本文提出 AI Native 能力成熟度模型(AINMM),为软件工程组织提供AI原生研发能力的评估与提升框架。AINMM 借鉴 CMMI 思想,定义了五个成熟度等级(ML1-ML5):从 ML1 “AI 认识项目”到 ML5 “组织级自进化”,围绕五大过程域(上下文工程、能力封装、验证回路、协作契约、自进化)构建。模型针对存量工程转型痛点,提供可测量、可比较、可指导的渐进式路径,避免“big bang”式重构。配套 AI Native Evolution Kit 工具支持自动化评估与演进。通过挽单系统实践验证,该框架能准确定位团队 AI 能力短板,指导从“AI 辅助”向“全链路 AI 驱动”的系统性转型,助力实现十倍级效率跃迁。AINMM 不是银弹,而是随实践持续进化的工程指南。
前言
声明:1、本文内容由作者和AI协作完成,大致分工:我负责整体框架构思(从背景→思想→定义→路径→评估→案例)、案例实操(踩坑→改造→洞察)、最终修改;AI负责材料收集、CMMI模仿、YY数据制表、制图、文字润色;2、本文(尝试)为完整阐述所提出的五层模型,涉及较多概念,行文略显详尽;如需快速把握核心价值,建议直接阅读第七章(模型的作用与价值)、第八章(具体案例)。
副标题:AI Native Maturity Model (AINMM) — 定义文档 v1.0
本文的写作契机,源于公司在年度战略会上,管理层对全集团提出的 AI Native 战略要求。讲话中,将 AI Native 定义为组织形态升级的核心标准:任何应用、任何任务,都必须拆解到全链路 AI 驱动的流程中;Agent 与 Agent 之间通过标准化的协议和上下文进行交互,而非靠人工开会串联;最终目标是实现10倍级的生产效率跃迁,让产品具备“每天一个版本”的迭代能力。这一要求不仅指向从零开始的 Agentic 原生项目,更关键的是——如何让我们大量随业务发展沉淀下来的存量生产级工程,逐步演进为 AI Native 工程。
在实践层面,我们团队一方面在 Agentic 原生项目中已经积累了较为成熟的 AI Native 经验;另一方面,也切身感受到存量工程转型的复杂性与特殊性。不同于0-1就是Agentic的项目,这些工程往往具有以下特征:工程面向人开发和维护,缺乏面向 AI 的上下文环境与执行约束;生产级稳定性要求高,任何改动都需要经过严格的回归与验证;端分离明显、系统组成复杂,不少项目横跨多个组织、涉及多端(前端、后端、移动端等)交付;需求长期处于持续迭代状态,不能承受"停下来重构"的成本。正因如此,存量工程的 AI Native 转型不能完全照搬新项目的AI Native方式,它需要一套可测量、可比较、可指导的渐进式框架——告诉团队"现在在哪""缺口是什么""下一步该做什么"。
本文提出的 AI Native 能力成熟度模型(AINMM:AI Native Maturity Model),正是基于上述背景,结合 Vibe Coding、Spec 驱动开发以及 Harness Engineering实践和思考后,所形成的一套评估与提升框架。模型中的每一个等级定义、每一条实践路径、每一组度量指标,源于所维护的两个生产级项目在向 AI Native 演进过程中的真实踩坑与阶段性沉淀。
最后需要说明的是:没有一种范式是银弹。AINMM 提供的是一个通用参考框架,而非必须逐字照搬的标准答案。不同团队的业务特点、技术债规模、人员情况各不相同,在实际落地时,需要结合改造 ROI 和团队现状进行裁剪与适配。欢迎大家反馈与实践补充,一起推进存量项目向AI Native转型,我也会持续实践并结合踩坑经验持续打磨这个通用框架,让这个框架在真实的工程土壤中不断进化。
概述 ▐什么是 AI Native 能力成熟度模型
AI Native 能力成熟度模型(AI Native Maturity Model,简称 AINMM)是一套用于评估和指导软件工程组织在 AI 原生研发范式下成熟程度的结构化框架。它借鉴了 CMMI(Capability Maturity Model Integration,能力成熟度模型集成)的核心思想,针对"AI Agent 参与软件研发全生命周期"这一新工程范式,定义了五个成熟度等级(ML1—ML5),以及每个等级需要达成的目标、关键过程域、度量标准和提升路径。模型假设组织已引入 AI 参与研发过程,评估的是"AI 参与的深度和工程化程度",而非"是否引入 AI"。
▐为什么需要 AINMM
