这三年观察下来，用AI的水平确实能分出层次。我结合自己的落地经验，把等级大致概括为：L1-L3是基础调用者，只会用现成提示词或简单对话；L4-L6是进阶玩家，懂得调参、写复杂CoT（思维链）或使用RAG（检索增强生成）；L7以上才是真正的深度使用者，能自主设计微调策略、构建Agent（智能体）工作流，甚至优化模型部署。

个人经验里，最典型的分水岭在L4到L5之间。很多人停留在‘会写提示词’的阶段，却忽略了实际工程中的token成本控制和延迟优化。比如，用CoT固然能提升推理质量，但若不加约束，输出长度翻倍，API成本直接飙升。我见过一个团队在客服场景里，因为没做输出长度限制，月账单多了30%。

这里抛两个问题：第一，你身边有多少人真正掌握了模型微调而非仅用Prompt（提示词）？第二，在延迟敏感的应用里，你们如何权衡模型大小和推理质量？

从行业看，这分级暴露了一个痛点：工具普及快，但深度技能跟不上。未来，能融合工程优化（如量化、蒸馏）和业务理解的人，才会成为稀缺资源。AI不会淘汰人，但会淘汰只会‘复制粘贴’的人。