AI Agent能力分级：用自动驾驶L1-L5看懂AI替你干活的边界

自动驾驶用L0到L5描述了机器从辅助到全自动的能力光谱，如今这套分级框架被借用来理解AI Agent的进化阶段。一位B站UP主提出用「AIL1到AIL5」重新审视当下的AI编程工具与研究能力，把从Copilot补全到多Agent协作的技术路线，统一装进一个可对照的框架里。这种类比不只是概念游戏，它清晰地回答了一个现实问题：AI现在到底能替你干多少活，又在哪些环节仍然离不开人。

从Copilot到多Agent：技术路线需要一个统一坐标系

过去几年AI编程工具层出不穷——2021年GitHub Copilot的自动补全、后来Claude Code与OpenCode等Agent的登场、再到近几个月的多Agent动态工作流（Dynamic Workflow）以及Codex的并发模式。这些看似各自独立的技术方案，其实可以被放进同一条能力曲线上比较。

UP主的核心观点是：借用自动驾驶的L0-L5分级，能够把这些技术「廊阔起来」，看清每种技术究竟在哪个能力级别里起关键作用。这套框架的价值在于，它不纠缠于模型原理，而是从「AI能自主到什么程度、人需要介入多少」这个使用视角切入，更贴近开发者的日常体验。

AIL1到AIL2：从精确补全到自由对话

AIL1对应自动驾驶里的「辅助」级别，典型代表就是Copilot式的代码补全。它的特点是必须由人提供精确的上下文——你写好for循环的开头、给出明确的函数名和变量名，它才能补全相关片段。这类能力在十几年、二十几年前就已初具雏形。

AIL2以2023年ChatGPT走红为标志。人给出简短的提示词，AI就能回答相关内容，甚至解答你不熟悉领域的通识性问题。刚出现时准确度有限，但后来幻觉率越来越低。当下主流的网页版AI聊天、电商客服机器人都停留在这一级别——它们的回答路径相对固定，是一问一答的模式，也不会主动去探索上下文。

AIL3：Agent Coding的自主探索与它的天花板

2025年被UP主视为Agent元年，OpenCode、Claude Code、Codex等项目相继落地，AIL3由此成型。与前一级最大的区别在于自主性明显增强：给定一个方向后，Agent能自己探索路径、调用已有工具，遇到工具缺失或修改出错时会主动调整策略，直到抵达目标。这就是从「vibe coding」到「agent coding」的跨越——人给方向，中间的执行路径交给Agent。

据这位UP主的实践观察，在人把任务边界（哪些能做、哪些不能做）和目标都描述清楚的前提下，用当前公开可用的最好模型，这类任务的成功率已经达到70%到80%以上，远不止50%。多Agent运行、动态工作流等手段的意义，正是让Agent能探索更多路径，从而更快更准地逼近目标。

但AIL3有一个关键局限。当只给一个大目标时，Agent在拆解子任务时会倾向于选择训练数据中最常见、最成熟的技术方案。对工程任务而言这是优点——稳妥可靠；但对研究性、探索性任务，这反而拉低了创新性，因为它走的永远是「最多人走过的那条路」，也就是最平庸的方案。

这引出了一个反直觉的结论：拥有AI，并不等于拥有AI的能力。普通用户只提一个宽泛的问题，得到的是AI在「均质状态」下的常规输出；只有领域专家能给出更有针对性的子方向和子目标，才能把AI的潜力真正释放出来，产出比别人更好的结果。所以在L3阶段，AI始终是「协作者」而非「leader」，方案由谁来提、由谁来定，仍然掌握在人手里。

「Vibe coding」是由OpenAI联合创始人Andrej Karpathy在2025年初提出的概念，指用户以自然语言描述意图、不关心底层代码实现细节，完全凭感觉（vibe）驱动AI生成代码的工作方式。它与「Agent coding」的关键区别在于执行主体的自主程度：vibe coding中用户仍需逐步确认AI的输出并提供下一步指令，本质上是增强版的问答；而agent coding中AI能自主制定执行计划、调用工具链、验证中间结果并循环修正，整个过程人只需在起点给出目标、在终点做验收。动态工作流（Dynamic Workflow）进一步扩展了这种自主性——与预先固定步骤的静态流程不同，Agent能在运行时根据当前状态动态决定下一步调用哪个子Agent或工具，使整体任务路径可以随上下文变化而实时调整，从而在搜索空间更大的任务上取得更高成功率。

