AIPress.com.cn報道

Anthropic 發布了一份基于 2026 年數據的教育報告，分析了近萬次對話，揭示了人們使用 Claude 的真實水平。

為了量化"AI熟練度"，研究團隊使用了一套包含24種行為指標的框架，其中11種可以直接從對話中觀察到。團隊分析了2026年1月一周內Claude.ai上的9830段多輪對話，逐一判斷這些行為是否出現，最終形成了一個AI熟練度基準指數。

核心發現一：多聊幾輪的人，水平遠超一問一答的人

85.7%的對話表現出了"迭代和優化"的特征，也就是用戶不會拿到第一個回答就結束，而是繼續追問和調整。這些對話平均比一問一答的對話多展現2.67種熟練度行為，大約是后者的兩倍。差距在評估環節尤其明顯：有迭代的對話中，用戶質疑AI推理的概率是無迭代對話的5.6倍，發現信息遺漏的概率是4倍。

簡單說，愿意跟AI多聊幾輪的人，才是真正在和AI協作，而不是把它當搜索引擎用。

核心發現二：AI產出越精致，人越不愿挑毛病

12.3%的對話涉及代碼、文檔、交互工具等實際產出。在這類對話中，用戶前期引導AI的積極性明顯更高，比如主動明確目標、指定格式、提供示例。但到了審查環節，表現反而更差：識別遺漏信息的概率低了5.2個百分點，核實事實低了3.7個百分點，質疑推理邏輯低了3.1個百分點。

可能的原因是AI產出看起來太完整了，用戶覺得既然成品像模像樣，就沒必要再深究。但問題在于，越復雜的任務AI越容易出錯，而這些任務的產出往往看起來最專業。

研究團隊基于數據給出了三條改進方向。第一，別拿到第一個答案就走，繼續追問和調整。第二，越是看著完美的輸出越要多審視，停下來問一句"這個真的對嗎"。第三，在對話開頭就設定協作規則，數據顯示只有30%的用戶會這么做，比如告訴AI"如果我的假設有問題請直接指出來"或者"先帶我走一遍你的推理過程"。

團隊也坦承了幾個局限：樣本偏向早期采用者，只有一周數據，只覆蓋Claude.ai平臺，24種行為只評估了11種可觀察的，而且行為分類比較粗糙。用戶可能在腦子里做了很多評估但沒在對話中表達出來，這一點在有實際產出的場景中尤其明顯。

未來Anthropic計劃做新老用戶對比分析，用定性方法評估對話外的行為，并探索因果關系，比如鼓勵多輪迭代是否真的能提升批判性思維。