当前行业面临一个结构性矛盾:AI 的代码产出能力在快速增长,但团队的端到端交付效率并未同步提升。随着AI的发展越来越快,尽管部分统计数据存在滞后性,但为了体感更量化,我和AI整理了下面几组可供参考的数据进行说明。Sonar 2025 年度报告显示全球新增代码中 42% 由 AI 辅助生成[1],GitClear 2025 年研究指出代码搅动率(代码被频繁修改、删除或重写的程度)近乎翻倍、重复代码增长近四倍,开发者 Review 时间首次超过编写时间[2]。Stack Overflow 2025 开发者调查进一步显示,84% 的开发人员已在使用或计划使用 AI 编码工具,但仅有 29% 表示信任 AI 产出,信任度较上年下滑 11 个百分点[3]。OpenAI 在 2026 年初正式将这个缺口定义为 Harness Gap[4]。
问题在于:大多数组织对自身的 AI 协作能力缺乏客观、可量化的评估手段。团队的状态描述往往是模糊的——"我们在用 AI"、"效率提升了一些"、"AI 替代了 XX% 的工作"——这些说法既无法横向比较,也无法指导改进方向。
AINMM 的目标就是把这些模糊感知变成可测量、可比较、可指导的工程框架,让组织能够:
- 准确定位当前 AI Native 能力所处的成熟度等级
- 明确差距识别当前等级与目标等级之间的关键能力短板
- 规划路径获得从当前等级提升到下一等级的具体改进路线
- 度量进步用客观指标跟踪改进效果
- 横向对标在组织内部不同团队之间建立统一的评估语言
▐适用范围与局限性
适用范围:AINMM 主要面向具备一定规模和复杂度的软件研发组织——典型画像是拥有多人以上研发团队、维护至少一个生产级系统(数百个源文件以上)、使用 CI/CD 流程的团队。技术栈不限(Java、Python、Node、Go 等均适用),部署环境不限(云原生、传统 IDC、混合部署均可)。
已知局限:第一,AINMM 当前版本基于作者实践基础上,结合AI对阿里组织内部和开源社区的提炼,在跨行业(航空航天、医疗设备、嵌入式系统)等领域的适用性尚未知。第二,模型假设已具备基本的版本控制和 CI/CD 基础设施——对于尚未建立这些基础的组织,需先补齐传统工程能力再评估 AI Native 成熟度(即没有设定ML0,保留5级与CMMI形成参照)。第三,五维度评分标准在评分颗粒度上仍有提升空间(详见第六章评估方法),不同评估者之间可能存在一定的主观偏差,这部分可以由具体团队、具体项目在通用框架基础上进行差异化定制。第四,框架评估脚本按照通用习惯和个人喜好进行命名,因此可能存在脚本评分偏差(例如工程真实存在AI上下文文件,但非AGENTS.md格式则同样不计分)。
▐目标读者
本文面向以下角色,不同读者可按需选择阅读路径:
技术 Lead / 架构师——本文的核心读者。关心"怎么系统性地把 AI 融入团队的日常研发流程",建议通读全文,重点关注第三章(五级定义)、第五章(提升路径)和第六章(评估方法)。拿到文章配套的 Evolution Kit 工具后,可以直接用 audit.sh 对你的项目做第一次评估。
具体开发者——关心"AI 协作到底怎么干、有没有可执行的东西",建议先看第三章的 ML1-ML2 定义了解起步标准,然后跳到第五章 5.1-5.2 看具体操作步骤。配套代码库中的 init-workspace.sh 和 evolve.sh 可以帮你快速搭建 AI Native 基础设施。
研发总监(AI YY)——关心"怎么量化团队的 AI 能力、怎么横向比较、投入产出比",建议重点看第一章(为什么需要 AINMM)、第四章(等级总览)和第七章(模型价值)。成熟度等级和雷达图评分可以直接用于组织级的对标和汇报。
AI 基础设施开发者——关心"怎么让自己的 AI 工具/基础设施更好地融入企业研发流程",建议看第二章基本思想,以及第三章中各等级的过程域要求——你的工具/基础设施应该帮助用户向更高等级进阶。
▐配套工具:AI Native Evolution Kit
本文定义了 AINMM 的理论模型,而 AI Native Evolution Kit 是该模型的工程实现——一套开源的命令行工具框架,支持从评估到生成到持续进化的全链路操作。
## 克隆工具框架git clone git@gitlab.alibaba-inc.com:top/ai-native-evolution-kit.git# 审计你的项目(输出五维度评分 + ML 等级)./audit.sh /path/to/your-project --detail# 一键初始化 AI Native 工作空间./init-workspace.sh# 深度分析 + 生成 Harness 五层基础设施./evolve.sh /path/to/your-project --output /path/to/workspace
文章中涉及的所有概念——五大过程域(PA1-PA5)、五个评估维度(D1-D5)、成熟度等级(ML1-ML5)、8 阶段 SOP——目前均与代码库的命名和逻辑保持一致,统一维护。
