一个 Flow 被完成、一个 SOP 被生成、一次反馈被修正，如果没有被转化成可见记录和组织资产，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 等级是
企业 AI 产品里的
成长语言。
不是“给 agent 评级”，而是怎么把在 Tanka 里面已经发生的 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。
Capability inventory
平台建设了很多真实能力。
Context / Data
People
记忆
Memo
Meeting Notes
Email Sync
IM Sync
Link 生态
Communication / Collaboration
General IM（Chat）
Audio / Video Calls
Follow-ups
Votes
Auto-translation
AI-native Actions
Smart Follow-up
Smart Reply
Deep Reply
Smart Vote
Smart Meeting
Action Card
Workflow / Assets
Flow
SOP
等级体系的第一步，不是定义「等级梯度」，而是重新为 agent 盘点产品的「所有能力」：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。
为什么需要等级体系
Tanka 已经有很多 AI 能力，但还缺三种产品化表达。
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。为组织设计的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。
等级的设计首先要避开通用模型和 Agent 的能力。外部工具、内部协作和历史工作共同构成「上下文」；agent 基于这些上下文行动；行动结果沉淀为网页、Markdown、SOP、决策记录、规则和 memory，成为组织资产，形成新的上下文，让下一次执行更接近组织自身。
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。
Internal
Linked
创建 Flow、发起 vote、提醒 owner、调用工具。
网页、Markdown、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，或被人分享、转发和复用。
- SOP 通过 verify
- 产出物被分享和转发
- 被其他 agent 调用
Scoring logic
AI 成长数据来自 Tanka 里的真实工作事件。
等级不是先设计一套抽象分数，再要求用户配合。它来自平台里已经发生的 AI 使用、工具调用、权限变化、SOP 沉淀和组织反馈；产品要做的是把这些事件归类、加权，并翻译成用户能理解的成长证据。
知识
让 agent 知道更多组织上下文的事件，都进入知识维度。
例如同步 AI work memory、保存用户纠正、接入 Memo / 文件 / 历史 Flow；当这些上下文被验证、被引用或在后续 Flow 中复用时，权重会更高。
+ points
能力
证明 agent 能稳定完成具体工作的事件，都进入能力维度。
例如发送邮件、创建会议、导入 Jira issues、生成会议纪要；当同类动作多次成功、跨工具组合执行，或沉淀为可复用能力时，权重会更高。
+ points
权限
扩大 agent 可执行边界的授权事件，都进入权限维度。
例如读取工具、写入 Calendar、自动发送内部提醒；当授权进入定时任务、连续流程或条件触发时，代表信任边界扩大，权重会更高。
+ points
承担
agent 产出进入组织协作网络的事件，都进入承担维度。
例如用户分享、转发或引用 agent 产出；当 SOP 被 verify、被他人收藏、被他人使用，或被其他 agent 复用时，权重会更高。
+ pointsProduct rule
积分把分散事件沉淀成等级提升的证明。
成长传导原则
一条数据进入系统，不等于 agent 已经变强；它要被使用、授权、转发或复用，才会继续向其他维度传导。
AI work memory
Codex / Claude Code 产出同步为 AI work memory。
+ 知识 · points
本地开发、调试、设计迭代和决策记录进入 Kiki 的工作记忆，提升上下文质量。
Reuse
Kiki 复用了上次移动端原型调试记录。
+ 能力 · points
外部记忆不只是被存储，而是被用来完成新的 Flow，说明它转化成了稳定工作能力。
Permission
允许 Kiki 自动同步本地 AI work memory。
+ 权限 · points
从手动导入变成授权范围内自动读取，代表用户扩大了 agent 可以使用的工作上下文边界。
Adoption
用户反馈分析报告被分享给产品组。
+ 承担 · points
用户认可 agent 的产出，并把它转发到团队协作场景；这是传播信号，不只是个人任务完成。
Org asset
原型验收 checklist 被整理成团队 SOP。
+ 承担 · points
一次 AI 工作产出被沉淀为组织资产，后续可以被团队、Flow 或其他 agent 复用。
Growth loop
等级的作用，是把使用、信任和组织学习连接起来。
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”。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。
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、组织资产沉淀都要留下来，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 allowTanka AI Work System
FLOW × CHAT × LINK
Flow
AI 接管事情的工作空间
Kiki 在这里有存在感、有状态、能主动推送，也能把一次对话里的指令转成持续推进的后台 Flow。
Chat
人和 agent 共同协作的沟通现场
它不是任务管理本身，而是组织协作发生的地方：讨论、确认、@ 人、拉 agent、让 Kiki 基于当前上下文介入。
Link
agent 能力与组织信任的连接层
Link 把 agent 的能力来源产品化：工具生态、记忆、SOP、权限、组织反馈和成长动态共同构成 agent 的成熟度。让用户理解 agent 为什么更可靠、还能解锁什么能力、组织如何通过使用本身推动 AI 进化。