Anthropic 教育報告：AI 流暢度指數

最初發布於 2026 年 2 月 23 日。

人們將 AI 工具融入日常生活的速度，即使在一年前也難以預測。但僅憑採用率本身，並不能告訴我們這些工具的影響有多大。另一個同樣重要的問題是：隨著 AI 成為日常生活的一部分，個人是否正在發展出善用它的技能？

先前的 Anthropic 教育報告曾研究過大學生和教育工作者如何使用 Claude。我們發現，學生使用它來撰寫報告和分析實驗結果；教育工作者則用它來製作課程教材並自動化例行工作。但我們知道，任何使用 AI 的人都可能在其工作上有所進步。我們想進一步探討這一點，並了解使用 AI 的人們如何隨著時間發展出對這項技術的「流暢度」。

在本報告中，我們開始回答這個問題。我們在大量匿名化對話樣本中，追蹤一套我們認為代表 AI 流暢度的行為分類法的存在與否。

與我們最近的經濟指數一致，我們發現 AI 流暢度最常見的表現形式是增強式的——將 AI 視為思考夥伴，而非完全委派工作。事實上，這類對話展現的 AI 流暢度行為數量，是快速來回聊天的兩倍以上。

但我們也發現，當 AI 產出成品——包括應用程式、程式碼、文件或互動工具——時，使用者較不可能質疑其推理（-3.1 個百分點）或指出缺失的脈絡（-5.2 個百分點）。這與我們在近期關於程式設計技能的研究中觀察到的相關模式一致。

這些初步發現為我們提供了一個基準，可用於研究 AI 流暢度隨時間的發展。

衡量 AI 流暢度

為了量化 AI 流暢度，我們使用了由 Rick Dakan 教授和 Joseph Feller 教授與 Anthropic 合作開發的4D AI 流暢度框架。此框架幫助我們定義了 24 種特定行為，我們認為這些行為體現了安全且有效的人機協作。

在這 24 種行為中，有 11 種（列於下方圖表中）是人類在 Claude.ai 或 Claude Code 上與 Claude 互動時可直接觀察到的。其餘 13 種（包括對 AI 在工作中所扮演角色保持誠實，或考量分享 AI 生成內容的後果等）則發生在 Claude.ai 聊天介面之外，因此我們更難追蹤。這些無法觀察的行為可以說是 AI 流暢度中最具影響力的一些面向，因此在未來的研究中，我們計劃使用質性方法來評估它們。

在本研究中，我們專注於這 11 種可直接觀察的行為。我們使用保護隱私的分析工具，研究了 2026 年 1 月一個為期 7 天的時間窗口內，9,830 則在 Claude.ai 上與 Claude 進行多次來回交流的對話。¹ 接著，我們測量了這 11 種行為的存在與否；每則對話都可能展現多種行為的證據。我們透過檢查結果在一週中每一天以及樣本中不同語言之間是否一致，來評估樣本的可靠性（我們發現結果確實一致）。² 最終，這為我們提供了 AI 流暢度指數：一個衡量當今人們如何與 AI 協作的基準，也是追蹤這些行為如何隨模型變化而演變的基礎。



結果

透過我們的第一項研究，我們在 Claude 的使用中發現了兩種主要模式：AI 流暢度與透過與 Claude 進行較長對話所展現的迭代與精煉之間存在強烈關聯，以及使用者在撰寫程式碼或建構其他成品時，其流暢度行為會發生變化。

流暢度與展現迭代和精煉的對話密切相關

資料中最強烈的模式之一，是迭代與精煉和其他每一項 AI 流暢度行為之間的關係。我們樣本中有 85.7% 的對話展現了迭代與精煉：在先前交流的基礎上精煉使用者的工作，而非接受第一個回應就轉向新任務。如下圖所示，這些對話展現出明顯更高比例的其他流暢度行為：



平均而言，有迭代與精煉的對話展現出額外 2.67 項流暢度行為——大約是非迭代對話 1.33 項比率的兩倍。這在與評估 Claude 輸出相關的流暢度行為上尤其明顯。有迭代與精煉的對話中，使用者質疑 Claude 推理的可能性高出 5.6 倍，指出缺失脈絡的可能性高出 4 倍。

