EP01. "AI Fluency 框架基础：4D 框架与人机协作全流程"

• Anthropic 官方在 academy.claude.com 开了一整套「AI Fluency」课程，这一篇是三门课里的第一门：AI Fluency: Framework & Foundations，14 节课 + 1 个测验，官方标注约 4 小时
• 整门课只讲一件事：怎么系统性地跟 AI 协作，官方定义是「以有效（effective）、高效（efficient）、符合伦理（ethical）、安全（safe）的方式跟 AI 协作」，缩写成 4 个 D——Delegation（判断丢什么给 AI）、Description（把话说清楚）、Discernment（挑毛病）、Diligence（负责任）
• 课程先讲三种人机协作模式（Automation / Augmentation / Agency），再讲生成式 AI 的底层原理，最后逐一拆解 4D，中间穿插一个「自己挑一个项目、跟着 4D 走一遍」的实操作业，贯穿整门课
• 前置知识：不需要，官方定位是给完全没接触过 AI 协作框架的人看的入门课，建议边学边开一个免费的 claude.ai 账号跟着练习

重点内容

为什么需要 AI Fluency

课程一开始就把「AI Fluency」跟「会用某个 AI 工具」区分开：工具会一直变，但底层的协作能力可以一直沿用。官方把这套能力定义为「帮助你以有效、高效、符合伦理、安全的方式跟 AI 系统互动的实用技能、知识、洞察和价值观」。

课程接着提出三种跟 AI 协作的模式，之后所有 4D 内容都会套用在这三种模式上：

flowchart TD
    subgraph S1["🤖 Automation 自动化"]
        direction TB
        N1["AI 独立执行具体任务<br/>你下指令，它照做完成"]
    end
    subgraph S2["🤝 Augmentation 增强"]
        direction TB
        N2["人跟 AI 是协作伙伴<br/>一起做创意思考、共同完成任务"]
    end
    subgraph S3["🧭 Agency 代理"]
        direction TB
        N3["你设定并配置 AI 独立运作<br/>塑造它的行为模式和知识范围，不只是下单次指令"]
    end

4D 框架总览

课程用一张表把四个核心能力讲清楚：

课程用三个虚构场景（写营销邮件的沟通项目、分析数据集的研究项目、设计故事角色的创作项目）反复演练这四个能力怎么串起来用，而不是抽象地背定义。

Deep Dive：生成式 AI 是什么、能做什么不能做什么

课程安排了两节课，从「这东西到底是什么」讲到「它的能力边界在哪」：

生成式 AI 的技术底子：靠 Transformer 架构（关键算法突破）+ 大规模训练数据 + 算力堆出来的。学习分两个阶段——预训练（pretraining，从海量文本里学模式）和微调（fine-tuning，教它怎么听懂指令、怎么当一个助手）。还有个概念叫涌现能力（emergent capabilities）：规模做大之后，会冒出一些训练时没特意设计的能力。

能力清单：

• 内容生成——写新文字/图片/代码，不只是分析已有资料
• 任务通用性——不用额外训练就能处理很多种语言类任务
• 对话连贯——多轮聊下来还能接得上
• 工具整合——能接外部系统扩展功能

局限清单：

• 知识截止日期（knowledge cutoff）——训练数据有个时间点，之后发生的事它不知道
• 幻觉（hallucination）——一本正经地编出「事实上不对」的内容
• 上下文窗口限制——一次能处理的文字量是有上限的
• 推理短板——复杂逻辑题容易出错

Delegation：怎么判断该丢给 AI 做的事

Delegation 不是「能自动化的都自动化」，而是「找出人跟 AI 最合适的分工方式」。课程拆成三个组成部分：

实操作业（贯穿全课）：课程在这里让你挑一个「中等规模、多步骤、大概一小时能做完、你真的感兴趣」的项目，官方给了四类建议：

• 沟通类：做简报、写说明性文章、写提案、写个人简介
• 研究类：总结科技趋势、分析数据集、比较产品、做历史调查
• 创作类：写故事大纲、设计网站结构、构思产品概念
• 学习类：制定技能学习计划、整理资源清单、写教程

选好项目后，跟 Claude 对话确认「成功长什么样」「这件事对你的意义」，再逐一拆解任务、对每个任务问「需要什么技能、人的优势在哪、AI 的优势在哪、怎么协作」，最后把这份分工计划记下来，后面的 Description/Discernment/Diligence 课程都会回来用这份计划。

Description：怎么把话跟 AI 说清楚

Description 的核心是「跟 AI 沟通，建立一个有生产力的协作环境」——不是单纯写一句 prompt，AI 不会读心，所以话要讲明白。课程拆成三层：

Deep Dive：六个提示技巧

紧接着 Description，课程单独用一节讲「Prompt Engineering」——官方定义是「设计给 AI 系统的有效指令，把熟悉的人类沟通原则跟 AI 特有的考量结合起来」。六个技巧：

