空手道有色帶與段位。從白帶到黑帶，每一條腰帶代表的不是學了多久，而是對力量、節奏與控制感的掌握。如果 AI 使用也有段位，我覺得分水嶺不在於你用哪個模型，而在於你有沒有從問答案，走到設計一套能穩定產出結果的系統。對創業者或做產品的人來說，AI 不是多一個聊天視窗，而是一種新的生產力架構。
我看到的 6 種 AI 使用層次
- 第一階段：把 AI 當維基百科。大約 90% 的人還在這裡，把 AI 當聊天機器人問問題，然後自己複製貼上、整理格式、補上下文。模型單獨能做的事其實不多，就像一個聰明但沒有手腳的大腦。
- 第二階段：把 AI 當工具。大約 5% 的人進到這裡，開始讓 AI 讀專案、建檔案、寫程式碼，例如使用 Claude Code 或 Codex 這類工具。但如果只停在這一步，仍然受限於工具預設功能，開發者還是要像保母一樣盯著。
- 第三階段：讓 AI 生產工具。大約 3% 的人會開始讓 AI 寫專屬 MCP 或技能，讓它按照固定流程精準完成任務。這是奪回控制權的第一步，因為我不再只是使用工具，而是讓 AI 幫我打造工具。
- 第四階段：打造 AI Agent。大約 1.6% 的人開始讓不同 AI 會話分工：一個負責規劃、一個負責實作、一個負責審查。AI 能處理的問題範圍變廣，但人仍然要協調不同會話與檔案傳遞。
- 第五階段：進入 Harness Engineering。大約 0.3% 的人在這裡，開始打造包覆在模型外面的 AI 框架層，定義全域規則、技能工作流、MCP 伺服器、攔截驗證，以及多個 Sub-Agent 與平行 Agent 的協作。
- 第六階段：進入 Loop Engineering。大約 0.1% 的人在這裡，這階段我也還在學。核心是自動化迴圈與大規模編排，讓系統自動拆解任務、叫出企劃 AI 寫藍圖、交給實作 AI 迭代，直到需求被滿足才停止。
關鍵不是工具，而是控制權
前兩個階段，本質上還是人在配合 AI。人要整理上下文、盯著流程、修正錯誤、把 AI 的輸出搬來搬去。真正的轉折點，是從第三階段開始：我不再只問 AI 問題，也不只是使用別人做好的 AI 工具，而是開始把自己的流程、規則與判斷，變成 AI 可以重複執行的能力。
對創業者與產品人的啟發
做產品最怕的不是沒有工具，而是每次都靠人肉補洞。AI 也是一樣。當 AI 犯低級錯誤時，如果只是抱怨模型笨，下一次還是會重來；但如果把正確做法寫進全域規則庫，把錯誤變成框架改善的機會，系統就會真的進化。這就是我認為 AI 應用的下一個分水嶺：不是誰比較會 prompt，而是誰能把 AI 從一次性回答，設計成可迭代、可控制、可協作的工作系統。