AI Fluency 第 8 课：细看 Discernment 甄别

视频 · Anthropic · AI Fluency 5:23

描述的反面：评估你拿回来的东西，到底有没有满足需求

导读

深入第三项能力：甄别，也就是你的 AI 协作「质量控制系统」，批判性地评估 AI 的产出、过程与表现。

甄别是描述的反面：描述是把需求说清，甄别是判断拿回来的东西到底合不合需求，需要领域专业 + 对 AI 工作方式（含其典型短板）的理解。最直接的是「产品甄别」：判断产出的准确性与价值，事实对吗？连贯吗？符合要求吗？真的解决了问题吗？

「过程甄别」：评估它「怎么得到结果」的，留意逻辑错误、注意力涣散、钻牛角尖、循环推理，比如几轮讨论后它又把你否掉的点重新塞回来。「表现甄别」：评估它在干活时「与你互动得好不好」，问得太多还是太简略？响应你的反馈吗？互动高效吗？三者合起来构成甄别能力。

“If description is about clearly communicating what you want, discernment is about deciding whether what you get back actually meets your needs.”

甄别不止于评估，还要给反馈来改进后续产出：指出问题是什么、为什么是问题、给出具体改进建议、修订你的指令或示例。换句话说，当甄别发现问题，更好的「描述」往往就是解药。

但并非总是如此：有时你得重新想「委派」决策，因为可能用错了工具，或整个解题路径就不对。描述与甄别构成持续的「指令—评估」循环，是驱动质量的核心。练好甄别，就能确保 AI 协作始终由人的判断把舵。

“When discernment flags a problem, better description is often the solution. But this isn’t always the case.”

作者 · Anthropic · AI Fluency

本页为 GoodVibe 对原文的中文整理，著作权归原作者所有；建议点击上方链接阅读原文全文。