公告
Announcements
Anthropic 教育报告：AI 熟练度指数
Anthropic Education Report: The AI Fluency Index
2026 年 2 月 23 日
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。但仅凭采用率本身，并不能充分说明这些工具的影响。另一个同等重要的问题是：随着 AI 成为日常生活的一部分，人们是否正在培养有效使用它的技能？
此前 Anthropic 的教育报告研究了大学生和教育工作者如何使用 Claude。我们发现，学生用它来撰写报告和分析实验结果；教育工作者则用它来制作教学材料和自动化日常工作。但我们知道，任何使用 AI 的人都有可能在其工作中取得进步。我们想进一步探索这一点，并了解人们在使用 AI 的过程中，如何逐渐发展出对这项技术的“熟练度”（fluency）。
在本报告中，我们开始回答这个问题。我们追踪了一组代表 AI 熟练度的行为分类法（taxonomy），在大量匿名对话样本中观察这些行为是否存在。
与我们近期的经济指数（Economic Index）一致，我们发现 AI 熟练度最常见的表现形式是增强型（augmentative）——将 AI 视为思维伙伴，而非完全委派工作。事实上，这类对话中展现的 AI 熟练度行为数量，是快速、来回式简短对话的两倍以上。
但我们也发现，当 AI 生成制品（artifacts）——包括应用程序、代码、文档或交互式工具——时，用户更少质疑其推理（-3.1 个百分点）或识别缺失的上下文（-5.2 个百分点）。这与我们在近期关于编程技能的研究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线，可用于研究 AI 熟练度随时间推移的发展情况。
衡量 AI 熟练度
Measuring AI fluency
为了量化 AI 熟练度，我们采用了由 Rick Dakan 教授和 Joseph Feller 教授与 Anthropic 合作开发的 4D AI 熟练度框架（4D AI Fluency Framework）。该框架帮助我们定义了 24 种具体行为，我们认为这些行为体现了安全有效的人机协作。
在这 24 种行为中，有 11 种（如下方图表所列）可以在人类与 Claude 在 Claude.ai 或 Claude Code 上交互时直接观察到。另外 13 种（包括诸如诚实地说明 AI 在工作中的作用，或考虑分享 AI 生成内容的后果等行为）发生在 Claude.ai 的聊天界面之外，因此我们更难追踪。这些不可观察的行为可以说是 AI 熟练度中一些最重要的维度，因此在未来的工作中，我们计划使用定性方法来评估它们。
在本研究中，我们聚焦于 11 种可直接观察的行为。我们使用隐私保护分析工具，研究了 2026 年 1 月一个 7 天窗口期内，在 Claude.ai 上与 Claude 进行多次来回交流的 9,830 段对话。¹ 然后，我们衡量了这 11 种行为是否存在；每段对话可能展现出多种行为的证据。我们通过检查结果在一周内每天是否一致，以及样本中不同语言之间是否一致（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（AI Fluency Index）：一个衡量当今人们如何与 AI 协作的基线，也是追踪这些行为如何随模型变化而演化的基础。
结果
Results
通过我们的首次研究，我们发现了 Claude 使用中的两个主要模式：AI 熟练度与通过更长对话进行迭代和优化（iteration and refinement）之间的强关联，以及在编码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优化的对话密切相关
数据中最强的模式之一是迭代和优化与所有其他 AI 熟练度行为之间的关系。我们样本中 85.7% 的对话展现了迭代和优化：在先前交流的基础上进行构建以优化用户的工作，而不是接受第一个回复就转向新任务。如下方图表所示，这些对话中其他熟练度行为的出现率显著更高：
平均而言，具有迭代和优化的对话展现出 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。这在评估 Claude 输出相关的熟练度行为上尤为明显。具有迭代和优化的对话中，用户质疑 Claude 推理的可能性高出 5.6 倍，识别缺失上下文的可能性高出 4 倍。
在创建输出时，用户变得更具指导性，但评估性降低
我们样本中 12.3% 的对话涉及制品，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”（description）和“委派”（delegation）更广泛主题的行为出现率显著更高。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）和进行迭代（+9.7 个百分点）。换句话说，他们在工作开始时更多地指导 AI。
但这种指导性并未对应更高水平的评估或辨别力。事实上，情况恰恰相反：在创建制品的对话中，用户识别缺失上下文（-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其推理（-3.1 个百分点）的可能性更低。 我们的经济指数发现——毫不意外地——最复杂的任务正是 Claude 最挣扎的地方，因此这一点似乎尤其值得注意。
对于这种模式，有几种可能的解释。可能是 Claude 生成了精致、功能完善的输出，让人觉得没有必要进一步质疑：如果工作看起来完成了，用户可能就会将其视为完成品。但也可能是，涉及制品的对话中，任务的精确性不如美学或功能性重要（例如，设计用户界面 vs. 撰写法律分析）。或者，用户可能通过我们无法观察到的渠道评估制品——运行代码、在其他地方测试应用、与同事分享草稿——而不是在最初的同一段对话中表达他们的评估。
无论解释如何，这种模式都值得关注。随着 AI 模型生成精致输出的能力越来越强，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，而非更不重要。
发展你自己的 AI 熟练度
Developing your own AI fluency
与所有技能一样，AI 熟练度是一个程度问题——对我们大多数人来说，我们的技巧还有很大的提升空间。根据我们数据中的模式，我们发现许多用户可以在三个方面提升技能：
