Anthropic 推出 AI 流暢度指數：生成的程式碼越好看，人反而越懶得核對

很多人用 AI 都有個習慣：只要模型吐出來的程式碼能跑、排版好看，就預設它全對，順手直接複製走。

Anthropic 最近公佈了一份「AI 流暢度指數」，用真憑實據揭穿了這個偷懶的小習慣。他們和兩位學者合作，把安全高效用 AI 的動作拆解成了 24 種行為，並從 2026 年 1 月的 Claude 對話裡抽出了 9830 場多輪互動做分析。

結果發現，大家雖然越來越會使喚 AI，但模型一旦交出一份賣相極佳的成果，人類的批判力就會瞬間掉線。

東西越好看，人類越容易閉眼簽字

這份報告裡最有趣的反差，出在「生成產物」的場景上。在樣本中，有 12.3% 的對話涉及寫程式碼、做文件或生成互動工具這類具體產物。

在這些對話裡，使用者在前期特別有指導欲。比如明確任務目標的比例高了 14.7 個百分點，規定輸出格式的高了 14.5 個百分點，給 AI 舉例子的也高了 13.4 個百分點。

但奇怪的是，一旦 Claude 把東西漂亮地交出來，大家反而不愛動腦了。指出缺失上下文的比例下降了 5.2 個百分點，核查事實的下降了 3.7 個百分點，要求模型解釋背後邏輯的也少了 3.1 個百分點。

說白了，人容易被表面的工整唬住。只要介面順眼、程式碼像模像樣，大家就預設 AI 已經把活幹好了，根本懶得再去追問推導過程。

多聊兩輪，用 AI 的水平直接翻倍

另一個關鍵發現是，多輪迭代幾乎是 AI 熟練度的分水嶺。在分析的樣本里，有 85.7% 的對話都包含了多輪修改，而不是問完一句就走。

只要使用者願意追問和修改，對話裡展現出的熟練行為平均有 2.67 個，足足是非迭代對話的兩倍。更誇張的是，願意多聊幾輪的人，質疑模型推理邏輯的機率直接暴增了 5.6 倍，發現漏掉背景資訊的機率也高了 4 倍。

不過，絕大多數人還沒學會怎麼給 AI 立規矩。資料顯示，只有 30% 的對話會提前規定協作方式，比如要求 AI 在假設錯誤時主動反駁，或者在給答案前先講推理過程。

當然這項研究也有侷限。資料只抓了 1 月份單單一週圍繞 Claude.ai 的對話，樣本天然偏向嚐鮮者；而且很多程式設計師可能把程式碼複製到本地跑測試了，這些離線驗證在對話方塊里根本看不到。

為什麼重要

對普通使用者和開發者來說，這份報告算是一記及時的警鐘。現在前沿模型的表面包裝能力極強，但它邏輯最容易翻車的恰恰是複雜任務。如果你現在日常依賴 AI 敲程式碼、出方案，最該改掉的毛病就是看到漂亮答案立刻放行。在 Prompt 里加上一句讓它陳述不確定點或推導邏輯，花兩分鐘追問一次，就能排掉絕大部分暗坑。

對整個行業而言，這指出了下一代人機互動的重點。以往大家只盯著模型會不會寫程式碼，但現在競爭正在轉向模型能不能主動挑刺。Anthropic 借這個指數在暗示，光會順從使用者的 AI 不是好工具，能引導人類思考的 AI 才是。

我們認為 Anthropic 這一步走得相當聰明。它沒在跑分榜上繼續卷引數，而是試圖給怎麼衡量 AI 協作水平立一套行業標準。不過隱患在於，把評估侷限在聊天框內很容易失真。現實中最好的使用方式往往是把 AI 嵌在現有工作流裡，人類真正在意的是終稿質量，而不是在網頁框裡跟機器人客套多少句。