公開評分標準 AKM Index v1.1 將知識管理系統分成五大領域評分。總分 72.75 分、成熟度 M3（Orchestration）。強項與弱項都不遮掩，如實呈現。
AKM Index v1.1 · 第 2 次評測
不是量一次就結束。我們在第 1 次評測確認弱點，實際修正其原因，再於第 2 次重新評測。不是炫耀新功能，而是補上驗證循環與安全機制的結果。
自己打的分數很容易灌水。因此我們設下三道機制，讓它不是自說自話的打分，而是可驗證的評測。
用的不是我們自訂的尺，而是任何人都能查閱的公開標準（AKM Index v1.1）。同一張表也能與其他組織比較。
五大領域各設一個嚴格反駁的驗證小組。它的角色不是說好話，而是挑出毛病。
沒有佐證產出就強制扣分。只憑口頭主張的等級不被承認，必須有實際紀錄，分數才會上升。
以下是支撐分數的三項 Level 4 產出。三者如今每天實際運作，正因為有這三項，系統才能自己找出問題、自己修復。
學過一次的事，下一個工作階段仍然記得。不必每次從頭說明，知識不會四散，而是持續累積。
什麼工作在何時、如何執行，都留有紀錄。連悄悄失敗的作業也會在日誌中現形，因此能回溯原因。
依固定週期重新檢視並改善自己。這份自我評測本身就是那個檢視循環的一部分，下一次重測日程也已排定。
抽象的分數背後，是具體的每一天。這套方法論在實務中如何運作，我們原封不動地搬給您看。
三件沒有任何錯誤訊息、卻悄悄停擺的自動化，靠可觀測性日誌找了出來。表面看似正常的作業，我們揪出真正原因，當天就修好。
建立每天自我驗證結果的循環，讓當天學到的內容自動留進團隊記憶。即使人忘了，系統也記得。
在寄送、付款這類難以回復的步驟前設置護欄，即使已經自動化，也必須經過人的確認。這是把安全擺在速度之前的設計。
我們用在自己身上的評測與改善，也同樣套用到客戶的 AI 系統。從您現在位於哪個階段、該先修哪裡開始，與您一起診斷。
※ 本頁的分數與敘事，是以公開評分標準評測 KNDLI 自家系統的結果。客戶資料與諮詢內容一律不對外公開。
AKM Index 是一套公開評分標準（v1.1），將 AI 代理知識管理系統的成熟度分為五大領域（提示詞設計、上下文設計、Harness 設計、營運循環設計、互通性·治理），以 0 到 100 分評分。每個領域依行為基準劃分等級，每項分數都要求提出實際佐證資料。KNDLI 以這套公開標準評測自家系統，獲得總分 72.75 分、成熟度 M3。
為了證明我們提給客戶的評測與改善方法論，也同樣套用在自己的系統上。與其空口說「會變好」，不如以公開標準揭露現在幾分、哪裡偏弱、幾天內提升了多少，全部用數字與證據公開。這種先評測自己的做法通常稱為 Dogfooding，是方法論不只是口號、確實可行的信任依據。
五大領域各設對抗式驗證小組，沒有依據的項目強制扣分。要主張某個等級，必須提出實際存在的產出作為證據，例如持續性記憶、可觀測性日誌、週期檢視紀錄。沒有證據分數就不會上升，從結構上防止高估。從第 1 次的 66.25 分升到第 2 次的 72.75 分，也不是因為炫耀新功能，而是修復靜默失敗的原因、實際補上驗證循環與安全機制的結果。