8 月 21 日，Anthropic 推出 Claude Academy——一套面向全球用户的 AI 教学体系，素材来自其内部员工培训方法，核心是 4D AI Fluency Framework（4D AI 素养框架）与持续学习项目。它的主张很明确：以问题为中心、培养思维模式，而不是死记操作步骤。换句话说，培训 AI 素养不是教「点哪个按钮」，而是教「遇到问题时怎么用 AI 拆解解决」。
🧩 本教程适合：想给团队做 AI 落地培训的管理者、培训负责人与个人学习者。我们把官方理念转成一套可直接照做的「四维落地法」。
先搞懂：为什么「教操作」教不出 AI 素养
传统软件培训教「功能清单」，但 AI 的能力边界每天都在变——今天学的快捷键明天可能就过时。Claude Academy 的思路是反过来：先有问题意识，再学工具，思维模式比操作细节更耐用：
| 传统培训 | Claude Academy 式培训 |
|---|---|
| 教功能：这个按钮能做什么 | 教提问：这个问题怎么拆给 AI |
| 记步骤：按顺序操作 | 建思维：判断该不该用 AI、用在哪一步 |
| 以工具为中心 | 以问题为中心 |
| 学会即过时 | 能力可迁移到新工具 |
别用「说明书思维」做 AI 培训：AI 工具迭代太快，教具体操作三个月就废。要教的是「识别 AI 能解决的问题 → 有效表达 → 验证结果 → 迭代改进」的底层能力。
Step 1：四维落地法——从「认识」到「体系」
1 官方理念转成的四个实践维度
维度一：识别（Recognize）
· 哪些工作适合 AI？
· 重复、有规律、信息量大
· 需要初稿再人工精修
· 哪些不适合？
· 强责任、强情感、强合规
· 练习：给团队一张「任务清单」，
让他们逐个判断
「AI 参与度 0-100%」
维度二：表达（Express）
· 把任务讲清楚
· 背景 + 目标 + 约束 + 交付物
· 把问题拆细
· 大任务 → 可执行子任务
· 练习：每人把自己本周
最烦的重复任务
写成「AI 指令模板」
维度三：验证（Verify）
· 结果不盲信
· 关键数据要核源
· 高风险输出要人审
· 练习：给一个带错的
AI 输出，让学员挑错
维度四：迭代（Iterate）
· 一次不行就调
· 改指令、换工具、加例子
· 复盘沉淀
· 把成功的指令存成
团队技能库
· 练习：同一任务用
三种方式各跑一遍，
对比结果选最优💡 四个维度正好对应《反馈闭环》的工程实践：识别=定义问题、表达=输入质量、验证=输出检查、迭代=持续改进。方法论在个人与工程层面是相通的。
Step 2：诊断团队 AI 素养现状
2 先摸底，再定培训方案
诊断四步：
1. 能力自评问卷
· 用过哪些 AI 工具？
· 每周使用频率？
· 自评四维能力
（识别/表达/验证/迭代）
各打 1-5 分
2. 实操摸底
· 每人完成 2 个真实小任务：
「用 AI 整理这份材料」
「用 AI 分析这段数据」
· 观察：指令质量、
结果判断、失败处理
3. 场景盘点
· 收集各部门真实重复任务
· 按「价值×频率」排序，
挑高频高价值场景做培训素材
4. 分层分组
· 新手组：从识别与表达练起
· 进阶组：验证与迭代、多 Agent
· 管理者组：场景判断与
边界治理
输出：一份「团队 AI 素养
四维雷达图」，作为培训基线别让诊断变成考核：摸底是为了因材施教，不是排名淘汰。结果只用于分班与内容定制，减少员工的防御心理。
Step 3：设计「问题中心」的培训内容
3 用真实任务当教材
课程结构（建议 4 周）：
每周 1 个维度 + 1 个真实任务
Week 1 识别：
· 素材：本部门 20 个真实任务
· 练习：判断 AI 参与度，
选 3 个最适合自动化的
· 产出：个人「AI 任务清单」
Week 2 表达：
· 素材：上周选的任务
· 练习：写指令 → 互评 →
精修（背景/目标/约束/交付）
