AI自主度（AI Autonomy）。
很多团队都会说：
但当你认真去追问：
这个自主度到底是什么意思？
很多时候，并没有统一定义。
于是我尝试借鉴自动驾驶领域，构建一个简单的 AI 自主度模型，希望能够帮助大家更好地理解 AI Agent 的发展阶段。
为什么借鉴自动驾驶？
自动驾驶已经发展了很多年。
行业里有一个比较成熟的分级体系：
这个模型其实和 AI 的演进非常相似。
因为两者解决的是同一个问题：
人和机器，谁负责决策？谁负责执行？
AI自主度 L1-L4
L1：AI辅助（Assist）
L1阶段最容易理解。
AI更像一个高级助手。
它能够提供建议、补充信息、生成内容，但最终执行仍然依赖于人。
典型场景包括：
在这个阶段：
AI负责建议，人负责执行。
即使AI给出了答案，最终是否采用、如何执行、是否承担结果，仍然由人来决定。
实际上，大部分企业当前仍然停留在这一阶段。
很多团队认为自己已经完成了AI转型，但本质上只是把搜索引擎替换成了大模型。
L2：AI执行（Execute）
进入L2之后，AI开始真正承担工作。
人的角色从执行者变成决策者。
AI则开始承担大量具体任务。
例如：
此时：
人负责决定做什么，AI负责完成任务。
这与当前主流的AI Coding工具非常相似。
例如 Cursor、Claude Code、Windsurf 等产品。
L2像什么？
如果借鉴自动驾驶。
L2最像当前主流的辅助驾驶系统。
车辆已经可以自动跟车、自动转向。
但驾驶员仍然必须全程保持关注。
同样：
AI已经可以完成大量编码工作。
但工程师仍然需要Review、验收和承担最终责任。
所以：
AI在执行，但责任仍然属于人。
L3：AI代理（Agent）
我认为未来三年最重要的阶段，就是L3。
在这个阶段，人不再告诉AI应该如何执行。
而是告诉AI最终目标。
例如：
AI会自主完成：
整个过程尽量不依赖人工介入。
L3最重要的特征
很多人认为：
L3意味着AI不会犯错。
但我认为并不是。
真正的L3是：
AI知道什么时候该求助。
这和自动驾驶非常相似。
汽车可以在高速公路上自主驾驶。
但当遇到复杂路况时，会主动请求驾驶员接管。
未来的AI Agent也会如此。
当发现业务规则冲突、结果无法验证、风险超出预设范围时，会主动把决策权交还给人。
因此：
L3的本质不是不会出错，而是知道什么时候应该请求人工介入。
L4：AI自治（Autonomous）
到了L4阶段。
人甚至不需要告诉AI如何完成任务。
只需要告诉AI最终结果。
例如：
AI会自主完成：
人只需要关注结果。
L4意味着什么？
如果说L3是AI代理。
那么L4更接近数字员工。
它能够长期运行。
能够自主决策。
能够持续优化。
目前整个行业还处于探索阶段。
真正成熟的L4系统仍然非常少见。
AI时代，人负责什么？
很多人担心：
AI会不会替代研发？
我越来越觉得：
未来研发不会消失。
但职责会发生变化。
过去：
人负责执行。
未来：
人负责决策。
过去：
写代码、写脚本、跑测试。
未来：
定义目标、制定策略、做关键判断。
执行工作会越来越多地交给AI。
而人的价值会越来越集中在：
判断、决策和责任承担。
写在最后
很多团队认为：
AI Coding 就是 AI 转型。
但我认为：
AI Coding只是从 L1 迈向 L2。
未来真正的竞争，会发生在：
L3 Agent。
以及：
L4 Autonomous。
谁能构建高自主度Agent。
谁能让人专注于决策。
谁就能获得下一阶段的研发效率优势。
而这，也正是我最近持续思考和实践的方向。
阿臻说
AI时代研发负责人的思考与实践
