一个 Flow 被完成、一个 SOP 被生成、一次反馈被修正，如果没有被记录成组织资产，用户只会感到“这次帮到了我”，不会感到“这个 agent 变强了”。
Tanka · Agent level thinking
Opening
Agent 等级不是徽章，是企业 AI 产品里的成长语言。
我今天想分享的不是“怎么给 agent 打分”，而是我们在 Tanka 里怎么把已经发生的 AI 使用、工具连接、SOP 沉淀、权限变化和组织反馈，整理成一个能被用户理解的成长体系。
Tanka 已经支持了很多真实能力：Flow、SOP、工具连接、权限、记忆、组织反馈。问题是，这些能力如果散落在产品里，用户很难形成持续价值感知。
所以等级体系的第一步不是设计等级名称，而是重新盘点产品能力：哪些数据能证明 agent 知道更多，哪些动作能证明它会做更多，哪些授权能证明用户更信任它，哪些结果能证明组织真的采用了它。
The problem
我们看到三个关键缺口。
不同人使用 AI 的解锁程度天然不同。高手会不断试探，普通用户只会停留在聊天和问答。组织产品不能把能力发现交给运气。
只有大家用起来，数据才会流动，反馈才会进入系统，规则才会被验证，agent 才会逐渐变成组织自己的工作层。
A distinction
模型决定 intelligence，产品决定 enterprise maturity。
外部工具、内部协作和历史工作共同构成上下文；agent 基于上下文执行工作流原生行动；行动结果沉淀为组织资产；资产再回到上下文里，成为下一次工作的基础。
上下文边界决定 agent 的工作边界。
企业行动需要被产品化，而不只是模型能力。
组织资产让下一次执行更接近组织。
推理、规划、工具调用、长上下文、多模态，这些底层能力大多来自模型本身，也通常由模型厂商结合 AGI 愿景来讲。
它知道多少组织上下文、会做多少工作、被允许做什么、能否把一次工作沉淀为组织资产，这些是产品可以定义、计算和呈现的。
Internalmemo / chat / flow / SOP
LinkedCRM / BI / finance / design
创建 Flow、发起 vote、提醒 owner、调用工具。
memo、SOP、决策记录、规则、memory。
组织
持续学习
持续学习
Framework
企业 agent 成熟度拆成四个维度。
Knowledge知识：它知道什么
组织知识接入程度，以及上下文是否能在新的工作里被复用。
- 数据源、SOP、历史 Flow
- 记忆数量与质量
- 上下文关联度
Capability能力：它会做什么
agent 已经能够稳定完成的具体工作场景，而不是抽象功能点。
- 版本验收进度追踪
- 用户反馈归类整理
- 可解锁能力发现
Authority权限：它被允许做什么
哪些动作已经从 ask me 升级为 always allow，信任边界如何扩大。
- 读取、写入、执行权限
- 自动发送内部提醒
- 低风险动作自动允许
Ownership承担：它沉淀了什么
agent 是否把一次工作变成组织级 SOP、wiki、规则或可复用流程。
- SOP 通过 verify
- 被其他 agent 调用
- 被更多 Flow 使用
Growth loop
等级的作用，是把使用、信任和组织学习连接起来。
用户要先知道 agent 还能做什么、连接哪些工具后能解锁什么能力。能力发现不能交给少数高级用户自己摸索。
Discover → Connect → Unlock每次使用后，完成的 Flow、创建的 SOP、反馈修正、组织采纳都要留下来，成为用户能看懂的成长证据。
Use → Learn → Org asset权限从 ask me 到 always allow，是 agent 成熟度提升最直接的用户动作，也让信任不再停留在主观感觉。
Ask me → Always allowClose
最终我们想做的，是让企业里的 AI 从“工具能力”变成“组织能力”。
Flow 管事情，Chat 管沟通，Link 管 agent 与组织系统之间的连接、权限、等级和学习。等级设计不是为了排名，而是为了让每个用户都能看到：agent 已经创造了什么价值，还能解锁什么潜力，以及组织如何因为持续使用而真正进化。