- "Extended Creativity: A Framework for Human-AI Creative Relations" (2025). arXiv:2506.10249. Support / Synergy / Symbiosis 三模式（用于系统思维层级划分参考）
- McKinsey & BCG 企业AI成熟度模型 — 用于能力层级划分的行业参照