能力成熟度：技术栈层级 × 人员等级对照
本站的能力层级（L0 → L7）与部门的 AI Coding 人员定级（L0 → L5，含 L2+）是两条正交的线：
| 维度 | 本站能力层级（L0 → L7） | 部门人员定级（L0 → L5） |
|---|---|---|
| 回答的问题 | 团队的技术体系建到了哪一层 | 每个人的使用能力到了哪一级 |
| 评级对象 | 工具栈与工程方法（Prompt → Skill → MCP → CLI → Pipeline → Agent） | 人（行为指标 + 入级规则 + 交付影响） |
| 变化驱动 | 包发版、新工具引入、协议落地 | 摸底问卷、组长快聊、季度复评 |
| 典型用途 | 技术路线图、文档组织、能力规划 | 人员盘点、培养计划、团队健康度 |
结论：不合并，做对照。 一个人可以"使用 L4 的 CLI 工具"但人员定级是 L2——因为定级看的是行为熟练度与沉淀，不是用过哪层工具。把两套等级强行合一，要么把技术栈砍浅，要么把考核做粗。
一、演进链对照
部门模型引用信通院演进链：LLM 对话 → Prompt → Context → MCP → Skills → Harness → Agent。 本站能力链：氛围编程 → 提示词工程 → Skill → MCP → CLI → Pipeline → Multi-Agent → 自演化。
| 信通院链 | 本站层级 | 对齐说明 |
|---|---|---|
| LLM 对话 | L0 氛围编程 | 未形成方法的自由对话 |
| Prompt | L1 提示词工程 | 结构化提示词 + 规范注入 |
| Context | L1/L2 的上下文注入 | 本站将上下文压缩并入提示词工程页（standards 懒加载即 Context 策略） |
| Skills | L2 Skill | 本站 Skills 先行的原因：14 条规范天然是 Markdown，Skill 是成本最低的沉淀形态 |
| MCP | L3 MCP | 需要 MCP Server 工程投入，故列于 Skill 之后 |
| Harness | L4 CLI + L5 Pipeline + 五包本身 | Harness = 工程化管控框架，wl-skills 五包即是其落地物 |
| Agent | L5 Pipeline / L6 Multi-Agent / L7 自演化 | 端到端自治 → 多智能体 → 自演化 |
关于 Skill 与 MCP 的先后：信通院把 MCP 放在 Skills 之前，是从"工具调用能力"的通用演进出发——先会用工具，再封装技能。本站把 Skills 放在前面，是因为团队规范文档本身就是现成的 Skill 素材，落地成本远低于开发 MCP 服务。两条链殊途同归：Skills 与 MCP 最终都要有，先后取决于团队的基础设施。
二、对照矩阵：部门等级 × 站点层级 × 工程兜底
| 部门等级 | 定位 | 典型使用的站点层级 | 晋级推荐阅读 | 五包提供的工程兜底 |
|---|---|---|---|---|
| L0 初探 | 未成习惯 | L0 氛围编程 | 前端快速上手 · L0 氛围编程 | — |
| L1 基础辅助 | 习惯养成 | L0 ~ L1 | L1 提示词工程（结构化 Prompt 三要素） | 快速上手 11 篇规范 即现成的 Context 注入素材 |
| L2 技术辅助 | Prompt + Context 成熟 | L1（深化） | L1 提示词工程 → L2 Skill | copilot-instructions.md + standards 懒加载 = 团队级 Context 策略，直接复用 |
| L2+ 沉淀输出 | MCP / Skills 初探，开始沉淀 | L2 Skill 使用 · L3 MCP 尝试 | L2 Skill · L3 MCP | 个人沉淀可走 kit template-extract 沉淀为团队模板（confirmWrite 门禁保证质量） |
| L3 场景增强 | 全链路熟练 + 带人 | L2 ~ L4 组合应用 | L4 CLI · Skill 流水线 | convention-audit / test audit 的审计报告 = 全链路自测的客观证据 |
| L4 自主引领 | Harness 工程，制定团队规范 | L4 ~ L5 的建设者 | L5 Pipeline · 五包宣贯 | wl-skills 五包本身就是"团队级规范 + 质量兜底"的落地物：14+30+11+9 条规范即开即用 |
| L5 全面自治 | 端到端自治，自研平台 | L5 ~ L7 | L6 Multi-Agent · L7 自演化 | L7 自演化体系即部门 L5 的终态：审计报告反哺规范、模板自动沉淀 |
三、负向行为 → 工程兜底映射（两模型最强的融合点）
部门模型为每个等级定义了负向行为，并配套降级机制。负向行为靠自觉约束不如靠门禁拦截——五包恰好逐条兜住：
| 部门负向行为 | 所属等级 | 五包的工程化兜底 |
|---|---|---|
| 生成代码不经人工审查直接使用，导致逻辑漏洞或安全隐患 | L2 | kit validate CI 卡门 + K1~K19 扫描；test gate（审计 + DI + 覆盖率任一失败阻断合并） |
| Skills 沉淀未验证产出质量即投入使用，交付件参差不齐 | L2+ | kit template 命令 confirmWrite 写入门禁 + wls_template_validate/audit；bd 包规则自检（catalog rules 防幽灵规则） |
| 过度依赖 AI 输出，不校验幻觉内容，引入安全漏洞 | L3 | test run-api 四层断言 + 负例 + 契约漂移检测（幻觉以"契约与实际不一致"形式暴露）；ui scanner R 系规则拦截不合规写法 |
| 团队级规范未包含质量兜底机制，规范流于形式 | L4 | 五包即反面答案：规范 = 规则 = 门禁三层一体（如布局容器规范同步落地为 lint 阻断），规范发布即带机器执行 |
对个人的意义：用好五包，负向行为就被机器拦住了——定级里的"负向行为"不是靠记处分避免，而是靠流程结构避免。 对管理者的意义：部门 L4 等级要求"团队级规范包含质量兜底机制"，不必从零自研——本站文档 + 五包即为现成答案，L4 的行为指标可基于五包二次定制达成。
四、评估数据与五包产出物的衔接
部门定级的客观数据交叉验证（GitLab / DevOps / AI 工具后台）之外，五包的命令产出本身就是现成的评估证据：
| 定级参考项 | 五包数据源 |
|---|---|
| 测试覆盖率趋势 | test run-api / run-playwright 报告 + history.jsonl 历史趋势 |
| 静态检查问题数趋势 | bd validate --format sarif（可按季度对比）· kit validate 报告 |
| AI 代码质量 | bd review run（新增/历史/豁免问题分类，fingerprint 稳定） |
| 规范遵守度 | kit convention-audit 双报告（AUDIT_AI + AUDIT_HUMAN） |
| 沉淀资产数 | kit templates/domains 模板数 · design templates/examples 抬高记录 |
| 团队健康度"沉淀资产"指标 | 各包 reports/ 目录 + 知识库投稿（宣贯文档即沉淀样例） |
五、使用建议
- 团队管理视角：用部门模型做人员盘点与培养计划；用本站层级向团队解释"下一步该学什么、学完能用上什么"。
- 个人成长视角：对照矩阵找到自己所在的行，按"晋级推荐阅读"列推进；每上一级，右侧"工程兜底"列就是你可以直接复用的武器，不必重复造轮子。
- 定级争议视角：等级分歧时回到两条正交的线分别看——"他会不会用这套体系"（本站层级）与"他用得是否熟练、有无沉淀"（部门定级），多数争议会自然消解。
- 考核细则（入级规则、负向降级、评估周期、指标解读指南）以部门发文为准，本页只做技术对照，不替代考核制度。