人工智能流利度：框架与基础

课程简介：本课程基于 Anthropic 的《AI流利度框架》（The AI Fluency Framework），旨在帮助学习者掌握以有效、高效、合乎伦理且安全的方式与AI系统协作的能力。课程围绕四大核心能力（4D）展开：任务委派（Delegation）、指令描述（Description）、甄别评估（Discernment）与尽责使用（Diligence）。

先导课：生成式AI基础与核心术语

1. 什么是生成式AI？

传统AI：侧重分析与判断（如将邮件分类为垃圾邮件或非垃圾邮件）。
生成式AI（Generative AI）：指能够主动创造全新内容（如文本、图像、代码等），而不仅限于分析现有数据的人工智能系统。
推动其发展的三大支柱：
- 算法突破：Transformer架构（2017年）革新了长文本的并行处理与语义关联能力。
- 数据爆炸：互联网内容、代码仓库等海量数字文本为模型训练提供了丰富语料。
- 算力跃升：GPU等高性能芯片使超大规模模型的训练成为现实。

2. 生成式AI的核心工作流程与能力

预训练（Pre-training）：模型从海量文本中学习语言与知识基础的初始训练阶段。
微调（Fine-tuning）：预训练后针对性训练，优化指令遵循、安全性与有用性。
部署应用：用户输入提示词，模型结合训练所学与上下文生成定制化回应。
关键能力：多任务通用适应性、对话上下文理解与连贯性、与外部工具及知识库的集成能力。
当前局限性：
- 知识截止日期（Knowledge Cutoff Date）：训练数据存在时间边界，无法认知截止日期后的事件。
- 幻觉（Hallucination）：AI自信生成看似合理实则错误的内容。
- 上下文窗口（Context Window）限制：单次交互中AI可处理的信息总量（含对话历史与文档）存在上限。
- 复杂推理挑战：在高度逻辑性或精确计算任务中仍存不足。

3. AI流利度（AI Fluency）与人机交互模式

AI流利度指以有效、高效、合乎伦理且安全的方式与AI系统协作的能力。涵盖实用技能、知识体系、洞察力与价值观。

人机交互的三种模式（Human-AI Interaction Modes）：

自动化（Automation）：人类明确指令，AI执行具体任务。
增强（Augmentation）：人与AI作为思维伙伴迭代协作，共同推进任务完成。
代理（Agency）：人类配置AI独立代表自身行动，设定其知识库与行为准则，而非指定每一步操作。

4. 核心技术概念速查

大语言模型（LLMs）：基于海量文本训练、具备语言理解与生成能力的生成式模型。
参数（Parameters）：模型内部决定信息处理与语言关联的数学变量。
神经网络（Neural Networks）：模拟生物神经结构的分层计算系统，通过训练从数据中学习模式。
缩放定律（Scaling Laws）：模型规模、数据量与算力增长带来性能可预测提升；特定阈值下涌现未编程的新能力。
推理/思维模型（Reasoning/Thinking Models）：专为复杂逻辑推理设计的模型，擅长分步解题。
温度（Temperature）：控制输出随机性的参数。“高温”=创意发散，“低温”=稳定聚焦。
检索增强生成（RAG）：连接外部知识库以提升准确性、抑制幻觉的技术。
偏见（Bias）：输出中系统性存在的不公平倾向，常源于训练数据偏差。

第一课：任务委派（Delegation）

核心概念：任务委派，即审慎决策：哪些工作应由人类独立完成，哪些适合交由AI处理，哪些需人机协同推进，并科学分配各项任务。核心目标非“全面自动化”，而是为每项任务构建最优人机协作伙伴关系。

任务委派的三大关键要素

问题意识（Problem Awareness）：引入AI前，清晰界定自身目标与任务本质。
平台意识（Platform Awareness）：深入理解不同AI系统的能力边界与局限性。
任务分配（Task Delegation）：在人类与AI间战略性划分工作，最大化发挥双方优势。

🛠️ 实践练习：项目规划与任务委派（预计耗时：20分钟）

步骤1：选定项目。选择一个中等规模、多步骤的项目（如制作演示文稿、梳理技术现状、构思故事大纲等），总耗时约1小时。
步骤2：明确项目愿景与目标。与AI开启对话，分享项目构想，共同明确项目成功的具体标准。
步骤3：任务分解与委派分析。针对每项任务逐一探讨：
- 哪些环节需人类独特优势（判断、创意、伦理）？
- 哪些环节可高效借助AI能力？
- 制定包含主要任务与委派决策的项目计划并保存。

