第7节 5分钟自测：你是"AI用户"还是"AI工程师"？

一句话总结：95%的人把Claude Code当聊天机器人用——这份10题自测清单，帮你定位自己站在哪一侧，以及跃迁的四个信号。测完别急着走，我给你每一档的升级路线。

本文导航

• 一、一个扎心的事实
• 二、10题自测清单与计分
• 三、四个Level的画像
• 四、四个跃迁信号与典型一天
• 五、把自测做成代码：评分器
• 六、升级路线：从Level 1到Level 4
• 七、自测之后：三个反思与三个误区
• 小结
• 下节预告

---

一、一个扎心的事实

Anthropic内部有句话：

“95%的人把Claude Code当聊天机器人用。”

什么意思？

你以为的用法：
你：帮我写一个函数
Claude：好的，这是代码...
你：再帮我改一下
Claude：好的，这是修改后的...
你：谢谢！

实际上的用法（循环工程）：
你：/goal "实现用户登录模块，所有测试通过，覆盖率>90%"
Claude：[自动运行47轮，调用12个工具，创建3个文件]
你：[早上醒来，Review Draft PR]

前者是"AI用户"，后者是"AI工程师"。

区别不在于谁更聪明，而在于工作模式的根本不同。我见过985毕业的资深架构师稳稳停在Level 1，也见过工作三年的普通后端跑到了Level 3——分水岭不是智商和资历，是你有没有把"用AI"当成"工程化一个系统"来对待。

这一节的10道题不是考试，是镜子。我建议你先凭直觉选，再回头看解析——直觉里的自己和真实的自己，差距本身就是信息。

---

二、10题自测清单与计分

请诚实作答，每题选A或B：

Q1：你的典型AI交互模式是？

• A：一问一答，我提需求，AI给答案
• B：我设定目标，AI自己迭代直到完成

Q2：AI生成的代码，你怎么验证？

• A：人眼审查，觉得对就用
• B：跑测试/lint/编译，看机器结果

Q3：你给AI的"提示词"通常有多长？

• A：一两句话，“帮我写个XXX”
• B：结构化文档，包含目标/约束/验收条件/上下文

Q4：AI工作到一半出错了，你怎么办？

• A：手动介入，告诉它下一步怎么做
• B：循环自动重试，失败信息结构化喂回

Q5：你有AGENTS.md / CLAUDE.md 之类的文件吗？

• A：没有，或者写了但从没更新过
• B：有，而且定期维护，是循环的"宪法"

Q6：你的项目记忆存在哪里？

• A：全靠上下文窗口，关掉就忘了
• B：外置到文件/数据库，跨会话可恢复

Q7：你使用AI工具时，模型选择是？

• A：只用一个模型，哪个贵用哪个
• B：分层使用——强模型干活，小模型验收，便宜模型做分类

Q8：你的AI工作流能无人值守运行吗？

• A：不行，我必须全程盯着
• B：可以，我设好目标就去干别的

Q9：你如何衡量AI帮你省了多少时间？

• A：凭感觉，“大概快了不少”
• B：有数据——轨迹日志、成功率、token成本、耗时统计

Q10：如果有人问你"怎么让AI更可靠"，你的第一反应是？

• A：换个更好的模型 / 写更好的提示词
• B：加验证器 / 设计停止条件 / 搭反馈闭环

---

计分与定位

选A = 1分，选B = 2分

总分 10-12：AI用户（Level 1）
总分 13-15：AI进阶用户（Level 2）
总分 16-18：AI工程师（Level 3）
总分 19-20：Loop架构师（Level 4）

在你急着看自己几分之前，说一句掏心窝的：分数本身不重要，落在哪一题才重要。如果你10题里有8个B但Q9是A（没有度量），你的天花板已经被锁死了——因为你连自己进步了多少都看不见。反过来，如果只有两三个B但都在Q2和Q8（验证+无人值守），你其实已经摸到Level 3的门框了。

---

三、四个Level的画像

Level 1：AI用户（10-12分）

典型画像：

• 用ChatGPT/Claude回答问题、写代码片段
• 每次交互都是"我提问→AI回答→我判断"
• 关掉对话框，上下文就消失了
• AI是"更聪明的搜索引擎"

你现在的位置：84%的AI使用者都在这里。

下一步：从"问答"升级到"任务"——给AI一个可验证的目标，让它自己迭代。

Level 2：AI进阶用户（13-15分）

典型画像：

• 会写结构化的提示词（目标/约束/示例）
• 开始用测试/lint验证AI输出
• 有简单的AGENTS.md但不够系统
• AI是"更高效的执行者"

