Steve Yegge 在 The Pragmatic Engineer Podcast 那一集里抛了一个让我没法假装看不见的分级表。他把工程师在 AI 时代的位置分成 8 级——L1 是完全不用 AI，L8 是已经在用编排器跑 agent 跑 agent。读完我合上电脑，对着自己默念了一下："我大概在 L3，偶尔 L4。"
过去半年我一直觉得自己"用 AI 用得很深"——每天 Claude Code 不离手，自己造的 yuewei-digest 项目里 codex 在后台跑各种批处理。但对照 Yegge 这把尺子，我才意识到：我所谓的"用得深"，很多时候还停留在"让 AI 帮我完成单个任务"，而不是"让多个 agent 组成系统"。
但后来一次 158 篇长文的 batch 任务，把我从 L3-L4 硬推到了 L5 边缘——这件事我留到第四节讲。
Yegge 这把尺子真正有意思的不是 8 个层级本身，而是每一级和上一级之间隔着一个具体的心理门槛。下面是我按他的访谈内容整理后的版本，不是逐字翻译——原访谈是口语展开，我按"门槛"这个维度重新组织了一下。
Yegge 估计 70% 的工程师还卡在 L1-L2。我把自己的工作流逐条比对：能让 Claude yolo 改单文件（L3 ✓），偶尔不看 diff 直接 commit（L4 偶尔 ✓），但要我同时启动 3 个 agent 各跑各的活——心理上做不到。
所以我给自己的判决是 L3-L4 之间。比我之前自我感觉的"L5 起步"低了整整一档。
写到这里我才意识到一个比"我几级"更值得追问的问题：我到底是技术上做不到 L5，还是心理上不愿意？
诚实回答的话——心理上居多。我能很快给自己找出三条回避 L5 的理由，而且每条听起来都挺合理：
第一是信任成本。我让 agent 改了一段代码、它没出错，我就放心了；下次它改了一段，我没看，结果出错了——这一次错误带来的"复盘+回滚"工作量，比我审视前 10 次正确的总和还大。心理上记住了那一次崩溃，就再也不愿意完全不看了。这是典型的负面偏好（loss aversion）：人对"避免一次损失"的权重远高于"省下十次时间"。
第二是调试成本。AI 生成的代码经常会自发产生 Yegge 说的"异端"——一些 agent 集体接受的错误架构想法（错的数据流、双数据库并存、奇怪的命名约定）。这些异端删了之后还会自己长回来，因为某处文档残留就让 agent 再造一遍。L5 意味着我容忍这种"地下生长"，而 L4 意味着我能在它发芽时就掐掉。从工程洁癖的角度，L4 是更稳的。
第三是责任归属。这段代码我没写但 commit author 写的是我的名字。如果 6 个月后有 bug 追到这段代码，我需要能解释"我当时为什么这么写"——L4 我至少瞄过一眼能模糊回忆，L5 我可能完全不记得 agent 当时怎么想的。对独立开发者来说，每一行代码都是你的简历，这件事比受雇于公司的人压力大得多。
但我也清楚，这三个理由都是用过去 10 年的工程经验在套今天的 AI。Yegge 在节目里翻出了 Richard Sutton 2019 年那篇著名的 Bitter Lesson 短文，戳穿了这一层：人类老想把领域知识塞进模型，但 AI 研究者反复学到的教训是，更多数据、更大训练中心，效果永远胜过聪明 trick。
Yegge 节目里反复提的那个"最新 Opus"，到这篇博文发的时候已经又迭代到了 Opus 4.7——这就是 Bitter Lesson 在用模型版本号给自己背书。
对我的真正提醒不是"别 review"，而是：不要把今天模型的错误，当成明天工作流设计的永久前提。我现在拒绝 yolo 的那些理由，6 个月后可能就是过期的工程洁癖。
但话又说回来，光说"心理障碍"是廉价的，得有个真正的实验来检验。
上个月我做 yuewei-digest 的 dense extraction batch 时，意外做了一次 L5 实验。