AIL4：AI给出的方案比人更好

AIL4与L3的分水岭，在于方案的主导权发生了转移——AI给出的方案比人类能想到的所有方案都要好。最典型的例子是AI4Math领域的新闻：AI在一些千禧年级别的难题上取得推进，甚至写出人类都难以理解、难以自行完成的证明。这时AI的优势才真正凸显。

但AIL4目前只在少数领域、少数任务上实现，且门槛极高。它需要大量Agent并发运行，需要结果能被AI自我验证证明，从而形成完整的「探索—验证」闭环，前置约束众多，使用成本高昂。

更深层的矛盾在于：AI的生成速度已经远远超过人类的理解速度。L4产出的新方案，人类要转化成可传播的知识需要花费大量时间去梳理理解；有些内容甚至只有同样达到L4的AI才能接着使用，对人来说处于「不可用」状态。UP主提到，数学界近期已有声音呼吁放缓AI解题的步伐，理由是数学的更多价值在于产生人也能理解的知识，而非堆积人类难以消化的成果。

AI4Math（AI for Mathematics）是近年学术界与工业界共同关注的前沿方向，目标是让AI系统能够自主进行数学推理、猜想生成与定理证明。2024年前后，DeepMind的AlphaProof与AlphaGeometry系统在国际数学奥林匹克（IMO）级别的题目上取得显著进展；与此同时，也有研究团队宣称在部分希尔伯特问题（20世纪初由数学家希尔伯特提出的23个经典难题，其中多个至今未解）相关子问题上获得AI辅助推进。这类系统通常依赖「形式化证明验证器」（如Lean、Coq）作为自我验证的闭环工具——AI生成的证明步骤必须通过严格的形式化检验才算成立，这为AI4Math构建起可靠的「探索—验证」回路，也正是AIL4能在数学领域率先显现的结构性原因：结果的正确性可被机器自动判定，不依赖人类的主观评估。

AIL5与自进化：理想中的完全无人化

AIL5是这套分级的理想终点——整个系统的解决与维护完全剔除人的参与。与之相关的是当下颇火的「自进化」方向：AI能自主迭代自身，V1版本模型开发出V2，V2再开发V3，自己定位问题、修补问题。不过UP主坦言，目前还没有看到具有明显冲击性的相关事件或报道。

值得强调的是，从AIL1到AIL5的每一次跃迁，中间都会冒出新的问题，需要新的技术手段去解决。这不是一条平滑的直线。

分级背后的就业冲击：新手最先受影响

这套框架最现实的价值，是帮我们看清AI对不同人群的差异化冲击。

• AIL3阶段（当下）：主要冲击刚入行的新手。对在某行业深耕十几二十年、有深厚知识储备的专家而言，L3只是「加速器」而非「替代者」。
• AIL2能力：新手日常能解决的任务大多停留在这里，而L2的成功率已经很高，这正是新手处境不友好的原因。
• AIL4普及后：如果AI给的方案能超过大部分专家，某个领域的研究者数量将大幅减少。
• AIL5全面实现后：那个领域就可以「不存在了」，完全不需要人参与。

UP主的结论略带感慨：日常大家能达到的一般是L3级别，而如果L4真的到来，「那个方向感觉基本上就完蛋了」。对想要入行某个领域的新手来说，当下的AI能力已经足够不友好；而提升自己驾驭L3的能力，或许是现阶段最务实的应对方式。

这种梯度冲击与劳动经济学中的「任务替代」框架高度吻合：技术替代的并非整个职业，而是职业中可被分解、可被标准化描述的具体任务。新手工程师或初级研究人员的工作内容，往往集中于执行明确规范的子任务——代码补全、文献检索、格式转换、常见错误排查——这些恰好是AIL2与AIL3已能高可靠完成的部分。而高级专家的核心价值在于问题定义、方案取舍与跨领域判断，这些能力目前仍需要大量隐性知识与领域经验支撑，短期内难以被当前AI替代。因此「提升自己驾驭L3的能力」在实践层面意味着：将自身工作重心从可被AI执行的标准化任务迁移至任务分解、方向判断与结果评估，也就是持续向「给AI提出好的子方向」这个角色靠拢。

结语

用自动驾驶的L1-L5来理解AI Agent，最大的启发不是「AI有多强」，而是让我们看清人机协作的边界正在哪一层移动。当前主流停留在L3——人给方向、AI执行，AI是强力的协作者但仍非决策者。真正的转折点在L4：一旦AI的方案系统性超越人类，整个领域的知识生产逻辑都会被改写。在那一天到来之前，能否给AI提出好的子方向，仍是拉开人与人差距的关键。