留在对话中。 迭代和优化是我们数据中与所有其他熟练度行为关联最强的单一因素。因此，当你收到初始回复时，值得将其仅视为一个起点：提出后续问题，对任何感觉不对的部分提出质疑，并优化你正在寻找的目标。
质疑精致的输出。 当 AI 模型生成看起来不错的东西时，这正是停下来问一问的绝佳时机：这准确吗？是否遗漏了什么？这个推理站得住脚吗？正如我们上面讨论的，我们的数据显示，精致的输出与较低的批判性评估率同时出现，尽管用户在开始时花费了更多精力来指导 Claude 的工作。
设定协作条款。 仅在 30% 的对话中，用户会告诉 Claude 他们希望它如何与他们互动。尝试明确地添加指令，例如：“如果我的假设错了，请提出质疑”，“在给出答案之前，先向我解释你的推理过程”，或者“告诉我你对什么不确定”。预先建立这些期望可以改变后续对话的动态。
局限性
Limitations
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——即，他们可能不代表更广泛的人群。我们的样本应被理解为为这个人群提供基线，而非通用基准。由于数据来自单一周，也无法捕捉任何季节性（seasonal）或纵向（longitudinal）效应。并且由于它专注于 Claude.ai，我们无法捕捉用户与其他 AI 平台的交互方式。
- 框架覆盖不完整： 在本研究中，我们仅评估了 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此类对话之外，未被捕捉。
- 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。但这很可能遗漏了重要的细微差别——例如有争议或部分展现的行为，或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（例如，根据自身知识核查 Claude 的说法），而无需在对话中表达这些行为。这对于我们关于制品的数据似乎尤其相关——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： 我们识别出的关系是相关性的。我们不知道一种行为是否导致另一种行为，或者它们是否都反映了某种共同的潜在因素，如任务复杂性或用户偏好。
展望未来
Looking ahead
这项研究为我们提供了一个基线，可用于评估 AI 熟练度如何随时间变化。随着 AI 能力的演进和采用率的增加，我们旨在了解用户是否正在发展更复杂的行为，哪些技能会随着经验自然涌现，以及哪些需要更有意识地去培养。
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”（cohort analyses），比较新用户和经验丰富的用户，以了解对 AI 的熟悉程度如何与熟练度发展相关联。其次，我们计划使用定性研究方法评估在 Claude.ai 对话中无法直接观察到的行为。第三，我们旨在探索这项工作提出的因果问题——例如，鼓励迭代对话是否会导致更强的批判性评估，或者是否有其他干预措施可以更有效地促进这一点。
此外，我们还想探索 Claude Code（一个主要由软件开发人员使用的平台）中的 AI 熟练度行为。在为这项研究做准备时，我们进行了一些初步分析，发现 Claude Code 对话与 Claude.ai 对话之间存在一致性。但这仍是初步的，Claude Code 非常不同的用户群和功能意味着需要进行更实质性的研究。
我们预计 AI 熟练度的本质将随着时间的推移而显著发展和演变。通过这项及未来的研究，我们旨在使这种发展变得可见、可衡量且可操作。
Bibtex
如果您想引用这篇文章，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
Acknowledgements
Kristen Swanson 设计了研究、主导了分析并撰写了本报告。Zoe Ludwig 和 Drew Bent 为框架对齐、信息传递和审阅做出了贡献。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 协助了数据可视化。Keir Bradwell、Rebecca Hiscott、Ryan Donegan 和 Sarah Pollack 提供了传播审阅和指导。
脚注
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，该工具通过将用户对话提炼为高级使用摘要（例如“排查代码错误”或“解释经济概念”），实现自下而上地发现 AI 使用模式。在此分析中，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）。这意味着单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具有多次来回交流的实质性交流，该筛选器排除了问候语、单字交流、测试消息和纯闲聊。对 200 段被筛选掉的聊天记录进行的人工审查表明，此类性质的聊天不符合任何 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。分析中未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 日至 26 日）中计算的，并且逐日保持稳定，大多数行为仅变化 1-5 个百分点。周六某些行为的比率略低（例如，迭代和优化周六为 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。在六种语言（英语、法语、西班牙语、中文、日语和德语）中，比率也保持一致，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，而非时间、星期几或语言文化背景的产物。
相关内容
Related content
AI 模型中双重用途知识的关闭开关
了解更多
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，它持有不显示在模型输出中的内部想法。
了解更多
Anthropic 经济指数报告：节奏
在我们最新的经济指数报告中，我们首次按小时抽样，以询问：人们什么时候来找 Claude？他们用它来做什么？他们如何看待 AI 对其工作的影响？
了解更多