← 返回全部情报
Every 指南《AI 采用的八个层级》:从聊天机器人到编排者,按信任程度和出错代价为每项任务选层级 的封面

·Every·行业观察收录 2026-10-04推荐

Every 指南《AI 采用的八个层级》:从聊天机器人到编排者,按信任程度和出错代价为每项任务选层级

AI 采用等级智能体Copilot自动驾驶工作流多智能体编排自我评估Every

一句话结论

Every 把 AI 用法分成八级:聊天机器人、Copilot、智能体、自动驾驶、工作流、助理、多智能体、编排者,每升一级就把更多工作和信任交给 AI;但级别越高不等于越好,每项任务该用哪一级,取决于你有多信任 AI 能独立做好,以及它做错了代价有多大。

打开原文 Every Guides:The Eight Levels of AI Adoption(Mike Taylor、Laura Entis)

背景与理念

指南的出发点是:一条爆款帖子就足以让人觉得自己用错了 AI。有人同时开 12 个 Claude Code 会话,有人的智能体在主人睡觉时回邮件,而大多数人还在和 ChatGPT 来回拉扯。

作者认为,追赶每一位重度用户并不是重点。从 AI 里获得价值的最好方式,是按适合自己工作的方式去用,并且定期检查一下是否还能用得更多。作者原本在给客户演示时引用 Steve Yegge 那篇指挥几十个编码智能体的「Gas Town」文章,但发现它和自己的经验对不上,于是改写成了这套分级。

这份指南把 AI 采用分成八个层级,从最基础的聊天机器人一直到完整的智能体编排。每往上一级,你就把更多工作交给 AI,也对它付出更多信任;指南逐级说明实际怎么用、配上示例提示词,帮助读者判断哪一级适合当前的需求和工作流、每一级能做到什么,以及什么时候该往上走。

Every 在 2026 年 6 月 2 日发布这份指南时,同时发了一篇导读《Where Do You Fall on the Eight Levels of AI Adoption?》。导读页显示它在 2026 年 8 月 20 日更新过;指南页本身没有标注日期,Every 的站点地图记录它最近一次修改是在 2026 年 9 月 1 日(美东时间)。

具体做法

下面按指南的总览表逐级介绍。第 1 级有完整的公开内容;第 2 到第 8 级的详细说明、示例提示词和升级时机需要注册免费的 Every 账户才能阅读,这里只依据公开的总览表和导读文章整理。

第 1 级:聊天机器人(Chatbot)

你提问,它回答,这是最经典的聊天机器人体验。ChatGPT、Claude、Gemini 或任何没有嵌入你的文件和系统的模型都属于这一级:你交给它一个任务,它返回一个回答。

这一级带来的变化是:你从凡事亲力亲为,变成和一个随叫随到的 AI 通才一起起草和归纳。适合的用途包括根据零散笔记写东西、总结文档,以及针对上传的文件回答问题。

指南给出的第一个示例是会后跟进邮件。提示词要求 AI 根据粗略的会议笔记、已做的决定和两项需要提醒的风险,用沉稳自信的语气起草给客户的邮件,结尾列出三条明确的下一步,并且在动笔前先指出哪些地方不清楚或缺少依据;人要做的判断是确认语气和事实正确,内容是自己愿意负责的。

第二个示例是总结一份 20 页的福利政策 PDF。提示词要求总结员工最关心的五项变化,再回答谁受影响、新时间表影响哪些具体政策、快速阅读的人最可能在哪里误解;人要核实总结是否属实,以及模型能否识别材料中含糊的地方。

什么时候往上走:每次使用聊天机器人都要手动准备。你得解释需求、提供背景,再把回答搬到真正干活的地方;如果你从聊天中获益很多,却已经厌倦了复制粘贴,就可以考虑进入下一级。

第 2 级:Copilot

AI 存在于你的文件里,和你一起完成工作。总览表举的例子是 Cursor、Excel 里的 Claude 和 Google Docs 里的 Gemini;导读的说法是 AI 在你的文件内部、在你身边工作。

第 3 级:智能体(Agent)

你描述一个任务,智能体一步一步执行,每进入下一步之前都先征求你的批准。总览表举的例子是 Cowork 和 Codex。

第 4 级:自动驾驶(Autopilot)

