▐  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）。

▐  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<8, D3<4, D4<4, D5<4（总分约 8-16 分）

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<8, D5≥4（总分约 32-44 分）

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（<30%）拒绝执行

• 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<8（总分约 50-64 分）

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标已达成，具备自我演进和知识遗传能力。

ML5 ┃ 持续优化级 │ Self-Evolving          │ 进化可遗传，组织级持续创新    ┃ Optimizing │                       │ AI Native 成为组织级资产━━━━╋━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━━━━━ML4 ┃ 已量化级   │ Measured & Controlled │ 数据驱动，自进化受控运行    ┃ Quant.Mgd  │                       │ Critic 审查━━━━╋━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━━━━━ML3 ┃ 已定义级   │ Proactive             │ 契约式协作，置信度路由    ┃ Defined    │                       │ 组织级标准流程形成━━━━╋━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━━━━━ML2 ┃ 已管理级   │ Managed               │ Skill 封装 + 基础门禁    ┃ Managed    │                       │ AI 行为可预测可复制━━━━╋━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━━━━━ML1 ┃ 已感知级   │ Aware                 │ 上下文就位，AI 认识项目    ┃ Aware      │                       │ 仓库即真相源━━━━┛           │                       │

┌─────────────────────────────────────────────────────────┐│                    外层循环：框架沉淀                      ││  挽单实践 → 模式提炼 → 通用化 → AINMM 定义 → 反哺挽单    │└─────────────────────────────────────────────────────────┘                            ↑↓┌─────────────────────────────────────────────────────────┐│                    内层循环：工程演进                      ││  评估现状 → 识别短板 → 定向改造 → 验证效果 → 再评估      │└─────────────────────────────────────────────────────────┘

需求输入 → 自动 Spec 生成 → 自动开发 → 自动部署     → 自动验证 → 自动回归 → 自动上线 → 自动运维     → 线上问题自动收集 → 自动优化 → 需求再输入