Anthropic教育报告：AI流畅度指数

最初发布于2026年2月23日。

人们正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说明这些工具的影响。一个同样重要的进一步问题是：随着AI成为日常生活的一部分，个人是否正在培养良好使用它的技能？

此前的Anthropic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；教育工作者用它来制作课程材料和自动化日常工作。但我们知道，任何使用AI的人都可能在其所做的事情上有所提升。我们希望进一步探索这一点，了解使用AI的人们如何随着时间的推移发展出对这项技术的"流畅度"。

在本报告中，我们开始回答这个问题。我们在大量匿名对话样本中追踪了一套我们认为代表AI流畅度的行为分类法的存在与否。

与我们最近的经济指数一致，我们发现AI流畅度最常见的表现形式是增强型的——将AI视为思考伙伴，而不是完全委托工作。事实上，这些对话表现出的AI流畅度行为数量是快速往返式聊天的两倍多。

但我们也发现，当AI生成产物（artifacts）——包括应用程序、代码、文档或交互式工具——时，用户更不可能质疑其推理过程（-3.1个百分点）或识别缺失的上下文（-5.2个百分点）。这与我们在近期一项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流畅度随时间的发展。

衡量AI流畅度

为了量化AI流畅度，我们使用了由Rick Dakan教授和Joseph Feller教授与Anthropic合作开发的4D AI流畅度框架。该框架帮助我们定义了24种我们认为能够体现安全有效的人机协作的具体行为。

在这24种行为中，有11种（列于下图）在人类于Claude.ai或Claude Code上与Claude互动时可以直接观察到。其余13种（包括诚实说明AI在工作中的作用，或考虑分享AI生成输出的后果等）发生在Claude.ai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流畅度中最具影响力的一些维度，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，我们聚焦于这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月一个为期7天的窗口期内，在Claude.ai上与Claude进行了多次往返交流的9,830个对话。¹随后，我们测量了这11种行为的存在与否；每个对话都可能显示出多种行为的证据。我们通过检查结果在一周中每一天以及样本中不同语言之间是否一致，来评估样本的可靠性（我们发现确实如此）。²最终，这为我们提供了AI流畅度指数：一个衡量当今人们如何与AI协作的基线，也是追踪这些行为随模型变化而演变的基础。



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流畅度与通过更长对话进行迭代和完善之间存在强关联，以及用户在编程或构建其他产物时流畅度行为的变化。

流畅度与展现迭代和完善的对话密切相关

数据中最强的模式之一是迭代和完善与其他所有AI流畅度行为之间的关系。我们样本中85.7%的对话展现了迭代和完善：在先前交流的基础上完善用户的工作，而不是接受第一个回复就转向新任务。这些对话显示出其他流畅度行为的发生率明显更高，如下图所示：



平均而言，有迭代和完善的对话展现出2.67种额外的流畅度行为——大约是非迭代对话1.33的两倍。这在与评估Claude输出相关的流畅度行为上尤为明显。有迭代和完善的对话中，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。

在创建产物时，用户变得更具指导性但评估性更弱

我们样本中12.3%的对话涉及产物（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的协作方式截然不同。

具体而言，我们发现属于"描述"和"委托"这两个更广泛主题的行为发生率明显更高。例如，与非产物对话相比，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）以及迭代（+9.7个百分点）。换句话说，他们在工作伊始就做了更多工作来引导AI。

但这种指导性并未伴随更高水平的评估或辨别。事实恰恰相反：在创建产物的对话中，用户更不可能识别缺失的上下文（-5.2个百分点）、核实事实（-3.7个百分点），或通过要求Claude解释其理由来质疑模型的推理（-3.1个百分点）。我们的经济指数发现——不出所料——最复杂的任务正是Claude最吃力的地方，因此这一点似乎尤其值得关注。



这种模式有几种可能的解释。可能是Claude正在创建精致、看起来功能完善的输出，以至于似乎没有必要进一步质疑：如果工作看起来已经完成，用户可能就会这样对待它。但也有可能产物对话涉及的任务中，事实精确性不如美观性或功能性重要（例如设计UI，相对于撰写法律分析）。又或者，用户可能是通过我们无法观察到的渠道来评估产物——运行代码、在别处测试应用、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。

无论原因为何，这一模式都值得关注。随着AI模型越来越能够生成看起来精致的输出，批判性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——将变得更加重要，而非相反。

培养您自己的AI流畅度

与所有技能一样，AI流畅度是一个程度问题——对我们大多数人来说，都有可能将自己的技巧进一步发展。根据数据中的模式，我们发现有三个领域许多用户可以提升自己的技能：

保持对话的持续性。 在我们的数据中，迭代和完善是与所有其他流畅度行为相关性最强的单一因素。因此，当您得到初始回复时，值得将其仅仅视为一个起点：提出后续问题，对任何感觉不对的部分提出质疑，并完善您所寻求的内容。

质疑精致的输出。 当AI模型生成看起来不错的内容时，正是暂停并提问的最佳时机：这准确吗？是否有遗漏？这个推理站得住脚吗？正如我们上文所讨论的，我们的数据显示，精致的输出与较低的批判性评估发生率相伴而生，尽管用户在工作伊始会花更多精力来引导Claude的工作。