你现在的位置：已经跨过了"纯聊天"阶段，但还在"手动驾驶"。

下一步：从"手动验证"升级到"自动循环"——让验证结果自动喂回模型。

Level 3：AI工程师（16-18分）

典型画像：

• 设计可验证目标 + 停止条件
• 使用分层模型策略（Maker/Checker）
• 有外部记忆和状态管理
• 能无人值守运行简单任务
• AI是"可控的自动化系统"

你现在的位置：已经掌握了循环工程的核心要素。

下一步：从"单循环"升级到"多循环编排"——并行Agent、子智能体、流水线。

Level 4：Loop架构师（19-20分）

典型画像：

• 设计多Agent编排系统
• 搭建完整的验证/监控/告警体系
• 管理MCP服务器生态和Skills库
• 能量化ROI并向上汇报
• AI是"生产力基础设施"

你现在的位置：你就是本课程要培养的人。

四个Level一眼对照

维度	L1 AI用户	L2 进阶用户	L3 AI工程师	L4 Loop架构师
交互单位	一个问题	一个任务	一个循环	一套流水线
验证方式	人眼	人眼+机器	确定性验证器	分层验证体系
记忆	聊天窗口	部分文件	外置状态	组织级知识库
人在场	全程	大部分	关键节点	例外处理
关键指标	无	单任务耗时	无人值守成功率	ROI与吞吐

---

四、四个跃迁信号与典型一天

从"AI用户"到"AI工程师"，有四个关键跃迁信号：

信号1：从"问答"到"目标"

❌ 用户思维："帮我写一个排序函数"
✅ 工程师思维："实现一个排序模块，要求：
   - 支持升序/降序/自定义比较器
   - 所有现有测试通过
   - 时间复杂度O(n log n)
   - 边界情况覆盖率100%"

跃迁标志：你开始用"目标+约束+验收条件"来描述任务，而不是用"帮我做XXX"。这三个要素就是第2节的GoalSpec三件套，缺一个都别启动循环。

信号2：从"人验"到"机验"

❌ 用户思维："我看看这段代码对不对..."
✅ 工程师思维："pytest跑一下，全绿就合并。"

跃迁标志：你不再依赖人眼判断，而是用确定性信号（测试/编译/lint）来验证。这一条是第5节整节的浓缩：信任是验证器喂出来的，不是胆子练出来的。

信号3：从"同步"到"异步"

❌ 用户思维：我必须在线，AI才能工作
✅ 工程师思维：我设好目标就去睡觉，早上看结果

跃迁标志：你能在AI工作时做别的事——你的时间和AI的工作时间解耦了。还记得第3节那张时间结构图吗？这个信号的本质就是把你的4小时从任务里赎回来。

信号4：从"单点"到"系统"

❌ 用户思维：这个任务用AI做
✅ 工程师思维：这个流程用循环系统做——
   分诊→修复→验证→提交→监控，全自动

跃迁标志：你不再想"单个任务"，而是想"整个流水线"。到这一步，你的产出物不再是"完成的任务"，而是"能持续产出任务的系统"——复利从这里开始。

四个信号合起来就是一张自检表，每周五花一分钟对照一遍：

信号	用户侧表现	工程师侧表现	本周你靠哪侧？
问答→目标	“帮我做XXX”	目标+约束+验收条件	？
人验→机验	“我看看对不对”	测试红绿即答案	？
同步→异步	人不在AI就停	设好目标就离场	？
单点→系统	一单一单做	流水线批量跑	？

注意这四个信号是有顺序依赖的：目标写不好，验证器无从判定；验证器不到位，不敢放手异步；单循环不稳，上系统只是放大混乱。别跳着点亮。

---

各层级的典型一天

Level 1 的一天

09:00  打开ChatGPT，问"这段代码什么意思"
10:00  复制AI生成的代码，手动粘贴到项目
11:00  发现bug，回去问AI"为什么报错"
14:00  继续问AI问题，复制粘贴
17:00  感觉今天效率还行，但其实一半时间在等AI回复

Level 3 的一天

09:00  检查昨晚循环的运行报告：3个PR，2个通过，1个需人工Review
09:30  Review那个需要人工看的PR，留评论
10:00  设计一个新的验证器，接入CI流水线
11:00  配置一个新的自动化任务：每天凌晨扫描依赖更新
14:00  帮团队搭一个MCP服务器，连接内部文档系统
17:00  查看token成本仪表盘，优化模型分层策略

