Anthropic 教育报告：AI 熟练度指数

---
title: "Anthropic 教育报告：AI 熟练度指数"
title_en: "Anthropic Education Report: The AI Fluency Index"
source: "Anthropic"
source_url: "https://www.anthropic.com/research/AI-fluency-index"
published_at: "2026-07-08T22:14:20.000Z"
language: "zh-CN"
topics: ["claude"]
tags: ["Anthropic","Claude"]
review_status: "unreviewed"
---

# Anthropic 教育报告：AI 熟练度指数

> Anthropic 发布 AI 熟练度指数，通过分析用户与 Claude 的对话行为，发现多数用户将 AI 作为思考伙伴而非完全依赖，但在生成制品时批判性评估减少。

## 内容摘要

Anthropic 教育报告通过分析 9,830 段对话，提出了 AI 熟练度指数，衡量用户与 AI 协作的技能。研究发现，85.7% 的对话展现了迭代和改进行为，这类对话中其他熟练度行为出现率是非迭代对话的两倍。然而，在涉及制品（如代码、文档）的对话中，用户更倾向于指令性行为，但评估性行为（如质疑推理、识别缺失上下文）显著减少。报告指出，随着 AI 输出越来越精致，批判性评估能力将变得更重要。研

## 为什么值得关注

AI 熟练度指数揭示了人们在使用 AI 时如何培养关键技能，这对于教育、职场和个人发展至关重要。随着 AI 工具日益普及，理解如何有效协作而非盲目依赖，能帮助用户避免错误、提升效率，并为未来 AI 与人类协同工作奠定基础。

## 核心要点

- 85.7% 的对话展现了迭代和改进行为，这类对话中其他熟练度行为出现率是非迭代对话的两倍。
- 在涉及制品的对话中，用户更常使用指令性行为（如明确目标），但评估性行为（如质疑推理）减少。
- AI 熟练度最常见的表现是增强型——将 AI 作为思考伙伴，而非完全委托。
- 研究仅覆盖 24 种行为中的 11 种可观察行为，其余需通过定性方法评估。
- 未来计划包括队列分析、定性研究以及探索因果问题。

# Anthropic 教育报告：AI 熟练度指数

人们正在以一年前难以预测的速度将 AI 工具融入日常生活。但仅仅看使用率，并不能告诉我们这些工具带来的影响。还有一个同样重要的问题是：随着 AI 成为日常生活的一部分，人们是否正在培养用好它的技能？

之前的 Anthropic 教育报告研究了[大学生](https://www.anthropic.com/news/anthropic-education-report-how-university-students-use-claude)和[教育工作者](https://www.anthropic.com/news/anthropic-education-report-how-educators-use-claude)如何使用 Claude。我们发现，学生用它写报告和分析实验结果；教育工作者用它制作教学材料和自动化日常工作。但我们知道，任何使用 AI 的人都可能在自己做的事情上变得更好。我们想进一步探索这一点，了解人们在使用 AI 的过程中，如何随着时间的推移培养出对这项技术的“熟练度”。

在这份报告中，我们开始回答这个问题。我们追踪一组代表 AI 熟练度的行为是否存在，这些行为来自大量匿名对话样本。

与我们最近的[经济指数](https://www.anthropic.com/research/economic-index-primitives)一致，我们发现 AI 熟练度最常见的表现是增强型——把 AI 当作思考伙伴，而不是完全把工作交给它。事实上，这类对话展现出的 AI 熟练度行为数量，是快速来回聊天型对话的两倍以上。

但我们也发现，当 AI 生成制品（artifact）时——包括应用、代码、文档或交互式工具——用户更少质疑它的推理（-3.1 个百分点）或识别缺失的上下文（-5.2 个百分点）。这与我们在[最近关于编程技能的研究](https://www.anthropic.com/research/AI-assistance-coding-skills)中观察到的相关模式一致。

这些初步发现为我们提供了一个基准，可以用来研究 AI 熟练度随时间的发展。

## 衡量 AI 熟练度

为了量化 AI 熟练度，我们使用了由 Rick Dakan 教授和 Joseph Feller 教授与 Anthropic 合作开发的 [4D AI 熟练度框架](https://anthropic.skilljar.com/ai-fluency-framework-foundations)。这个框架帮助我们定义了 24 种具体行为，我们认为这些行为代表了安全有效的人机协作。

在这 24 种行为中，有 11 种（见下图列表）可以直接在用户与 Claude 在 Claude.ai 或 Claude Code 上互动时观察到。另外 13 种（比如诚实地说明 AI 在工作中的角色，或考虑分享 AI 生成输出的后果）发生在 Claude.ai 的聊天界面之外，因此我们很难追踪。这些不可观察的行为可以说是 AI 熟练度中最重要的维度之一，所以未来我们计划用定性方法来评估它们。

