EP02. "AI Fluency for Creative Work：给创作者的 4D 框架实战"

首页 › AI 工具 › Claude · AI Fluency Collections · EP02

约 18 分钟· #EP02#Claude#AI Fluency Collections

🔒 登录后可标记已读

这门课的起手式跟其他 AI Fluency 分支课都不一样：默认起点是「不用 AI」，先把自己的创作实践和价值讲清楚，再用课程给的分析工具决定「要不要用、怎么用」——拒绝用 AI 和决定用 AI，只要是分析出来的结论，都算合格答案
Anthropic Academy「AI Fluency」系列面向创作者（插画师、写作者、设计师等）的专属课程，8 节课 + 1 测验，约 5 小时，把通用课的 4D 框架重新套进「怎么保住作品是自己的」这个创作者最在意的问题
全程围绕作者自己提出的「本课要处理的五个顾虑」展开：真实性焦虑（用了 AI 还算不算自己的作品）、依赖、只做到「过得去」而非「够好」、AI 味疲劳与被连坐、创作价值被贬低的感觉
前置知识：适合已经在做创作、正在纠结要不要用 AI 或已经在用但心里没底的人，不是零基础 AI 入门课

重点内容

起点：先描述实践，再决定要不要用 AI

课程反复强调一句话：「课程真正的工作，发生在写 prompt 之前；等你动手写 prompt 的时候，重要的决定其实已经做完了。」 也就是说，这门课几乎不教怎么写 prompt，教的是写 prompt 之前该想清楚的判断。

第一节课要求写一份「起点快照」（Starting Position Snapshot），三件事：

老实写下自己现在对 AI 的真实态度（不用修饰）
五个顾虑里哪一个最有共鸣，背后具体在怕什么
用一句话写下这门课想达到的目标

💡 结课时会回头对照这份快照，看立场有没有变、变了多少——这份快照不是交差用的，是给自己留的对照组。

Creative Value Lens：创作价值三个维度

课程给创作价值拆出三个维度，用来判断「AI 一旦介入，作品还是不是我的」：

flowchart TD
    subgraph S1["🎨 Expression 表达"]
        direction TB
        N1["作品带给观众的体验<br/>观众看/读/听完的感受"]
    end
    subgraph S2["🤝 Connection 连接"]
        direction TB
        N2["作品在创作者和观众之间<br/>建立的关系或纽带"]
    end
    subgraph S3["✨ Distinctiveness 独特性"]
        direction TB
        N3["这件作品跟所有其他作品<br/>不一样的地方"]
    end

📌 「真实性」（authenticity）这个问题拆开看其实是两件事：一是作品里实际藏着哪些创作决定，二是观众怎么解读、感受到这些决定。真实性跟 Connection（连接） 维度关系最直接——AI 有没有动手，观众感受到的「这是不是在跟一个真人对话」的那种连接感受影响最大。

三个维度不是各自独立打分就完事，它们会互相拉扯：往「表达效果」使劲，可能牺牲「独特性」；一旦让 AI 介入创作过程，三个维度会同时跟着变，不是只动其中一个。

实操练习：拿自己的一件作品，分别给 Expression / Connection / Distinctiveness 打分，每个分数都要讲出具体理由（针对这件作品本身，不是泛泛而谈）；再找出一个「自己看重的创作价值」跟「观众/市场看重的价值」对不上的地方；最后练习讲清楚一个取舍场景——为了拉高一个维度，牺牲了另一个维度。

Production Lens：技术不是减少成本，是重新分配成本

第二个透镜看的不是「作品好不好」，是「做这件作品要付出什么代价」，拆成三块基础成本：Time（时间）、Effort（精力）、Resources（资源），再加一个「Technological Complexity（技术复杂度）」描述技术怎么作用在这三块成本上。

📌 核心一句话：「技术很少只是单纯降低成本，它是在重新分配成本。」 用 AI 之后，省下来的往往是「动手执行」的力气，但精力会往「想清楚要什么、判断产出好不好」这两件事上转移——也就是说 AI 没有让创作变轻松，是把功夫从「做」挪到了「想」和「挑」。

另一层含义：当基础产出的门槛被 AI 拉低（人人都能生成一张过得去的图），能把作品分辨出来的，就只剩前面 Creative Value Lens 那三个维度了——门槛越低，差异化越靠价值层面而不是执行层面。