· 产出：个人指令模板库
（后续沉淀成
《Agent Skills》
风格的标准技能）
Week 3 验证：
· 素材：AI 输出样例
（含故意埋的错误）
· 练习：挑错 → 找证据 →
讨论验证方法
· 产出：团队「验证检查清单」
Week 4 迭代：
· 素材：真实工作流
· 练习：全程跑通 + 复盘改进
· 产出：可复用的团队工作流
原则：教材全用真实任务，
不造虚拟案例——学了就能用💡 把培训产出变成「团队资产」：指令模板、验证清单、工作流都存入共享知识库，培训结束不是结束，而是资产沉淀的开始。可参考《FDE 混编团队》的组织级落地打法。
Step 4：用 AI 做「陪练」——培训中的实战
4 让 AI 当陪练对象与教练
陪练模式一：AI 当对象
· 学员直接对 AI 下达任务
· 从 AI 的反应反推
自己的表达哪里不清楚
· 教练点评：指令质量、
追问技巧
陪练模式二：AI 当对手
· 让 AI 扮演「刁钻客户」
「不同意见同事」
· 练习沟通与拆解
· 适合管理者与客服团队
陪练模式三：AI 当教练
· 用 AI 生成个性化练习题
（按学员薄弱维度出题）
· 用 AI 批改并给出改进建议
· 生成四维能力报告
实操要点：
· 陪练任务要用沙盒/测试账号
（避免误操作真实数据，
参考
《沙箱安全》）
· 培训环境放开试错，
真实环境收紧权限陪练不等于裸奔：培训中的 AI 使用也要有边界——用测试数据、限权限账号、避免真实客户信息。安全意识要从培训第一天就建立。
Step 5：建立持续学习机制
5 培训是一次性的，素养是持续的
持续学习四件套：
1. 每周「AI 一刻」
· 15 分钟分享：
这周 AI 帮我搞定了什么
· 轮流主持，氛围轻松
2. 月度实战赛
· 出一道真实业务题
· 各小组用 AI 完成
· 评「效率最高」「质量最好」
「迭代最妙」
3. 案例库共建
· 成功案例 + 翻车案例
都收录（脱敏后）
· 翻车案例更有教学价值：
讲清楚「哪里错了、
怎么改对的」
4. 工具雷达
· 每月盘点新工具/新能力
· 快速验证「值不值得学」
· 保持四维能力的
「工具无关性」
与
《录屏蒸馏技能》
结合：把「高手操作录屏」
转成团队可复用技能，
持续学习就有了载体💡 持续学习的关键是「低门槛高频」：15 分钟分享比半天培训更有用。让 AI 用得好的员工当「内部教练」，比外聘讲师更接地气。
Step 6：度量与迭代——培训效果怎么算
6 用数据证明培训值得
度量指标（按月看）：
1. 使用率
· 周活跃使用人数/部门人数
· 人均每周 AI 任务数
2. 效率指标
· 典型任务耗时变化
· 返工率变化
3. 素养指标
· 四维能力复测得分
· 指令一次通过率
4. 业务指标
· 沉淀的模板/技能/工作流数量
· 被团队复用的比例
迭代动作：
· 每月复盘一次数据
· 哪一维提升慢，
下月重点练哪一维
· 与《Agent 可观测性》
思路一致：
先建基线，再优化，再对比
· 安全合规底线参照
《CISO 四问法》
记住：培训的目标不是
「人人会用 AI」，
而是「问题来了，
团队知道怎么用 AI 解决」别为了指标而指标：使用率上去了但业务没变，说明培训没转化为生产力。重点看「典型任务的耗时与质量变化」，而不是登录次数。
常见问题速查
| 你遇到的现象 | 大概率原因 & 解决 |
|---|---|
| 培训完大家还是不用 | 缺真实场景激励：把培训任务绑定实际工作，用「省下的时间」说话 |
| 只会套模板、不会变通 | 表达维度练少了：加「改写指令」「多方式对比」练习，培养灵活性 |
| AI 输出错了没人发现 | 验证维度薄弱：训练「挑错找证据」，建立团队验证检查清单 |
| 管理层不重视 | 缺业务数据：用典型任务耗时对比，把培训收益翻译成管理语言 |
| 担心培训内容过时 | 四维框架与工具无关：重点练思维模式，工具更新只做「雷达扫描」即可 |