在这项研究中，我们专注于 11 种可直接观察的行为。我们使用[隐私保护分析工具](https://www.anthropic.com/research/clio)研究了 9,830 段对话，这些对话在 2026 年 1 月的一周内与 Claude 在 Claude.ai 上有多次来回交流。¹ 然后我们测量了这 11 种行为是否存在；每段对话可能展现出多种行为。我们通过检查结果在一周内每天是否一致，以及在不同语言样本中是否一致（我们发现是一致的）来评估样本的可靠性。² 最终，我们得到了 AI 熟练度指数：一个衡量人们今天如何与 AI 协作的基准，也是追踪这些行为随着模型变化而演化的基础。

## 结果

通过我们的第一项研究，我们发现了 Claude 使用中的两个主要模式：AI 熟练度与通过更长的对话进行迭代和改进之间有很强的关联，以及在编程或构建其他输出时用户熟练度行为的变化。

### 熟练度与展现迭代和改进的对话密切相关

数据中最强的模式之一是迭代和改进与其他所有 AI 熟练度行为之间的关系。在我们的样本中，85.7% 的对话展现了迭代和改进：在之前的交流基础上完善用户的工作，而不是接受第一个回答就转向新任务。这些对话中其他熟练度行为的出现率明显更高，如下图所示：

平均而言，有迭代和改进的对话展现出 2.67 个额外的熟练度行为——大约是非迭代对话（1.33 个）的两倍。这一点在与评估 Claude 输出相关的熟练度行为上尤其明显。有迭代和改进的对话中，用户质疑 Claude 推理的可能性是 5.6 倍，识别缺失上下文的可能性是 4 倍。

### 在创建输出时，用户变得更指令性但更少评估性

样本中 12.3% 的对话涉及[制品](https://claude.ai/redirect/website.v1.2397298e-a2be-4064-bedd-12fd760d437d/catalog/artifacts)，包括代码、文档、交互式工具和其他输出。在这些对话中，人们与 AI 协作的方式相当不同。

具体来说，我们发现属于“描述”和“委托”这两个更大主题的行为出现率明显更高。例如，与没有制品的对话相比，这些对话中用户更可能明确目标（+14.7 个百分点）、指定格式（+14.5 个百分点）、提供示例（+13.4 个百分点）和迭代（+9.7 个百分点）。换句话说，他们在工作开始时更多地指导 AI。

但这种指令性并不对应更高水平的评估或辨别力。事实上，恰恰相反：在创建制品的对话中，用户更少识别缺失上下文（-5.2 个百分点）、核查事实（-3.7 个百分点），或通过要求模型解释其理由来质疑模型的推理（-3.1 个百分点）。我们的[经济指数](https://www.anthropic.com/research/anthropic-economic-index-january-2026-report)发现——毫不意外——最复杂的任务正是 Claude 最吃力的地方，所以这一点似乎特别值得注意。

对于这种模式，有几种可能的解释。可能是 Claude 生成了看起来精致、功能完整的输出，让人觉得没必要进一步质疑：如果工作看起来完成了，用户可能就把它当作完成了。但也可能是涉及制品的对话中，任务对事实精确性的要求不如对美观或功能性的要求高（比如设计一个用户界面，而不是写一份法律分析）。或者用户可能通过我们无法观察的渠道来评估制品——运行代码、在其他地方测试应用、与同事分享草稿——而不是在同一个初始对话中表达他们的评估。

无论解释是什么，这个模式都值得关注。随着 AI 模型越来越能生成看起来精致的输出，批判性地评估这些输出的能力——无论是在直接对话中还是通过其他方式——将变得更有价值，而不是更少。

培养你自己的 AI 熟练度

## 局限性

这项研究有一些重要的注意事项：

- **样本局限性**：我们的样本反映了在 2026 年 1 月某一周内进行多轮对话的 Claude.ai 用户。由于我们认为这仍然处于 AI 工具扩散的早期阶段，这些用户可能偏向于已经熟悉 AI 的早期采用者——也就是说，他们可能不代表更广泛的人群。我们的样本应被理解为提供了这个人群的基准，而不是一个通用标准。由于数据来自单一周，它也无法捕捉任何季节性影响或长期趋势。而且因为它专注于 [Claude.ai](http://claude.ai/redirect/website.v1.2397298e-a2be-4064-bedd-12fd760d437d)，我们没有捕捉用户如何与其他 AI 平台互动。

- **框架覆盖不完整**：在这项研究中，我们只评估了 24 个行为指标中可直接在 Claude.ai 对话中观察到的 11 个。所有与负责任和合乎道德地使用 AI 输出相关的行为都发生在这些对话之外，没有被捕捉到。

- **二元分类**：对于样本中的每段对话，我们将每个行为分类为存在或不存在。但这可能错过了重要的细微差别——比如有争议或部分展现的行为，或者它们之间的重叠信号。

- **隐性行为**：用户可能在脑海中展现熟练度行为（比如根据自己的知识核查 Claude 的说法），而没有在对话中表达出来。这似乎特别适用于我们关于制品的数据——用户可能通过测试和实际使用来评估 Claude 的输出，而不是通过对话中可见的行为。