▐AINMM 与 CMMI 的关系
AINMM 是 借鉴CMMI 思想在 AI Native 研发领域的探索应用[5],为了实现这一目标,尝试定义二者的关系,如下:
关键继承:CMMI 的"逐级递进、每级是下一级基础"原则完整保留——ML1 是 ML2 的基础,ML2 是 ML3 的基础,不存在跳级的捷径。AINMM 与 CMMI 保持相同的五级结构,模型假设组织已引入 AI 参与研发,ML1 作为起始等级评估 AI 协作的初始工程化水平。
基本思想
▐设计哲学
AINMM 的核心设计哲学可以用三句话总结:
第一,Harness 比 Agent 更重要。 模型在快速迭代发展,今天的限制明天可能消除,今天的提示词可能在明天模型升级后更简单。但 Harness是稳定的控制面,不依赖特定模型。AINMM 评估的不是"用了多先进的 AI 模型",而是"为 AI 搭建了多完善的工作环境"。
第二,信任是可以工程化的。 不需要全信 AI 或全不信 AI。通过上下文工程、能力集成封装、验证回路、协作契约和自进化机制,信任可以被分级、被验证、被逐步释放。AINMM 的每个等级本质上都是在回答"这个组织在多大程度上能安心地把工作交给 AI"。
第三,成熟度是渐进式的螺旋上升,尤其在存量生产应用中,不是 big bang 式的跃进。 每一级独立有价值,可持续叠加优化。我们不需要"等条件成熟"再开始,从 AGENTS.md 或者一个wiki开始就是一个有价值的起点。
▐两种表示法
仿照 CMMI 的双表示法设计,AINMM 提供两种互补的评估视角:
阶段式表示法(Staged Representation)——组织整体成熟度等级。将组织的 AI Native 能力整体评定为 ML1—ML5 中的某一级,适用于组织级别的对标、汇报和战略规划。等级判定规则:取最低满足的等级——即所有关键过程域都达标的最高等级。
雷达图式表示法(Radar Representation)——五维度独立评分。对五大过程域(上下文工程 D1、能力封装 D2、验证回路 D3、协作契约 D4、自进化 D5)分别独立评分(每维度 0-20 分,总分 0-100 分),适用于识别具体短板、制定针对性改进方案。一个项目可能 D1 得 16 分但 D3 只有 4 分——雷达图能精确呈现这种不均衡。
两种表示法的关系:阶段式等级由雷达图评分推导。当五个维度的得分都满足某一等级的阈值要求时,该等级才成立。
▐五大过程域
AINMM 将 AI Native 研发能力分解为五大过程域(Process Area,PA),每个过程域对应 Harness 五层架构中的一层:
每个过程域包含:特定目标(Specific Goals,SG)、特定实践(Specific Practices,SP)、通用目标(Generic Goals,GG)和度量指标(Metrics)。
五级成熟度定义
▐ML1:已感知级(Aware)
一句话定义:已认识到 AI 开发的价值,开始建立基础上下文,同样的领域内容不用重复告诉AI,AI 能"认识"项目但尚无可控的执行能力。
典型特征:
- 项目具备 AGENTS.md 或等效的结构化上下文文档,AI Agent 能理解项目的基本结构
- 上下文文档遵循"地图而非手册"原则——控制在 200 行内,索引指路而非面面俱到
- 关键编码规范、架构约定、禁止事项已落入仓库文档,不再纯靠口口相传
- AI 的使用仍然是"辅助模式"——人写需求、AI 补全或生成片段、人全程审查
- 没有形成标准化的 Skill,AI 的行为不可预测和复制
五维度基准分:D1≥8, D2
关键过程域要求:
通用目标:GG1——AI 能"认识"项目,不需要人在对话框中反复补充背景,节省人的时间和交接成本。
度量指标:
判定标准:PA1 的所有特定目标和特定实践已达成,AI 能正确理解项目全貌。
▐ML2:已管理级(Managed)
一句话定义:AI 的执行能力被结构化封装为可复用的 Skill,产出通过自动化门禁验证,AI 从"辅助工具"进化为"可管理的执行者"。
典型特征:
- 高频操作被封装为标准化 Skill(SKILL.md),定义了触发条件、执行步骤、验证标准和已知陷阱