在建立成品時，使用者變得更具指導性，但評估性較低

我們樣本中有 12.3% 的對話涉及成品，包括程式碼、文件、互動工具及其他輸出。在這些對話中，人們與 AI 協作的方式相當不同。

具體而言，我們發現屬於「描述」和「委派」這兩個更廣泛主題的行為比例明顯更高。例如，與非成品對話相比，這些對話更可能出現使用者釐清目標（+14.7 個百分點）、指定格式（+14.5 個百分點）、提供範例（+13.4 個百分點）以及迭代（+9.7 個百分點）的情況。換句話說，他們在工作一開始就做了更多指導 AI 的動作。

但這種指導性並未伴隨更高程度的評估或辨別能力。事實上，情況恰恰相反：在建立成品的對話中，使用者較不可能指出缺失的脈絡（-5.2 個百分點）、查核事實（-3.7 個百分點），或透過要求 AI 解釋其理由來質疑模型的推理（-3.1 個百分點）。我們的經濟指數發現——不出所料——最複雜的任務正是 Claude 最吃力的地方，因此這一點似乎特別值得注意。



對於這種模式，有幾種可能的解釋。可能是因為 Claude 產出了精緻、看似可用的成品，使得進一步質疑似乎沒有必要：如果工作成果看起來已經完成，使用者可能就會這樣對待它。但也有可能是，涉及成品的對話所處理的任務，其事實精確度的重要性不如美觀或功能性（例如設計使用者介面，相對於撰寫法律分析）。又或者，使用者可能是透過我們無法觀察到的管道來評估成品——執行程式碼、在其他地方測試應用程式、與同事分享草稿——而非在同一則初始對話中表達其評估。

無論原因為何，這種模式都值得關注。隨著 AI 模型越來越能夠產出精緻美觀的成品，無論是在直接對話中還是透過其他方式，批判性評估這些成品的能力，將變得愈發重要，而非相反。

發展您自己的 AI 流暢度

如同所有技能一樣，AI 流暢度也是程度之分——對我們大多數人而言，都有可能進一步精進自己的技巧。根據我們資料中的模式，我們發現有三個領域是許多使用者可以改進技能的地方：

持續對話。 迭代與精煉是我們資料中與所有其他流暢度行為相關性最強的單一因素。因此，當您得到初步回應時，值得將其視為僅僅是一個起點：提出後續問題，對任何感覺不對的部分提出質疑，並精煉您所尋求的內容。

質疑精緻的成品。 當 AI 模型產出看起來不錯的東西時，正是暫停並提問的最佳時機：這準確嗎？有遺漏什麼嗎？這個推理站得住腳嗎？如上所述，我們的資料顯示，精緻的成品往往伴隨著較低的批判性評估比例，即使使用者在工作一開始就花費更多心力來指導 Claude 的工作。

設定協作的條件。 只有 30% 的對話中，使用者會告訴 Claude 他們希望它如何與自己互動。試著明確表達，加入諸如「如果我的假設有誤，請提出質疑」、「在給我答案之前，先帶我了解你的推理過程」，或「告訴我你對哪些部分不確定」之類的指示。預先建立這些期望，可以改變對話其餘部分的動態。

限制

本研究附帶一些重要的注意事項：

• 樣本限制： 我們的樣本反映的是在 2026 年 1 月某一週內進行多輪對話的 Claude.ai 使用者。由於我們認為 AI 工具的普及仍處於相對早期階段，這些使用者可能偏向已經熟悉 AI 的早期採用者——也就是說，可能無法代表更廣泛的人群。我們的樣本應被理解為提供此人群的基準，而非普遍適用的基準。由於資料來自單一一週，它也無法捕捉任何季節性或縱向效應。此外，由於研究聚焦於 Claude.ai，我們無法捕捉使用者與其他 AI 平台互動的情況。
• 框架覆蓋範圍有限： 在本研究中，我們僅評估了 24 項行為指標中可在 Claude.ai 對話中直接觀察到的 11 項。所有與負責任且合乎倫理地使用 AI 輸出相關的行為，都發生在這些對話之外，因此未被捕捉到。
• 二元分類： 對於樣本中的每則對話，我們將每項行為分類為存在或不存在。但這很可能遺漏了重要的細微差異——例如行為的模糊或部分展現，或行為之間的重疊訊號。
• 隱性行為： 使用者可能在心中展現流暢度行為（例如根據自身知識查核 Claude 的主張），而未在對話中表達出這些行為。這對於我們關於成品的資料似乎特別相關——使用者可能是透過測試和實際使用來評估 Claude 的輸出，而非透過對話中可見的行為。
• 相關性發現： 我們所識別的關係是相關性的。我們並不知道某一行為是否導致另一行為，或者兩者是否都反映了某種共同的潛在因素，例如任務複雜度或使用者偏好。