设定协作的条款。 只有30%的对话中，用户会告诉Claude他们希望它如何与自己互动。不妨明确地添加这样的指示："如果我的假设有误，请提出质疑"、"在给我答案之前，先带我了解你的推理过程"，或者"告诉我你对哪些方面不确定"。提前建立这些预期可以改变对话其余部分的动态。

局限性

本研究存在一些重要的注意事项：

• 样本局限性： 我们的样本反映的是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AI工具的普及仍处于相对早期阶段，这些用户可能更偏向于已经熟悉AI的早期采用者——也就是说，他们可能无法代表更广泛的人群。我们的样本应被理解为为这一人群提供基线，而非普遍适用的基准。由于数据来自单独一周，它也无法捕捉任何季节性或纵向效应。并且由于研究聚焦于Claude.ai，我们无法捕捉用户与其他AI平台的互动方式。
• 框架覆盖不完整： 在本研究中，我们仅评估了24种行为指标中可在Claude.ai对话中直接观察到的11种。所有与负责任和合乎伦理地使用AI输出相关的行为都发生在这些对话之外，因此未被捕捉到。
• 二元分类： 对于样本中的每个对话，我们将每种行为分类为存在或不存在。但这可能遗漏了重要的细微差别——例如行为的可争议或部分体现，或它们之间重叠的信号。
• 隐性行为： 用户可能在心理层面展现流畅度行为（例如根据自己的知识核实Claude的说法），而不在对话中表达这些行为。这对于我们关于产物的数据似乎尤为相关——用户可能是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，例如任务复杂性或用户偏好。

展望未来

本研究为我们提供了一个基线，可用于评估AI流畅度如何随时间变化。随着AI能力的演进和采用率的提高，我们希望了解用户是否正在发展出更复杂的行为，哪些技能会随着经验自然产生，哪些则需要更有意识的培养。

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"，比较新用户和经验丰富的用户，以了解对AI的熟悉程度与流畅度发展之间的相关性。其次，我们计划使用定性研究方法来评估那些在Claude.ai对话中无法直接观察到的行为。第三，我们希望探索这项工作所引发的因果问题——例如鼓励迭代式对话是否会带来更强的批判性评估，或者是否存在其他能更有效促进这一点的干预措施。

此外，我们还想探索Claude Code（一个主要由软件开发者使用的平台）中的AI流畅度行为。在为本研究做准备时，我们进行了一些初步分析，发现Claude Code对话与Claude.ai中的对话之间存在一致性。但这仍属初步结果，而且Claude Code截然不同的用户群体和功能意味着需要进行更深入的研究。

我们预计，AI流畅度的本质将随着时间的推移而大幅发展和演变。通过本研究及未来的研究，我们希望让这种发展变得可见、可衡量、可付诸行动。

Bibtex

如果您想引用本文，可以使用以下Bibtex密钥：

@online{swanson2026aifluency,
author = {Kristen Swanson and Drew Bent and Zoe Ludwig and Rick Dakan and Joe Feller},
title = {Anthropic Education Report: The AI Fluency Index},
date = {2026-02-23},
year = {2026},
url = {https://academy.claude.com/tutorials/the-ai-fluency-index},
}

致谢

Kristen Swanson设计了本研究，主导了分析工作，并撰写了本报告。Zoe Ludwig和Drew Bent为框架对齐、信息传达和审阅做出了贡献。AI流畅度的4D框架由Rick Dakan和Joe Feller开发。Zack Lee提供了技术支持。Hanah Ho协助进行了数据可视化。Keir Bradwell、Rebecca Hiscott、Ryan Donegan和Sarah Pollack提供了传播方面的审阅和指导。

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。在本项目中，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层次的使用摘要（例如"排查代码问题"或"解释经济学概念"），实现了对AI使用模式的自下而上的发现。在本次分析中，我们运行了11个独立的二元分类器（每个行为指标一个），使用Claude Sonnet 4进行行为分类，使用Claude Haiku 3.5进行语言检测。这意味着单个对话可能显示出多个AI流畅度行为指标。对话经过筛选，仅保留具有多次往返的实质性交流，筛选器排除了问候语、单字交流、测试消息和纯粹的闲聊。对200个被筛除的对话进行人工审查后发现，此类对话不符合任何AI流畅度指标的条件，因此我们有信心认为该筛选器并未影响研究中观察到的AI流畅度行为的相对排名。分析中不包含任何个人身份信息。
2. 行为指标是在为期一周的样本（2026年1月20日至26日）中计算得出的，并且逐日保持稳定，大多数行为的变化幅度仅为1-5个百分点。周六某些行为的发生率略低（例如，周六的迭代和完善率为81.4%，而工作日峰值为87.9%），这表明随意使用与有目的使用之间存在适度差异，但没有任何一天显示出有意义的结构性偏差。各项发生率在六种语言（英语、法语、西班牙语、中文、日语和德语）之间也保持一致，大多数行为在各语言组之间的变化幅度为3个百分点或更小。综合来看，这些发现表明，此处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偶然产物。