Anthropic 教育报告：AI 熟练度指数

概述

Anthropic 发布了 AI 熟练度指数（AI Fluency Index），用于追踪人们如何发展与 AI 协作的技能。该研究分析了 2026 年 1 月期间 9,830 次 Claude.ai 对话，以识别有效人机交互的行为模式。

关键发现

两大主要模式：

1. 迭代驱动熟练度：约 86% 的对话表现出迭代和改进。这些对话平均展现出 2.67 种熟练度行为——大约是非迭代对话中 1.33 种行为的两倍。提出后续问题的用户质疑 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。

2. Artifact 对话显示较少批判性评估：当 Claude 生成 artifacts（代码、文档、应用）时，用户在前期更加指令化，但在后期评估较少。用户识别缺失上下文的可能性降低 5.2 个百分点，质疑推理的可能性降低 3.1 个百分点——尽管 artifacts 通常涉及准确性至关重要的复杂任务。

框架

研究人员使用了 4D AI 熟练度框架，该框架定义了代表安全、有效协作的 24 种行为。该研究测量了对话中 11 种可直接观察到的行为，而另外 13 种（如诚实披露 AI 使用）发生在平台之外，需要未来的定性研究。

提升 AI 熟练度的三种方式

• 保持对话：将初始响应视为起点；提出后续问题并优化请求
• 质疑完善输出：当结果看起来完成时暂停，以验证准确性和推理
• 设定协作条款：只有 30% 的用户明确告诉 Claude 如何与他们互动

研究局限性

• 样本仅反映早期采用者，不代表更广泛人群
• 单周数据无法捕捉季节性模式
• 二元分类遗漏了细致的行为表现
• 用户可能通过测试而非可见对话来评估 artifacts
• 发现具有相关性，而非因果性

未来方向

Anthropic 计划进行队列分析，比较新用户与经验丰富的用户，对不可观察行为进行定性研究，并探索行为之间的因果关系。他们还将研究 Claude Code（其开发者平台）上的 AI 熟练度模式。