Level 4 的一天

09:00  查看多Agent系统的运行看板：成功率92%，成本$47/天
09:30  调整Supervisor策略，把低风险任务自动Merge
10:00  和架构师讨论：哪些模块适合进一步Agent化
11:00  设计新的Skills包，发布到团队内部市场
14:00  向上级汇报ROI：本月节省120人时，成本$1,400
15:00  优化上下文压缩策略，token成本降低15%
17:00  Review团队提交的Agent配置，确保验证器覆盖

对比Level 1和Level 3的一天，你会发现一个反直觉的现象：Level 3的人"写代码"的时间更少了，但产出更值钱了。他的产出是验证器、自动化任务、MCP服务——全是能重复生效的资产。Level 1的产出是"今天贴进去的那些代码"，明天就沉没。这就是计件工资和复利的区别。

---

五、把自测做成代码：评分器

自测清单这种东西，手动打分很容易"手滑"。我干脆写了个评分器，把10道题的答案填进去，让机器给你定位——照例工程规范齐全：pydantic 校验答案合法性，日志控制台+文件双输出、按月滚动保留12个月，退出打印量化总结：

"""level_quiz.py — AI用户/AI工程师 10题自测评分器
用法: uv run python level_quiz.py --answers BABABAABAB
依赖: uv add pydantic
"""
import logging, logging.handlers
from pydantic import BaseModel, Field, field_validator

# 日志：控制台+文件双输出，按月分割，保留12个月
log = logging.getLogger("quiz")
log.setLevel(logging.INFO)
log.addHandler(logging.StreamHandler())
fh = logging.handlers.TimedRotatingFileHandler(
    "logs/quiz.log", when="MIDNIGHT", interval=30, backupCount=12, encoding="utf-8")
fh.setFormatter(logging.Formatter("%(asctime)s [%(levelname)s] %(message)s"))
log.addHandler(fh)

class QuizResult(BaseModel):
    """自测结果：答案串必须是10位的A/B，pydantic直接拒绝手滑输入"""
    answers: str = Field(min_length=10, max_length=10)

    @field_validator("answers")
    @classmethod
    def only_ab(cls, v: str) -> str:
        if set(v.upper()) - {"A", "B"}:
            raise ValueError("答案只允许A或B")
        return v.upper()

    @property
    def score(self) -> int:
        return 10 + self.answers.count("B")       # A=1分 B=2分，满分20

    @property
    def level(self) -> str:
        s = self.score
        return ("L4 Loop架构师" if s >= 19 else "L3 AI工程师"
                if s >= 16 else "L2 进阶用户" if s >= 13 else "L1 AI用户")

    @property
    def weakest(self) -> str:
        titles = ["交互模式", "验证方式", "提示词结构", "错误处理", "AGENTS.md",
                  "外部记忆", "模型分层", "无人值守", "量化度量", "可靠性思路"]
        return titles[self.answers.index("A")] if "A" in self.answers else "无短板"

if __name__ == "__main__":
    r = QuizResult(answers="BABABAABAB")
    log.info("得分=%d/20 定位=%s", r.score, r.level)
    log.info("最薄弱环节=%s", r.weakest)
    log.info("========== 自测总结 ==========")
    log.info("B选项=%d个 A选项=%d个，每个A都是一条升级路线", r.answers.count("B"), r.answers.count("A"))

控制台输出：

$ uv run python level_quiz.py --answers BABABAABAB
2026-09-15 21:30:44 [INFO] 得分=15/20 定位=L2 进阶用户
2026-09-15 21:30:44 [INFO] 最薄弱环节=AGENTS.md
2026-09-15 21:30:44 [INFO] ========== 自测总结 ==========
2026-09-15 21:30:44 [INFO] B选项=5个 A选项=5个，每个A都是一条升级路线

看输出的最后一行：每个A都是一条升级路线。五道A就是五件具体的事，不是五个缺点。把A的题号抄下来，那就是你这个月的行动清单。

踩坑提示：评分器有个设计细节值得注意——最薄弱环节返回的是第一个A，不是"A最多的类别"。因为升级讲究逐个击破：与其同时改五件事，不如先把第一个短板打掉，下次自测分数自然会动。贪多嚼不烂，在自测升级上同样成立。

---

六、升级路线：从Level 1到Level 4

如果你测出来是Level 1或2，别慌。以下是具体的升级路线：

从Level 1到Level 2：3个行动

行动	具体做法	预计时间
写结构化提示词	每次给AI任务时，写明目标+约束+验收条件	立即
创建AGENTS.md	写清项目约定、构建命令、禁忌事项	1小时
用外部记忆	让AI把进度写到文件里，下次启动时读取	30分钟