事情起因是这样：我手里有 158 篇长文（深度访谈、长博客、研究博客），要给每一篇跑一遍 dense 提取——把全文压成一个 15 字段的结构化 JSON，包括核心论点、可迁移框架、命名实体、概念词典、引用金句等。每篇用 codex CLI 跑大约 2-5 分钟。
按 L4 的我的习惯，我会一篇一篇跑，每篇跑完盯着输出看一眼"好不好"。158 篇 × 2 分钟盯一次 = 5 小时。基本不可能。
所以我强行让自己跨进了 L5：写了一个分批脚本，每批 20 篇，启动后丢到后台，不看任何中间结果，只关心最后的"成功/失败计数"。8 批跑了 7.6 小时（中间睡了一觉）。出来一看：151 成功，7 失败，95% 成功率。
但故事真正的转折发生在那 7 篇失败上。
我一开始想着"算了，7 篇而已，弃了"。但其中两篇是 Steve Yegge 的 IDE→AI Agents 访谈（108K 字）和 Dylan Patel 的 AI 算力瓶颈访谈（143K 字），都是顶级内容，弃可惜。我看了下日志，发现失败原因是 codex 输出的 JSON 内嵌了双引号没转义，破坏了 JSON 边界。
这时候 L5 的好处显现出来了：因为我没在中间盯每一篇，我看到的是一个模式而不是一个个例——「内嵌引号 escape」是个普遍的 LLM 输出短板，所有大模型都有。如果我之前一直在 L4 模式下逐篇审，我会以为这是某篇文章特殊；只有从 L5 抽离出来看 7 篇失败放在一起，我才意识到要装一个 json_repair 库做 fallback。
加了 fallback 之后重跑那 7 篇——5 篇救回，1 篇真超时（>10 分钟）放弃，1 篇本来就低价值不用救。最终覆盖率 157/158 = 99.4%。
这次实验之后，我对 L5 的理解变了：
L5 不是"放任不管"，而是"把审查粒度从单篇上移到批次"。
你的注意力依然在，只是从"这一篇对不对"变成了"这一批出了什么模式"。前者很容易陷进细节，后者逼我看系统性问题。这是这个等级表对我最大的启示——AI 分级不是装工具、不是信任工具，而是管理粒度本身在变。
往回看 L1-L4，每一级都是在"做一件事的过程中"使用 AI；而 L5 之后，人开始转去做"批次决策"和"模式发现"——这其实是更需要工程师判断力的活，不是更少。
写到这里我意识到自己上调了一档。我现在大概在 L4-L5 之间——还没敢真正长期把多个 agent 同时跑起来（L6），但已经开始尝试在 batch 层面放手而不是逐篇审查。yuewei-digest 这种"自己造的工具自己用"，本身就是逼自己往上跨的好场景：你写代码时只能 L4，但你跑自己写的 pipeline 时必须 L5，因为你没有那么多时间盯所有中间步骤。
但要从 L5 跨到 L6——同时跑 3 个 agent 各做不同的事，并且我"无聊到只是偶尔切换 tab 看看进度"——我还做不到。心理上我会焦虑漏掉一个 agent 已经在做我不希望的事。这一关我估计还得几个月才能跨过去。
如果你也在用 Claude Code、Cursor、Copilot、或者任何 AI 编程工具，欢迎给自己打个分：你估计自己在 L 几？
如果你也卡在 L4 到 L5 的门槛上，让我特别想听的是：你最近一次"差一点点就跨到 L5 但又退回去了"的具体场景是什么？什么让你退了回来？
留言聊聊。
这是第 1 篇。第 2 篇我会聊他抛出的另一个让我没法假装看不见的判断：AI 吸血鬼效应——为什么"100 倍生产力"和"3 小时高效就被掏空"是同一件事的两面，以及组织该如何重新设计 work-life balance。
第 3 篇我会聊他对大公司的死刑判决：为什么未来软件创新会从大厂转移到 2-20 人小团队，以及独立开发者该如何抓住这个窗口。
订阅「悦微日报」或留意 yuewei-digest.pages.dev 就能第一时间看到后续两篇。