- AI Agent 执行时调用对应 Skill,行为可预测、可复制
- 建立了基础的自动化验证门禁(至少覆盖编译检查和架构约束验证)
- AI 产出不再完全依赖人工 Review,门禁系统承担了一部分质量保障
- 经验开始沉淀到 MEMORY.md 和 known-bad-patterns,但尚未系统化
- AI 能"触达"生产系统——如协议桥、API 网关等基础设施就位
五维度基准分:D1≥12, D2≥8, D3≥8, D4
关键过程域要求:
通用目标:GG2——AI 的核心操作可预测、可复制、可验证。
度量指标:
判定标准:PA1 和 PA2 的所有特定目标已达成,PA3 的基础门禁已就位。
▐ML3:已定义级(Defined)
一句话定义:人机协作边界通过契约式设计明确定义,AI 在约定的范围内可自主执行,组织级标准流程形成。
典型特征:
- 协作契约通过 Design by Contract 原则定义——前置断言、后置断言、不变式
- 置信度路由机制运行——高置信度任务(>90%)自动推进,中置信度(60-90%)标记审查,低置信度(30-60%)暂停等人,极低置信度(
- 8 阶段协作 SOP 标准化运行(目标收敛 → 状态恢复 → 上下文装配 → 任务分块 → 链路设计 → 执行前校准 → 外部验证 → 回写)
- 验证门禁覆盖全链路(编译 → 架构 → 单元测试 → 集成测试 → 端到端验证)
- 知识资产化开始系统化——执行过程中的知识自动沉淀(不依赖人工记忆)
- AI 协作流程在组织层面标准化——不同团队遵循相同的基本框架
五维度基准分:D1≥16, D2≥12, D3≥12, D4≥10, D5
关键过程域要求:
通用目标:GG3——人机协作边界清晰,AI 在约定范围内可自主运行,异常时按协议升级。
度量指标:
判定标准:PA1-PA4 的所有特定目标已达成,PA5 有初步实践但不作为硬性要求。
▐ML4:已量化级(Quantitatively Managed)
一句话定义:AI 协作过程实现数据驱动的量化管理,自进化机制开始运行,关键指标可预测。
典型特征:
- 所有关键指标(Gate 通过率、Review 修改率、AI 自主完成率、举手频率等)持续采集和监控
- 自进化机制从被动积累(Level 1)进化到主动优化(Level 2-3)——定期 Skill 审查 + 离线优化
- 自进化与主运行时严格解耦——运行时产生轨迹,离线进化器分析优化,人工确认后写回
- 量化目标驱动优化——不再是"感觉变好了",而是"Gate 通过率从 70% 提升到 85%"
- 对抗式审查机制运行——AI 审 AI(Critic Agent),加上橡皮图章检测(大 diff + 零 issue = 可能走过场)
- Evolution Kit 等标准化工具在组织内推广使用
五维度基准分:D1≥18, D2≥16, D3≥16, D4≥12, D5≥8(总分约 70-85 分)
关键过程域要求:
通用目标:GG4——AI 协作过程可量化、可预测,进化受控且有数据支撑。
度量指标:
判定标准:PA1-PA5 的所有特定目标已达成,关键指标实现持续量化跟踪。
▐ML5:持续优化级(Optimizing)
一句话定义:AI Native 能力实现组织级持续优化,进化成果可复制到新项目,组织形成自我演进的 AI Native 生态系统。
典型特征:
- 低风险进化自动生效(如 Gotchas 追加、MEMORY.md 精炼),高风险进化经人工确认
- 个体项目的进化成果可复制——例如挽单优化出的 patterns、Skill、阈值、最佳实践能复用给下一个项目
- Evolution Kit 形成"双螺旋"——目前在做的尝试之一,借助个体项目进化反哺通用框架,通用框架升级支撑新项目
- 虚拟 Monorepo 开始运行——AI 的上下文从代码仓库扩展到业务文档、产品文档、设计文档、测试文档、线上运维信息,构建统一的、版本化管理的真相源
- 组织具备"在飞行中换引擎"的能力——新项目通过 Kit 快速搭建 Harness,存量项目渐进式进化
- AI Native 能力成为组织级资产——不依赖个人,人员轮岗不影响 AI 协作能力
五维度基准分:D1≥18, D2≥18, D3≥18, D4≥16, D5≥16(总分约 86-100 分)
关键过程域要求:
通用目标:GG5——组织级 AI Native 能力持续自我优化,形成可复用、可演进的系统。
度量指标:
判定标准:ML4 全部达成 + 跨域能力的所有特定目…