开源AI能力评估工具：如何用本地日志量化团队AI水平

编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）

这是一个开源的AI能力评估Skill，通过扫描本地Claude Code等Agent的真实对话日志，生成LV0-LV5等级报告及16型人物志。原文未给商业数字（免费开源），但提供了清晰的冷启动路径：安装后运行脚本即可生成HTML报告。对搞钱意味着：这不仅是工具，更是“AI咨询/培训”的切入点。最大坑是隐私合规与用户接受度，需强调本地运行、不上传。适合技术型自由职业者做差异化服务，或企业内训师作为评估手段。下一步：克隆仓库，在自己电脑跑通Demo，验证报告可读性。

克隆GitHub仓库，本地跑通Demo验证可行性
将该工具作为“AI效能审计”服务切入企业市场
利用16型人物志发现团队盲点，制定培训方案
强调本地隐私安全，消除企业对数据外泄的顾虑

一、这是什么机会

这是一个开源的AI能力审计工具，名为「AI 幾級了？（ai-level-check）」。它通过扫描本地计算机中Claude Code、Codex等AI Agent的历史对话日志，生成包含LV0-LV5等级和16型使用风格人物的HTML报告。目标用户是希望量化团队AI效能的企业主，以及需要验证自身AI工作流的自由职业者。商业模式目前为免费开源，但可延伸为“AI效能审计”咨询服务或企业内训入口。

二、独立判断

值得尝试，但需谨慎定位。原文事实：该工具解决的是“AI使用行为难以量化”的真实痛点，且完全本地运行，规避了核心隐私顾虑。编辑推断：单纯卖工具本身难收费，真正的机会在于“诊断+处方”——即基于报告结果提供个性化培训或工作流优化服务。关键在于，企业客户是否愿意让AI分析员工的底层操作习惯，这取决于信任建立成本。

三、冷启动路径

第一步验证动作：克隆GitHub仓库（git clone https://github.com/Raymondhou0917/ai-level-check.git），在本地环境跑通Python脚本（python3 ~/ai-level-check/scripts/collect.py --days 14），生成一份个人报告。成本量级：接近零，主要耗时在安装依赖和阅读文档。周期：1-2天内可完成从安装到理解报告结构的闭环。若报告内容符合预期，再寻找一家小规模技术团队作为首个免费试点客户。

四、最大风险与避坑

最大风险是隐私合规与员工抵触。虽然工具承诺本地运行、自动脱敏（遮盖邮箱、密钥等），但“扫描同事电脑日志”在企业管理上极具侵入性。避坑策略：严格遵循“自願制”原则，不强制全员部署，报告仅由本人决定是否分享；明确告知企业客户，该工具不可用于绩效考核或排名，仅用于识别团队共性的盲点（如普遍缺乏验证习惯）。

五、案例复盘（别人怎么做的）

产品定义：由雷蒙与陈敬儒在餐饮场景中共创。陈敬儒先做了需手动粘贴对话的检核Prompt，雷蒙将其优化为自动扫描本地硬盘记录的Skill，降低使用摩擦。
核心逻辑：摒弃问卷和口头汇报（自評偏差大），主张“一个人的AI能力藏在每天的对话记录里”，只有AI能完整读取并客观评估，不受情绪和记忆影响。
分级标准：设定LV0-LV5六级。LV0为直接采纳AI答案不验证；LV4要求有固定模板或Skill实作证据；LV5要求系统级自动化运作。无记录则标“无法定级”，避免误判。
风格画像：引入16型人物志，通过交辦（P/Q）、查核（V/A）、沉澱（S/O）、動手（E/C）四轴定位。例如“PVSE系统架构师”代表先规划后执行，“QVOE直觉实验家”代表边试边改。
隐私设计：仅用Python标准库，不联网；自动脱敏敏感信息；不提供总分或百分位排名，避免引发焦虑和竞争，只给出具体改进建议。
面试应用：要求候选人在自己的电脑上安装并运行工具，分享报告作为面试话题起点。通过追问报告中的具体案例（如“你当时怎么交代的？”），辨别是真实使用还是面试前突击背诵。