展望未來

本研究為我們提供了一個基準，可用於評估 AI 流暢度如何隨時間變化。隨著 AI 能力的演進和採用率的提升，我們希望了解使用者是否正在發展出更複雜的行為、哪些技能會隨經驗自然浮現，以及哪些技能需要更有意識的培養。

在未來的研究中，我們計劃朝幾個方向擴展我們的分析。首先，我們計劃進行「世代分析」，比較新使用者與經驗豐富的使用者，以了解對 AI 的熟悉程度與流暢度發展之間的關聯。其次，我們計劃使用質性研究方法，評估那些無法在 Claude.ai 對話中直接觀察到的行為。第三，我們希望探討這項研究所引發的因果問題——例如鼓勵迭代式對話是否會帶來更高程度的批判性評估，或者是否有其他介入措施能更有效地促進這一點。

此外，我們希望探討 Claude Code（一個主要由軟體開發人員使用的平台）中的 AI 流暢度行為。在為本研究做準備時，我們進行了一些初步分析，發現 Claude Code 對話與 Claude.ai 中的對話之間存在一致性。但這仍屬初步結果，而且 Claude Code 截然不同的使用者群體和功能，意味著需要進行更深入的研究。

我們預期 AI 流暢度的本質將隨著時間大幅發展和演變。透過本研究及未來的研究，我們希望讓這種發展變得可見、可衡量且可採取行動。

Bibtex

如果您想引用本文，可以使用以下 Bibtex 金鑰：

@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},
}

致謝

Kristen Swanson 設計了本研究、主導了分析，並撰寫了本報告。Zoe Ludwig 和 Drew Bent 在框架對齊、訊息傳達和審閱方面做出了貢獻。AI 流暢度的 4D 框架由 Rick Dakan 和 Joe Feller 開發。Zack Lee 提供了技術支援。Hanah Ho 協助將資料視覺化。Keir Bradwell、Rebecca Hiscott、Ryan Donegan 和 Sarah Pollack 提供了溝通審閱與指導。

註腳

1. 在研究人們如何使用 AI 模型時，保護使用者隱私至關重要。為此專案，我們使用了保護隱私的分析工具，該工具透過將使用者對話提煉為高層次的使用摘要（例如「排除程式碼故障」或「解釋經濟概念」），實現由下而上發現 AI 使用模式。在本次分析中，我們使用 Claude Sonnet 4 進行行為分類，並使用 Claude Haiku 3.5 進行語言偵測，執行了 11 個獨立的二元分類器（每項行為指標一個）。這意味著單一對話可能顯示出多項 AI 流暢度行為指標。對話經過篩選，僅保留包含多次來回交流的實質性交流，並使用篩選器排除問候語、單字交流、測試訊息和純粹的閒聊。對 200 則被篩除的對話進行人工審查後發現，這類對話不符合任何 AI 流暢度指標，因此我們有信心篩選器並未影響本研究中觀察到的 AI 流暢度行為的相對排名。分析中不包含任何個人可識別資訊。
2. 行為指標是根據為期一週的樣本（2026 年 1 月 20 日至 26 日）計算得出，且逐日保持穩定，大多數行為的變化僅在 1 至 5 個百分點之間。週六某些行為的比率略低（例如，迭代與精煉在週六為 81.4%，相較於工作日高峰的 87.9%），這顯示休閒使用與目的性使用之間存在些微差異，但沒有任何一天顯示出有意義的結構性偏差。各比率在六種語言（英語、法語、西班牙語、中文、日語和德語）之間也保持一致，大多數行為在不同語言群組之間的變化僅在 3 個百分點以內。總體而言，這些發現顯示，此處捕捉到的行為模式反映的是人們與 AI 互動的一致習慣，而非時間、星期幾或語言文化脈絡所造成的偶然現象。