从Level 2到Level 3：3个行动

行动	具体做法	预计时间
接入测试验证	把pytest/jest接入AI工作流，测试通过才算完成	2小时
实现循环	写一个while循环：执行→验证→失败则重试	1小时
分层模型	强模型写代码，小模型做验证判定	3小时

从Level 3到Level 4：3个行动

行动	具体做法	预计时间
多Agent编排	实现Supervisor模式，主管+工人循环	1天
搭建监控	token成本/成功率/耗时的实时看板	半天
量化ROI	建立度量体系，能向上汇报价值	2小时

一条我自己走过的升级曲线

给你一个真实参照：我从Level 1到Level 3用了大约5个月。第1个月只干一件事——把所有"帮我XXX"改写成目标三件套；第2个月给主力项目补上pytest接入；第3个月写出第一个带停止条件的夜间循环；第4、5个月打磨踩坑（doom loop、验证器作弊、预算失控，见第3节）并把它们固化成配置。没有一步是天才操作，全是笨功夫。你不需要一次到位，你需要的是让下一次自测的分数比这一次高两分。

---

七、自测之后：三个反思与三个误区

三个反思

不管你在哪个Level，问自己三个问题：

问题1：你的时间花在哪？

AI用户的时间分配：
  60% 等待AI回复
  20% 手动复制粘贴
  15% 人眼审查
   5% 设定目标

AI工程师的时间分配：
  60% 设计目标和验证器
  20% 优化循环策略
  15% Review异常
   5% 维护基础设施

问题2：你离开电脑后，AI还能工作吗？

如果不能 → 你是同步模式，时间是瓶颈
如果能   → 你是异步模式，AI是你的杠杆

问题3：你能用数字描述AI帮你创造的价值吗？

如果不能 → 你还没有度量体系
如果能   → 你已经具备了向上汇报的能力

第三个问题在2026年的职场里权重飙升。当老板问"AI到底给你们省了什么"，答"感觉快了不少"的人和答"本月节省120人时、成本$1,400、成功率92%"的人，是两种职业命运。度量能力就是汇报能力，汇报能力就是资源分配能力。

---

三个误区：自测最常见的翻车点

误区1：拿最好的一次当常态。 有人专挑自己表现最好的场景打分——"那次我确实写了循环！"但那是一次性的。我的建议：按最近两周的默认行为打分，不按巅峰时刻。自测是体检，不是选美。

误区2：把工具拥有当能力拥有。 装了Claude Code、配了MCP、买了订阅，不代表到了Level 3。判断标准永远是行为：你的工作流真的无人值守跑过吗？没有就还是A。工具是球鞋，能力是腿。

误区3：跳级幻想。 看完Level 4的画像热血沸腾，直接去搭多Agent编排——结果每个Agent都是Level 1的行为模式，系统放大了混乱。升级只能一级一级来，第4节说过：高层放大的是低层的水平，无论好坏。

踩坑提示：我见过最可惜的一种情况，是有人测出Level 1后觉得丢人，干脆不改了。大可不必——84%的人都在Level 1，这不丢人，这是机会。你和84%的人拉开差距所需的全部动作，就是接下来那三张行动表。

---

小结

核心公式：

AI工程师 = 可验证目标 + 确定性验证 + 异步运行 + 系统思维

这四个要素，就是本课程要帮你逐个点亮的技能树。第1章到这里就收官了——我们看清了趋势（第1-2节）、重构的本质（第3节）、四层地图（第4节）、信任缺口（第5节）、钱的流向（第6节），也照见了自己（本节）。接下来，该谈怎么值钱了。

最后多说一句：把你的自测分数和最薄弱的那一题发在评论区，我会长期回来看。三个月后再测一次，你多半会惊讶于自己爬坡的速度——前提是，你真的开始动手。

---

下节预告

第1章是引爆区，第2章是变现区。第2章第1节直接上硬数据：Agent工程师岗位暴增789%、平均月薪63160元——脉脉高聘报告深读，我会把供需失衡的结构性原因、招聘方真正在JD里写的要求、以及"需供比2.x"对你意味着什么，一次讲透。你的下一份薪资，就藏在这些数字里。

---

如果觉得本文对你有帮助，欢迎点赞、收藏、关注三连！
本系列持续更新中，120篇循环工程实战通关，关注不迷路~