- **相关性发现**：我们识别的关系是相关性的。我们不知道一个行为是否导致另一个行为，或者它们是否都反映了某个共同的潜在因素，比如任务复杂性或用户偏好。

## 展望未来

这项研究为我们提供了一个基准，可以用来评估 AI 熟练度如何随时间变化。随着 AI 能力的提升和采用率的增加，我们旨在了解用户是否在培养更复杂的行为，哪些技能会随着经验自然出现，哪些需要更有意地培养。

在未来的工作中，我们计划从几个方向扩展我们的分析。首先，我们计划进行“队列分析”，比较新用户和有经验的用户，以了解对 AI 的熟悉程度如何与熟练度发展相关。其次，我们计划使用定性研究方法评估那些在 Claude.ai 对话中无法直接观察的行为。第三，我们旨在探索这项工作提出的因果问题——比如鼓励迭代对话是否会导致更多的批判性评估，或者是否有其他干预措施可以更有效地鼓励这一点。

此外，我们想探索 Claude Code 中的 AI 熟练度行为，这是一个主要由软件开发人员使用的平台。在准备这项研究时，我们进行了一些初步分析，发现 Claude Code 对话与 [Claude.ai](http://claude.ai/redirect/website.v1.2397298e-a2be-4064-bedd-12fd760d437d) 中的对话之间存在一致性。但这仍然是初步的，Claude Code 非常不同的用户群体和功能意味着需要进行更实质性的研究。

我们预计 AI 熟练度的本质会随着时间的推移而显著发展和演变。通过这项和未来的研究，我们旨在让这种发展变得可见、可衡量和可操作。

## Bibtex

如果你想引用这篇文章，可以使用以下 Bibtex 键：

```
@online{swanson2026aifluency,
author = {Kristen Swanson, Drew Bent, and Zoe Ludwig and Rick Dakan and Joe Feller},
title = {Anthropic Education Report: The AI Fluency Index},
date = {2026-02-16},
year = {2026},
url = {https://www.anthropic.com/news/anthropic-education-report-the-ai-fluency-index},
}
```

## 致谢

Kristen Swanson 设计了研究、主导了分析并撰写了这份报告。Zoe Ludwig 和 Drew Bent 贡献了框架对齐、信息传递和审阅。4D AI 熟练度框架由 Rick Dakan 和 Joe Feller 开发。Zack Lee 提供了技术支持。Hanah Ho 帮助可视化数据。Keir Bradwell、Rebecca Hiscott、Ryan Donegan 和 Sarah Pollack 提供了传播审阅和指导。

¹ 在研究人们如何使用 AI 模型时，保护用户隐私至关重要。对于这个项目，我们使用了[隐私保护分析工具](https://www.anthropic.com/research/clio)，它通过将用户对话提炼成高级使用摘要（例如“调试代码”或“解释经济概念”），实现自下而上地发现 AI 使用模式。对于这个分析，我们使用 Claude Sonnet 4 进行行为分类，使用 Claude Haiku 3.5 进行语言检测，运行了 11 个独立的二元分类器（每个行为指标一个）。这意味着一段对话可能指示多个 AI 熟练度行为指标。对话通过一个筛选器过滤为有实质内容的多次来回交流，排除了问候语、单字交流、测试消息和纯闲聊。对 200 个被筛选掉的聊天进行人工审查表明，这类聊天不符合任何 AI 熟练度指标，因此我们确信筛选器没有影响研究中观察到的 AI 熟练度行为的相对排名。分析中没有出现任何个人身份信息。

² 行为指标是在一周样本（2025 年 1 月 20-26 日）中计算的，并且每天保持稳定，大多数行为的变化幅度仅为 1-5 个百分点。周六某些行为的比率略低（例如，迭代和改进周六为 81.4%，而工作日峰值为 87.9%），表明休闲使用与有目的使用之间存在适度差异，但没有哪一天显示出有意义的结构性偏差。这些比率在六种语言（英语、法语、西班牙语、中文、日语和德语）中也一致，大多数行为在不同语言组之间的变化幅度为 3 个百分点或更少。总之，这些发现表明这里捕捉到的行为模式反映了人们与 AI 互动的一致习惯，而不是时间、星期几或语言文化背景的产物。

## 相关内容

### AI 模型中双重用途知识的关闭开关

### 语言模型中的全局工作空间

新的可解释性研究揭示了 Claude 中一个涌现的心理工作空间，它持有不出现在模型输出中的内部想法。

### Anthropic 经济指数报告：节奏

在我们最新的经济指数报告中，我们首次每小时采样，以问：人们什么时候来找 Claude？他们用它生产什么？以及他们如何看待 AI 对其工作的影响？

---

英文原文：[Anthropic Education Report: The AI Fluency Index](https://www.anthropic.com/research/AI-fluency-index)