你跳过逐步审批,让智能体独立完成整个任务,最后再检查结果。总览表举的例子是 Lovable、Codex 和 Claude Code。

第 5 级:工作流(Workflows)

你搭建一套系统,让智能体的产出变得专业、稳定、可靠。总览表举的例子是 compound engineering(复利工程)、Claude Workflows 和 Copilot AI Studio。

第 6 级:助理(Assistant)

智能体在后台主动工作,不需要你发出提示。总览表举的例子是 OpenClaw、Hermes Agent 和 Claude Managed Agents。

第 7 级:多智能体(Multi-agent)

你同时管理多个长时间运行的智能体。总览表举的例子是 Claude Managed Agents、OpenClaw 或 Codex Goals。

第 8 级:编排者(Orchestrator)

由一个管理者智能体替你指挥一组子智能体。总览表举的例子是 Gas Town、Paperclip 和 Symphony。

关键数据/例子

八个层级各自配了当下的代表产品,从第 1 级的 ChatGPT、Claude、Gemini,到第 8 级的 Gas Town、Paperclip、Symphony;同一个产品可能出现在多个层级,例如 Codex 同时出现在第 3、第 4 级,第 7 级还列了 Codex Goals。

作者对人群分布的判断是:知识工作者目前的最佳区间大致在第 1 到第 4 级,工程师更多处在第 5 到第 8 级。原因之一是工程师能自己搭脚手架,让那些较新、还不够稳定的系统先用起来,而普通用户要等它们成熟。

第 1 级的两个示例都写明了输入、输出和人的判断三项。会后邮件的输入是会议笔记,输出是一份打磨好的邮件草稿,并标出仍需补充的信息;政策总结的输入是 PDF 或一组文档,输出是基于原文的总结和直接回答。

这套框架已经被拿来做自我评估。Every 另一篇文章提到,同事 Katie Parrott 让 Codex 按这份指南给自己定级,结果是第 5 级并带有第 6 级的苗头;运营负责人 Arielle Shipper 照此让 Codex 对照历史会话打分,四个月里自评从约 5.5 升到 7.9(见本站同期收录的「Every 运营负责人用 Codex 当教练」一条)。

创新点

第一,它不把级别当成排行榜,而是把「信任」和「出错代价」作为选级的两个依据。作者说,他认识的最老练的 AI 用户会同时在好几个层级上工作,根据眼前的具体问题挑最合适的那一级。

第二,它明确给出了高风险任务的两条路。要么停在较低的层级以便监督 AI,要么准备投入足够的时间、工程资源和 token,在更少人工监督的更高层级上达到同样的质量。

第三,它正视了采用受阻的真实原因。作者接触到的采用困难者大多有充分理由:输出质量对他们的工作来说太低,或者要达到所需质量的成本太高;安全地升到下一级需要投入精力反复试验,或者等待模型能力的跃升。

第四,每一级都写清楚「什么时候该往上走」。以第 1 级为例,升级信号不是追新,而是你已经从聊天中得到很多价值,却厌倦了手动准备背景和复制粘贴。

可否复用

  1. 先给自己的主要任务逐项定级,而不是给自己整体打一个分。把一周里经常做的几类工作列出来,对照八级的定义写下每类目前处在哪一级,大多数人会发现自己同时处在好几级。
  2. 用两个问题判断每项任务该停在哪一级:你有多信任 AI 能不经干预就做好,以及它做错了后果有多严重。后果严重的任务,要么留在能逐步审批的低层级,要么先准备好足够的校验流程和预算,再交给更高层级。
  3. 用「升级信号」决定是否往上走。例如在第 1 级反复复制粘贴、每次都要重新交代背景,就是该尝试把 AI 放进文件里(第 2 级)的信号;不要因为别人开了多少个并行会话就硬升级。
  4. 可以让常用的 AI 帮你自评,但要给它证据。把这份指南和你最近一段时间的真实对话记录交给它,请它按八级定级、为每个判断举出具体例子,再指出下一级可以先拿哪项旧任务练手。
  5. 照搬第 1 级示例提示词的结构:交代材料、写明期望的输出格式、要求它先指出不清楚或缺少依据的地方。人始终保留最后一步判断:核对事实和语气,确认内容是自己愿意负责的。

笔记会在输入时自动保存。