适用范围：CTO、技术总监、Tech Lead、团队管理者 更新摘要：v2 版本基于原文第 186 讲内容（上+下篇），保留全部原始内容并升级为 6 节结构；融入 2026 年 AI 时代注解，新增 AI 增强团队竞争力模型、AI 技能矩阵评估体系及"先问 AI，再决定 Buy/Borrow"新原则。
我认为，首先，能力是指一个人或者一个团队保证工作成效，能正确执行工作任务的技能、知识、经验以及行为，并且这些都是可以论证且有因果关系的。我们经常讲知识就是力量，知识就是能力的一部分，而经验也可当作知识，但只有知识加上行动才是能力的体现。
其次，竞争力是能力的升级版或者专业版，更加注重于如何完成特定任务的能力。竞争力是指在完成具体任务时所体现的能力，如果抛开具体的任务，是无法谈竞争力的。
⭐ 2026 年技术背景：赵晓光老师提出的"团队竞争力培养框架"在 AI 时代需要加入全新的能力维度——AI 协作竞争力。84% 开发者日常使用 AI 编程工具，竞争力的定义从"个人技术能力"扩展到"人机协同能力"。
无论能力还是竞争力，都有如下特点：
对于任何一个团队，在团队竞争力培养的这件事上，首先要有明确的定位，大致可以分为四个层面：
上述流程图展示了从传统四层竞争力模型到 AI 增强版的演进：每一层都注入了 AI 时代新内涵——愿景层增加 AI 伦理准则、能力评估层增加 AI 技能矩阵、发展战略层增加 AI 技术路线图、目标设定层增加 AI 项目 OKR。
愿景、使命和价值观被称为团队核心三要素，是团队竞争力的基础。理想的团队应该有共同的价值观，为了共同目标在一起努力奋斗。
在团队确定三要素的过程中，团队成员可以通过德尔菲法来逐步明确价值观，也就是征求所有团队成员的意见，进行整理、归纳、统计，再匿名反馈给各个团队成员，再次征求意见，再集中，再反馈，直到最终获得一致。
团队愿景示例（AI版）：
"成为行业领先的AI-Native技术团队，
用人机协作创造10倍价值，
同时坚守AI伦理底线。"
新增价值观：
├── AI透明度：明确标注AI生成内容
├── 人机协同：AI辅助而非替代人类
├── 持续学习：拥抱AI技术变革
└── 责任担当：对AI输出质量负责明确团队能力一般需要周期性的评估，以自我评估为主。我所在的技术团队主要做两个方面的评估：管理资源回顾(MRR)和技术资源回顾(TRR)。
管理资源回顾主要是评估个人能力，一般需要自上而下来操作：被评估人在当前职位的水平如何？潜在的继任者是谁，能力如何？如何调整被评估人的职位？对不合格的人采取何种措施等。
技术资源回顾主要针对团队的技术能力进行评估，自下而上。在个人评估方面，一般是自评和团队负责人评估相结合。我的经验是采用 CDE 评级：C 指 Capable（基础级）、D 指 Developed（专业级）、E 指 Expert（专家级），还引入 X 表示不具备技能。为方便量化，C=1，D=3，E=5，X=0。
| 技能类别 | 具体技能 | 评级标准 (C/D/E/X) |
|---|---|---|
| 核心编程 | TypeScript/Python/Rust | 同原文 |
| AI 基础 | Prompt Engineering | C:能写简单 Prompt / E:能设计复杂 CoT |
| AI 工具链 | Cursor/Copilot/v0 | C:会用 1 种 / E:精通 3+并能培训他人 |
| AI 系统设计 | RAG/Agent/Multi-model | C:了解概念 / E:能独立架构 |
| 数据素养 | 数据分析/特征工程 | C:基本理解 / E:能指导团队 |
| AI 伦理 | 偏见检测/合规 | C:有意识 / E:能制定规范 |
按照技能获得难易度和对业务的影响力，对技能进行四象限分类：
针对不同分类的技能所做的策略也不一样：
高精尖技能：通过组织内培养/培训或外部招聘（Buy），内部培养反而更好。
畅销类技能：通过项目实践来逐步培养，如果需求紧急可直接到市场上招聘。
领先技能：需要组织业务人员一起为技术团队找到更好的业务应用场景。
基础技能：可以通过外包或合同工的方式转移给第三方（Borrow）。
传统流程：需要某技能 → Buy(招人) or Borrow(合作)
AI增强流程：需要某技能 → AI能做到多少？→ 剩余部分 → Buy or Borrow竞争力培养是个长期的过程，需要定期的回顾并更新：
着重培养 FDP（focus development plan）：适用于被选出来的核心发展人员，需要和他的上级一起制定针对性的培养计划，要因材施教。
普遍提高 IDP（individual development plan）：适用于整个团队技能的革新，让基础技能逐渐退出，整个团队不断进行技能革新。
| 目标类型 | 传统 KPI | AI 时代新增 KPI |
|---|---|---|
| 个人效能 | 任务完成率、代码质量 | +AI 工具使用率、人机协作效率 |
| 团队能力 | 技能覆盖率、培训时长 | +AI 技能成熟度、Prompt 质量评分 |
| 业务影响 | 交付速度、系统稳定性 | +AI 驱动的创新项目数、AI 成本优化率 |
类似于 CMMI，竞争力模型可以分为三个级别：
| 级别 | AI 能力特征 |
|---|---|
| 发展级 | 少数人使用 AI 工具，无规范 |
| 标准级 | 大多数人使用 AI 工具有基本规范，有 AI 最佳实践库 |
| 优化级 | AI 深度融入所有工作流，持续优化人机协作模式，AI 驱动创新文化 |
有些小组长会自以为已经很了解团队了，凭个人感觉打分，就很容易走入误区。正确做法是通过一对一的双向沟通来明确技能等级。
如果发现单点故障 SPF，也就是说某个技能只有一个人会，那么必须立即采取行动，否则一旦出现 SPF 意外，会对整个组织造成非常大的影响。
计划没有变化快，之所以设定定期的监测，就是为了便于快速而敏捷的对变化作出反应。技术团队要做的是及时调整计划，使之能够切实的支持业务发展。
| 指标 | 行业平均 | 领先团队 | 差距 |
|---|---|---|---|
| 团队 AI 工具使用率 | 65% | 90%+ | 25% |
| AI 辅助后效率提升 | 30% | 50%+ | 20% |
| AI 项目成功率 | 60% | 85%+ | 25% |
| 团队成员 AI 培训覆盖 | 40% | 100% | 60% |
团队竞争力 = (传统技术能力 × 0.4) + (AI协作能力 × 0.4) + (学习创新能力 × 0.2)赵晓光老师提出的团队竞争力培养框架在 2026 年不仅依然有效，而且需要注入 AI 时代的新内涵：
AI 不会让团队自动变强，善用 AI 的管理者才能打造 AI 时代的卓越团队。
赵晓光，TGO 鲲鹏会会员，目前在 Resideo Technologies, Inc. 担任 Fellow 及 IPA 技术总监，负责技术创新、平台以及架构方向，同时负责技术战略以及路线图，团队竞争力培养以及人员培养等工作。此前在霍尼韦尔担任 Fellow 及技术总监工作。在软件开发领域有丰富经验，获得 Leading SAFe, Exin Devops Master, CSSLP 及 PMP 认证。