1. 提供上下文（Provide Context）——把你的需求、理由、相关背景讲清楚
2. 给出范例（Demonstrate Examples）——示范你要的格式和风格长什么样
3. 设定明确限制（Set Clear Constraints）——格式、长度等输出规格直接写明
4. 拆解复杂任务（Structure Complex Tasks）——多步骤项目拆成顺序阶段，引导 AI 的推理路径
5. 启用推理（Enable Reasoning）——请 AI 先把思考过程走一遍，再给答案
6. 设定角色/语气（Establish Role/Tone）——指定 AI 用什么身份、什么语气跟你说话

Discernment：怎么评估 AI 的输出

Discernment 是 Description 的另一半——Description 负责把话讲清楚，Discernment 负责判断 AI 的回应有没有真的满足需求。官方原话：「Discernment 是你有意识地评估 AI 产出了什么、它是怎么产出的、它表现得怎么样」。同样拆成三层，跟 Description 对应：

Description-Discernment 循环：这两个能力不是各自用一次就完了，课程把它们串成一个可以反复跑的循环，套用到前面 Delegation 阶段定下的项目上：

1. 回顾 Delegation 阶段定的项目计划，重新确认哪些任务该人做、哪些该 AI 做
2. 针对每个任务，先用 Product / Process / Performance 三个维度把要求讲清楚（Describe）
3. 拿到 AI 的产出后，同样用三个维度评估（Discern）
4. 根据评估结果调整、重新描述（Refine）
5. 把自己的专业判断整合进最终决定（Integrate）

官方总结：这套循环产出的结果，能超过「人自己做」或「AI 自己做」任何一方单独能做到的水平。

Diligence：负责任地使用 AI

Diligence 是 4D 里的伦理和安全维度——前面三个 D 都在讲怎么把事情做好、做快，Diligence 讲的是怎么做得负责任。三个组成部分：

学完你会

结课视频把整套框架重新过一遍，核心结论：

• ✅ 熟练不是一蹴而就的，是靠反复练习堆出来的
• ✅ 不管 AI 多强，人的判断力始终是协作的地基
• ✅ 清楚的沟通（Description）能把「你想要的」跟「AI 能做的」接上
• ✅ 批判性评估（Discernment）在系统还有局限的前提下是必要的
• ✅ 负责任的透明披露（Diligence）能让协作走得长远
• ✅ 最好的结果来自「人和 AI 各自发挥所长、互相搭建」，而不是谁取代谁
• ✅ 这套框架的价值在于：就算底层模型一直在变，这套协作能力还能一直用

常见错误

• ❌ 丢一句笼统的「帮我写封邮件」给 AI 就期待满意结果——没有分别讲清楚 Product（要什么）/ Process（怎么做）/ Performance（什么语气），等于让 AI 自己瞎猜
• ❌ 把 AI 给的答案直接照抄照用，没做 Product / Process / Performance 三层检查——等于把该由你负的判断责任，全部转嫁给一个没有责任能力的系统
• ❌ 用 AI 帮忙做完的工作，不跟任何相关人说一声——Diligence 里的 Transparency 要求你按场合（个人/学术/职场）适当披露 AI 参与的程度
• 💡 拿到一个任务先别急着丢给 AI，先做 Problem Awareness（这件事到底要什么）和 Platform Awareness（这个 AI 系统擅长什么、不擅长什么），再决定怎么分工——Delegation 排在 4D 第一位不是偶然

Sources

官方文档：

1. AI Fluency: Framework & Foundations（课程总览）— https://academy.claude.com/courses/ai-fluency-framework-foundations
2. Introduction to AI Fluency — https://academy.claude.com/courses/ai-fluency-framework-foundations/introduction-to-ai-fluency
3. Why do we need AI Fluency? — https://academy.claude.com/courses/ai-fluency-framework-foundations/why-do-we-need-ai-fluency
4. The 4D Framework — https://academy.claude.com/courses/ai-fluency-framework-foundations/the-4d-framework
5. Generative AI fundamentals — https://academy.claude.com/courses/ai-fluency-framework-foundations/generative-ai-fundamentals
6. Capabilities & limitations — https://academy.claude.com/courses/ai-fluency-framework-foundations/capabilities-limitations
7. A closer look at Delegation — https://academy.claude.com/courses/ai-fluency-framework-foundations/a-closer-look-at-delegation
8. Project planning and Delegation — https://academy.claude.com/courses/ai-fluency-framework-foundations/project-planning-and-delegation
9. A closer look at Description — https://academy.claude.com/courses/ai-fluency-framework-foundations/a-closer-look-at-description
10. Effective prompting techniques — https://academy.claude.com/courses/ai-fluency-framework-foundations/effective-prompting-techniques
11. A closer look at Discernment — https://academy.claude.com/courses/ai-fluency-framework-foundations/a-closer-look-at-discernment
12. The Description-Discernment loop — https://academy.claude.com/courses/ai-fluency-framework-foundations/the-description-discernment-loop
13. A closer look at Diligence — https://academy.claude.com/courses/ai-fluency-framework-foundations/a-closer-look-at-diligence
14. Conclusion — https://academy.claude.com/courses/ai-fluency-framework-foundations/conclusion