芯明学堂·高校AI建设成熟度模型
模型以智能能力进入业务的深度、治理范围和决策闭环为主轴，帮助学校从现状盘点走向分阶段建设。
L1工具使用
个人使用通用AI工具，尚未形成校级知识、账号与治理制度。
L2单点智能体
在问答或材料辅助等单一场景试点，开始建设知识库和测试集。
L3业务智能体
智能体接入业务数据和工具，在授权范围内完成完整任务流程。
L4校级AI治理
统一身份、模型、知识、工具、日志、评测与安全运营规则。
L5决策闭环
数据、智能体和管理决策贯通，运行结果持续反馈业务改进。
使用方法
- 分别对治理、数据、知识、模型、业务、人才和安全七个维度取证。
- 成熟度以“稳定达到的最低共同层级”为主，不取简单平均值。
- 每次只规划下一层所需的制度、数据、平台和人员能力。
- 每学期或重大项目阶段复核一次，保留证据和版本。
芯明学堂·岗位能力五层模型
岗位群岗位工作任务能力知识 / 课程 / 资源
模型从产业侧的岗位群与岗位出发，通过工作任务抽取可观察的能力，再映射到学校侧的知识、课程、项目和资源。每条关系都应记录来源、时间、置信度、审核人和版本。
五层如何落地
- 岗位群：按产业链、业务流程或职业方向定义边界，避免分类过细或互相重叠。
- 岗位：合并同义岗位名，保留岗位级别、地区、行业和样本时间。
- 工作任务：用“动作 + 对象 + 条件 + 结果”描述真实工作，而不是堆技能词。
- 能力：区分知识理解、工具使用、实践操作、问题解决和协作规范，并定义等级。
- 课程资源：映射课程目标、项目、考核点和学习证据，支持教师人工复核。
适用边界与验证
模型为芯明学堂的建设方法表达，不是国家标准、行业认证或通用评价排名。具体项目需结合学校定位、区域产业、专业基础、数据质量和主管部门要求调整。
建议以抽样复核、企业访谈、专业委员会评审、课程证据检查和学生发展结果进行交叉验证，不能仅依赖算法得分。