一、为什么 Anthropic 要做"教 AI"这门课
2026 年 8 月 20 日，Anthropic 在官方博客发布《Anthropic’s approach to teaching and learning AI》，正式宣布推出 Claude Academy——一个面向所有人的 AI 素养学习平台，入口在 academy.claude.com，也可以从 Claude 个人资料菜单的"Learn more"标签进入。公告被归入"产品公告"与"企业 AI"两个栏目，这个分类本身就是态度：教育不是公益宣传，而是产品线。
公告不长（官方标注 5 分钟阅读），但回答了一个此前各家 AI 公司都在回避的问题：模型能力每个月都在跳变，用户的教育该怎么跟？ Anthropic 给出的答案是三层递进：
- 教育的紧迫性来自模型演进速度——每个人都亟需学会安全、有效地使用 AI，这不仅提升个人能力，还影响人们在整个社区与职场中做 AI 采用决策的质量；
- 教育的目标不是让人依赖工具，而是增强学习者的能动性（Agency），围绕他们真正关心的问题来组织内容；
- 教学方式直接外化自 Anthropic 内部——“AI 素养之旅从入职第一天开始”。
第三点是这个公告里最容易被略过、却最值得展开的信号：Anthropic 没有为 Academy 凭空发明一套课程体系，而是把自己员工的培训实践原样搬了出来。
放在本博客的脉络里，这篇公告恰好补上了最后一块拼图：Codex CLI 源码解析和Grok Build 源码解析解剖的是"单兵武器"的构造，Claude Code 初创公司指南回答"组织该怎么变"，而这一篇回答的是更底层的问题——用工具的人，素养该怎么建？
二、四大设计原则：一套"反依赖"的教学法
先看内部实践，它是外部课程的原型：
- 4D AI 素养框架：入职即教，新人从第一天起就按统一框架学习 AI 协作。公告没有展开 4D 的四个字母，按 Anthropic 此前公开的 AI Fluency 课程，它是 Delegation（委托）、Description（描述）、Discernment（甄别）、Diligence（尽责）——恰好覆盖"何时用、怎么讲清需求、如何检验结果、如何负责地收尾"四个动作；
- Ever-boarding（常青式入职）：入职培训不是一次性的，而是持续的、始终在线的进阶学习，覆盖 AI 能力边界与人机协作的证据化实践；
- Claude 驱动的辅助工具：Claude Tag 即时解答公司、岗位、入职相关问题；专门的 Slack 频道由 Claude 审核答疑，覆盖 IT、法务、福利等场景。
把这些内部经验翻译成对外产品时，官方明确列出了四条设计原则。
原则一：AI 教育应增强人类能动性。 课程围绕学习者要解决的问题组织，而不是围绕产品功能组织。这条原则里还埋着一个不太常见的提醒——防止技能萎缩（skill atrophy）：当 AI 接管越来越多的执行层工作，人的核心判断力必须有意识地维护。“教你用工具"的课程反过来提醒你"别把能力用没了”，这是整套教学法里最有人文味的一笔。
原则二：重视心智模式，而非具体技巧。 公告里有两句金句值得抄在本子上：“今天的 AI 是你余生用过的最差 AI”——模型只会更强，押注在某个版本的操作技巧上毫无意义；“验证程度应与风险成正比”——这是比任何提示词模板都长寿的判断框架。功能会过时，旧式提示词技巧已经死了一批，但可迁移的心智模式能长期有效。
原则三：安全有效的使用超越对话本身。 要教的不只是"怎么跟 AI 聊"，还有交互之外的时刻：何时委托 AI、何时保留任务、如何披露 AI 的使用——明确说明 AI 在文档、分析、媒体产出中参与了什么。第三点我们放到案例一节展开。
原则四：学习需要投入。 强调边学边练、反思与实验，而不是收藏了事。官方甚至自我调侃：“今天的 Claude Academy 将是其最僵化的版本”——随着模型能力提升，未来会走向规模化、个性化的互动学习。敢给自己正在发布的产品写这句判词，算是一种罕见的坦诚。
产品侧的配套也值得一记：课程是**模型无关（model-agnostic）**的，不绑死在 Claude 上；支持按兴趣推荐、追踪学习进度与徽章；还可以安装 Claude Academy Skill，由 Claude 根据个人的工作方式推荐学习路径。“不绑模型"看起来像让利，实际是把教育定位成了行业基础设施，而非产品附属品。
三、案例：委托、保留与披露的判断题
“超越对话"这条原则，原文用一组分工案例讲得非常具体。
备忘录怎么分工？ 敏感的部分亲自动笔，汇总性的幻灯片交给 AI。前者涉及组织内部的立场与风险判断，后者是格式化劳动。
数据分析怎么分工？ 让 Claude 做探索性数据分析——广撒网找模式、出假设；最终核查自己做——数字进决策文档前的最后一道关，不能外包。
法务用例最有意思。 课程教你用 Claude 处理法务任务的同时，会引导你反思哪些任务应该保留给自己。“用工具"回答怎么用，“建素养"回答该不该用——后者才是这门课的核心动作。
还有一组"技巧过时"的活标本：过去要手动向 AI 描述受众——“这段话是写给法务同事的”；现在 Claude 会主动追问受众是谁、要达成什么。具体技巧的半衰期越来越短，而"先想清楚写给谁、要什么结果"的思维模式毫发无损。这与 Claude Code 指南里"Skills 承载组织隐性知识"的判断互为镜像：组织层把经验沉淀成可复用文件，个人层把经验沉淀成心智模式，两件事对抗的是同一种熵——经验的流失。
最后是 AI 的另一个身份——学习加速器。看不懂的概念可以让 Claude 画图解释，可以做苏格拉底式对话逼自己把论点说圆。AI 既是学习对象，也是学习任何主题的放大器：学 AI 的最佳方式，就是用 AI 去学。
四、总结：素养 > 技巧
把整篇公告压成三句话：
第一，行业正在从"提示词工程"走向"心智模式培养”。 当模型能主动追问、主动澄清，背诵技巧的边际收益趋近于零，判断力（委托什么、验证多少、披露什么）成为新的稀缺品。这与"人人皆可交付"的组织变革是同一枚硬币的两面——组织要建 Skills 治理，个人要建心智模式。
第二，内部先行是最诚实的产品策略。 让自己的员工当第一批学员，教学法在真实工作流里被检验过再外化，比直接造一个课程平台可信得多。Ever-boarding 这种"永远在读"的设计，本质上是承认 AI 素养没有毕业一说。
第三，AI 使用披露可能成为职场标配。 官方把"披露 AI 参与"写进教育原则，预示着未来文档、分析、媒体的产出都会默认标注 AI 参与度。这会先从头部公司的内部规范开始，再变成行业惯例。对团队管理者，现在就可以抄三件作业：把 AI 素养写进入职流程（不必非用 Anthropic 的课）；建立"委托前判断"清单——这件事的判断力归谁；在团队协作规范里加一条 AI 披露条款。
留一个争议点：skill atrophy 的警示听起来人文关怀，但边界在哪——哪些能力必须人工维护，哪些可以放心交出去，公告没有给答案。这条线每个团队、每个人都得自己画，而"怎么画这条线”，恰恰又是一种需要练习的判断力。
课程入口在 academy.claude.com，每门课、教程、用例都开放反馈，官方也坦承"仍有很多工作要做”。至于这门课值不值——按他们自己的逻辑，评判标准不该是"学到了多少技巧”，而是"半年后你还记得哪些判断"。
「真诚赞赏，手留余香」
爱折腾的工程师
真诚赞赏，手留余香
使用微信扫描二维码完成支付