第二课：指令描述（Description）与提示工程

核心概念：指令描述，即通过有效沟通与AI构建高效协作环境的能力。与AI系统事先进行清晰、结构化的沟通，可显著节省时间、减少返工，并产出更符合预期的高质量成果。

指令描述的三大关键要素

产品描述（Product Description）：明确界定你对输出内容、格式、受众及风格的具体要求。
流程描述（Process Description）：规定AI处理请求的路径与方法，例如提供分步指令引导其推理过程。
行为描述（Performance Description）：定义协作中AI的交互风格与行为模式（如简洁/详尽、挑战式/支持式）。

提示工程（Prompt Engineering）核心概念

思维链提示（Chain-of-Thought）：引导AI分步推理，拆解复杂问题以提升结果质量。
少样本学习（Few-shot Learning）：通过少量输入-输出示例示范期望模式。
角色/人设设定（Persona Definition）：指定AI回复视角（如“以UX专家身份”）。
先思后答法（Think-First Approach）：要求AI先展示推理过程再给出结论。

💡 有效提示工程的6种核心技巧

提供背景信息：明确说明需求目的、使用场景及相关背景信息。
展示“优秀示例”：呈现期望的输出风格或格式范例。
明确输出约束：清晰界定格式、长度、结构等输出要求。
将复杂任务分解为步骤：引导AI按逻辑步骤处理复杂问题。
要求AI先思考：为AI预留“内部推理”空间，提升回答深度。
定义AI的角色与语气：使输出精准契合使用场景与沟通对象。

🌟 制胜法宝：主动邀请AI协助优化你的提示词本身（例如：“我不确定如何措辞，能否协助我设计一个更有效的提示词？”）。

🛠️ 实践练习：不佳提示词改造实战（预计耗时：10分钟）

邀请AI提供若干撰写不佳的提示词，由你运用“产品、流程、行为”三要素进行优化。
角色互换：由你提供不佳提示词，请AI现场优化，观察其补充的关键信息类型与组织逻辑。

第三课：甄别评估（Discernment）

核心概念：甄别评估，即能够审慎且批判性地评估AI产出的内容质量、推理过程与交互表现。它与“指令描述”紧密联动，构成“描述→生成→评估→优化”的持续反馈循环。

甄别评估的三大关键要素

产品甄别（Product Discernment）：检验输出的准确性、适切性、逻辑性与相关性（如检查数据是否真实、表述是否得体）。
流程甄别（Process Discernment）：追溯AI的推理路径，识别逻辑漏洞、注意力偏移或不当的推导步骤。
表现甄别（Performance Discernment）：评估交互中AI的沟通风格与响应方式，判断其是否契合你的使用场景与需求。

🛠️ 实践练习：运用描述-甄别循环执行项目

步骤1：回顾项目计划（调出第一课制定的计划）。
步骤2：规划指令描述策略（明确产品、流程、行为描述）。
步骤3：执行项目（描述→甄别→优化循环）：
- 清晰描述需求。
- 系统甄别评估（内容质量、推理过程、交互行为）。
- 迭代优化（反馈有效与待改进之处，多轮迭代）。
- 注入人类价值（融入专业视角，对内容取舍做出最终决策）。

第四课：尽责使用（Diligence）

核心概念：尽责使用，即对我们如何使用AI、使用AI完成了什么，以及由此产生的影响承担全部责任。它是AI流利度的伦理锚点，确保每一次人机协作经得起专业与道德的双重审视。

尽责使用的三大关键要素

创作尽责（Creation Diligence）：审慎选择AI工具，明晰交互边界，关注数据隐私、安全与伦理风险。
透明尽责（Transparency Diligence）：向所有需知情的相关方坦诚说明AI在工作中的具体角色与贡献范围。
部署尽责（Deployment Diligence）：对所采用或对外分享的AI辅助内容，履行严谨验证、修正与最终担保责任。

🛠️ 实践练习：撰写项目尽责声明（预计耗时：14分钟）

步骤1：理解尽责声明。声明是对AI在创作中角色的透明说明，同时申明你对最终成果的责任承诺。
步骤2：反思你的AI协作。围绕创作、透明、部署三大维度自省。
步骤3：起草专属尽责声明。包含使用的AI系统名称、AI的具体贡献环节、你执行的审核流程、对最终成果的责任申明等。
步骤4：嵌入项目成果。将声明置于项目适当位置（页脚、附录等）。

结语与进阶：整合AI流利度框架

真正的AI流利度源于持续实践，非一蹴而就。AI系统强大却非魔法解方——其价值与安全性，取决于我们如何通过审慎参与来塑造它。

进阶行动指南

构建个人AI使用准则：明确不同场景下启用AI的条件、安全边界、质量管控流程与透明披露机制。
构建个人AI流利度发展计划：自评4D能力熟练度，选择优先发展方向，制定针对性练习时间表。
构建个人提示词与模式库：识别高频任务，开发高成功率的提示词模板，记录有效策略并建立个人知识库。

