AI 素养：框架与基础（4D AI Fluency Framework）

Anthropic 官方课程 | 免费 | 初级 | 预计学习时间：60 分钟

课程概述

本课程由 Anthropic 联合爱尔兰科克大学 Joseph Feller 教授和美国瑞格林艺术与设计学院 Rick Dakan 教授共同打造，提出并系统阐述了 4D AI 素养框架（4D AI Fluency Framework）。该框架帮助每个人学会高效、安全、合乎伦理地与 AI 系统协作，无论你是 AI 新手还是有经验的用户。

4D 框架将 AI 协作能力拆解为四个核心维度，每个维度都有明确的技能标准和实践方法，为个人和组织提供了一套可落地的 AI 素养提升路径。

模块一：什么是 AI 素养

1.1 AI 素养的定义

AI 素养（AI Fluency）不等于"会用 AI 工具"。它是一种系统性的能力，包括：理解 AI 的能力边界、有效地向 AI 传达需求、批判性地评估 AI 输出、负责任地将 AI 融入工作流程。就像语言流利不仅是会说几句话，AI 素养也需要深度理解和灵活运用。

1.2 为什么需要 AI 素养框架

随着 AI 工具快速普及，许多人陷入两个极端：要么盲目信任 AI 输出（过度依赖），要么完全排斥 AI（拒绝使用）。4D 框架提供了一个平衡的中间路径，帮助用户既能充分发挥 AI 的价值，又能规避潜在风险。

模块二：Delegation（委托）—— 判断何时使用 AI

2.1 核心问题：这个任务适合交给 AI 吗？

并非所有任务都适合 AI 处理。Delegation 维度帮助你建立判断标准：

  • 适合 AI 的任务特征：信息处理密集、需要大量文本生成、有明确的输入输出、可容忍一定误差
  • 不适合 AI 的任务特征：需要实时物理操作、涉及高风险决策（法律、医疗）、需要个人情感判断、依赖最新实时数据
  • 灰色地带：许多任务可以"人机协作"——AI 生成初稿，人类审核修改

2.2 委托决策框架

做出委托决策时，需要考虑以下因素：

  1. 任务复杂度：AI 更擅长处理结构化和模式化的任务
  2. 容错空间：输出错误的代价有多大？低风险任务更适合委托
  3. 可验证性：你能否轻松验证 AI 输出的正确性？
  4. 效率增益：AI 处理能带来多大的时间和质量提升？

2.3 实践练习

列出你日常工作中的 10 个高频任务，逐一评估其 AI 委托适合度（高/中/低/不适合），并说明原因。这个练习能帮助你建立直觉，快速判断何时该启用 AI。

模块三：Description（描述）—— 有效地向 AI 传达需求

3.1 核心问题：如何让 AI 准确理解你想要什么？

Description 维度关注的是"输入质量"。AI 的输出质量直接取决于你的输入质量——垃圾进，垃圾出。

3.2 有效描述的五要素

  • 目标（What）：明确说明你需要什么样的输出
  • 背景（Why/Context）：提供必要的上下文信息
  • 约束（Constraints）：长度、格式、风格、语言等限制
  • 受众（Who）：输出面向谁？技术人员还是普通用户？
  • 示例（Examples）：提供期望输出的样例

3.3 常见描述错误

  • 过于模糊："帮我写个方案" → 应改为具体说明方案的主题、结构和受众
  • 缺少上下文："总结这份报告" → 应说明总结的目的、重点和长度
  • 假设 AI 知道背景：AI 每次对话从零开始，不要假设它记得之前的内容
  • 一次性倾倒大量需求：复杂任务应拆分为步骤，逐步推进

3.4 迭代改进

与 AI 对话是一个迭代过程：

  1. 给出初始提示词
  2. 评估输出
  3. 识别差距
  4. 调整提示词
  5. 重复直到满意

模块四：Discernment（辨别）—— 评估 AI 输出质量

4.1 核心问题：AI 给出的结果可靠吗？

Discernment 维度培养的是"批判性接收"能力。AI 可能输出看起来很有说服力但实际上错误的内容（幻觉/hallucination），因此需要系统性的质量评估方法。

4.2 AI 幻觉（Hallucination）

大语言模型的一个已知局限是可能生成虚假信息——看似合理但实际不存在的引用、编造的数据、错误的事实陈述。理解这个局限是辨别能力的基础。

4.3 评估清单

  • 事实核查：关键事实和数据是否可验证？来源是否可靠？
  • 逻辑一致性：推理过程是否连贯？结论是否从前提合理推出？
  • 完整性：是否遗漏了重要的视角或信息？
  • 偏见检测：输出是否存在系统性偏见？是否公平对待不同观点？
  • 适用性：输出是否真正符合你的具体需求和场景？

4.4 何时需要额外验证

  • 涉及具体数字、日期、人名等事实性信息时
  • 涉及法律、医疗、财务等专业领域时
  • 输出将被直接发布或用于决策时
  • AI 的回答与你的直觉或已有知识相矛盾时

模块五：Diligence（尽职）—— 负责任地使用 AI

5.1 核心问题：使用 AI 的伦理和安全考量是什么？

Diligence 维度关注 AI 使用的责任感和规范性，确保 AI 的使用不会带来负面影响。

5.2 数据隐私与安全

  • 敏感信息：不要在提示词中输入个人身份信息（PII）、密码、密钥等敏感数据
  • 商业机密：注意企业数据保密政策，了解 AI 工具的数据使用条款
  • 合规要求：遵守行业特定的数据保护法规（如 GDPR、个人信息保护法等）

5.3 透明与归属

  • 披露 AI 使用：在适当场合说明内容是否借助了 AI 生成
  • 避免冒名：不要将 AI 生成的内容冒充为完全原创的人类作品
  • 尊重版权：AI 生成的内容可能无意中借鉴了训练数据中的作品，注意版权风险

5.4 持续学习与适应

AI 技术发展迅速，尽职还意味着：

  • 持续关注 AI 能力和局限性的变化
  • 了解新的最佳实践和行业规范
  • 定期评估和调整自己的 AI 使用方式
  • 参与关于 AI 伦理的讨论和学习

模块六：4D 框架的整合应用

6.1 完整的 AI 协作工作流

  1. D1 - Delegation：评估任务是否适合 AI → 决定委托方式
  2. D2 - Description：构建清晰、结构化的提示词 → 提交给 AI
  3. D3 - Discernment：评估 AI 输出质量 → 迭代优化
  4. D4 - Diligence：确保使用符合伦理和安全规范 → 负责任地应用

6.2 框架的自我评估

可以定期对自己在四个维度上的能力进行评分（1-5 分），识别薄弱环节并有针对性地提升。

适合人群

  • 所有人——无论 AI 新手还是有经验的用户
  • 教育工作者、企业培训师，希望建立 AI 素养教学体系
  • 组织管理者，希望为团队建立 AI 使用规范

前置要求

无需任何前置知识。建议在学习本课程后，继续选修对应行业/角色的 AI 素养专项课程。

本课程由 Anthropic 联合 Joseph Feller 教授与 Rick Dakan 教授共同出品，灵阙学院提供中文导读与知识扩展。完整互动课程请访问 Anthropic Academy。