附录：AI流利度框架课程测验题

问题1：根据AI流利度框架，AI流利度的含义是什么？

[ ] A. 记忆不同AI工具的最佳提示词
[ ] B. 成为AI开发领域的技术专家
[ ] C. 使用AI自动化所有可能的任务
[ ] D. 以有效、高效、合乎伦理且安全的方式与AI协作的能力

问题2：AI流利度框架中的四项核心能力被称为“4D"。以下哪一项正确列出了全部四项？

[ ] A. 设计、指令描述、开发、部署
[ ] B. 任务委派、指令描述、甄别评估、尽责使用
[ ] C. 指导、指令描述、决策、尽责使用
[ ] D. 数据、任务委派、甄别评估、文档记录

问题3：哪项能力主要聚焦于决定哪些工作应由AI完成，哪些应由人类处理？

[ ] A. 甄别评估
[ ] B. 尽责使用
[ ] C. 指令描述
[ ] D. 任务委派

问题4：根据该框架，尽责使用能力的主要焦点是什么？

[ ] A. 负责任的AI使用、透明度和问责制
[ ] B. 评估AI输出的质量
[ ] C. 使AI工作更快、更高效
[ ] D. 为AI系统编写更好的提示词

问题5：以下哪项最准确地描述了任务委派能力中的“问题意识”？

[ ] A. 知道如何编写有效的提示词
[ ] B. 在引入AI前，清晰界定目标并理解所需工作
[ ] C. 评估AI输出的质量
[ ] D. 了解应使用哪个AI平台

问题6：哪项能力聚焦于与AI系统清晰沟通：你想要什么、如何完成以及如何互动？

[ ] A. 尽责使用
[ ] B. 指令描述
[ ] C. 甄别评估
[ ] D. 任务委派

问题7：以下哪项最准确地描述了指令描述能力中的“产品描述”？

[ ] A. 说明针对某项任务应使用哪个AI平台
[ ] B. 对AI生成内容的准确性承担责任
[ ] C. 清晰界定你希望AI创建或提供什么（内容、格式、受众、风格等）
[ ] D. 评估AI输出是否符合你的要求

问题8：哪项能力涉及批判性评估AI的输出、推理过程及交互行为，以确保质量与适当性？

[ ] A. 甄别评估
[ ] B. 任务委派
[ ] C. 指令描述
[ ] D. 尽责使用

问题9：以下哪项最准确地描述了甄别评估能力中的“流程甄别”？

[ ] A. 判断AI生成内容的最终质量
[ ] B. 评估AI的推理过程与问题解决路径是否有效、是否存在逻辑漏洞
[ ] C. 确保关于AI在工作中参与程度的透明度
[ ] D. 决定针对某项任务使用哪个AI系统

问题10：以下哪项最准确地描述了尽责使用能力中的“透明尽责”？

[ ] A. 对需要知情的相关方坦诚说明AI在工作中的具体角色与贡献
[ ] B. 使AI工作尽可能快
[ ] C. 选择可用的最先进AI系统
[ ] D. 确保AI输出在技术上准确

测验题参考答案

D (以有效、高效、合乎伦理且安全的方式与AI协作的能力)
B (任务委派、指令描述、甄别评估、尽责使用)
D (任务委派)
A (负责任的AI使用、透明度和问责制)
B (在引入AI前，清晰界定目标并理解所需工作)
B (指令描述)
C (清晰界定你希望AI创建或提供什么)
A (甄别评估)
B (评估AI的推理过程与问题解决路径是否有效、是否存在逻辑漏洞)
A (对需要知情的相关方坦诚说明AI在工作中的具体角色与贡献)

人工智能流利度：框架与基础 ​

先导课：生成式AI基础与核心术语 ​

1. 什么是生成式AI？ ​

2. 生成式AI的核心工作流程与能力 ​

3. AI流利度（AI Fluency）与人机交互模式 ​

4. 核心技术概念速查 ​

第一课：任务委派（Delegation） ​

任务委派的三大关键要素 ​

🛠️ 实践练习：项目规划与任务委派（预计耗时：20分钟） ​

第二课：指令描述（Description）与提示工程 ​

指令描述的三大关键要素 ​

提示工程（Prompt Engineering）核心概念 ​

💡 有效提示工程的6种核心技巧 ​

🛠️ 实践练习：不佳提示词改造实战（预计耗时：10分钟） ​

第三课：甄别评估（Discernment） ​

甄别评估的三大关键要素 ​

🛠️ 实践练习：运用描述-甄别循环执行项目 ​

第四课：尽责使用（Diligence） ​

尽责使用的三大关键要素 ​

🛠️ 实践练习：撰写项目尽责声明（预计耗时：14分钟） ​

结语与进阶：整合AI流利度框架 ​

进阶行动指南 ​

附录：AI流利度框架课程测验题 ​

测验题参考答案 ​