实操练习（Production Lens Audit）：挑一个真实项目，按实际阶段拆开，每个阶段记录 Time/Effort/Resources 成本；套一个 AI 工具进这个流程，逐阶段标出这个工具「降低了什么、抬高了什么、转移了什么、又新增了什么成本」；最后判断这些新增/转移的成本，划不划算。

4D 框架依然是 Inner Loop / Outer Loop 结构

跟 04_AI Fluency Collections/EP01（Builders 那门课）一样，这门课也把 4D 拆成两个循环，套的场景换成了创作：

循环	包含	在创作场景里管什么
Inner loop（内圈）	Description + Discernment	把自己的创作实践讲清楚、定出评判产出好坏的标准
Outer loop（外圈）	Delegation + Diligence	决定这个环节该不该交给 AI、交出去之后谁负责

课程用「Maya 做一本迷你漫画」的案例走一遍六个关键节点，让学习者认出每个节点用到的是哪个能力、两个循环怎么嵌套运作。

Inner Loop 落地：用 Product / Process / Performance 描述自己的创作实践

Description 和 Discernment 在这门课里不是描述一个任务，是描述整个创作实践，同样拆三层：

层面	在描述什么
Product	做出来的东西本身长什么样
Process	怎么做出来的——方法、步骤、习惯
Performance	工作时的行为模式——节奏、习惯、跟素材互动的方式

📌 核心一句话：「AI 没办法服务一个你自己都没讲清楚的实践，你也没办法拿一套自己都没讲明白的标准去评判产出。」

Process 这一层的标准是按「步骤」定的——这样才能具体判断 AI 在某一步的介入，到底是帮了忙还是帮倒忙，不是笼统地问「这次用 AI 好不好」。Performance（工作时的行为模式）是三层里因为 AI 介入变化最大的一层，会随时间持续被 AI 重塑。

实操练习（Practice Articulation Workbook）：把自己的创作实践在三层都写成文字描述；标准要写到「换一个同行拿去套一件不熟悉的作品也能用」的清晰程度；拿自己过去的旧作品去验证这套标准，看它是不是真的能分出「合格」和「出色」的差别。

Outer Loop 落地：Delegation 三步 + Diligence 三查

Delegation（决定分工）三个组成部分：

Problem Awareness（问题意识）——先想清楚自己实际要解决的问题，再去挑工具
Platform Awareness（平台意识）——先搞懂工具的能力边界，再决定把什么工作交给它
Task Delegation（任务分工）——把合适的工作实际分给 AI

Diligence（负责任）三道检查：

Creation（创建时）——核实 AI 产出的质量
Transparency（透明）——确保「AI 参与了多少」这件事讲清楚
Deployment（发布前）——拿作品去对照自己的标准，确认达标才放出去

📌 「Problem Awareness 排第一：先弄清楚自己到底在解决什么问题，再伸手去拿工具」——跟 EP01（Builders）里 Delegation 排第一位是同一个逻辑。

三个常见的坑：

Convergence（趋同）——长期风险，大家都用同一批工具，作品风格趋同、创作多样性变少
Skill atrophy（技能退化）——长期风险，长期依赖 AI，自己动手的能力慢慢生疏
Unclear intent（意图不清）——眼前的风险，还没想清楚要什么就先丢给 AI

实操练习（Decision Memo）：挑一个真实项目，假设完全不用 AI 做为起点，用整套框架走一遍分析，判断有没有证据支持改用 AI，最后写成一页纸的决定备忘录。

5 种 AI 角色：分工决定之后，AI 到底扮演什么

Delegation 决定做完之后，会落到 5 种具体的角色，分界线是「AI 生成的内容，会不会出现在观众最终看到的成品里」：

flowchart TD
    A["AI 生成的内容<br/>会出现在最终成品里吗"] --> B{不会出现}
    A --> C{会出现}
    B --> S1
    C --> S2

    subgraph S1["🙅 不出现在成品里"]
        direction TB
        M1["No AI 完全不用<br/>Consultant 顾问：AI 给建议，人来做决定<br/>Tool Builder 工具搭建者：AI 帮忙搭建创作用的工具/基础设施"]
    end
    subgraph S2["👁️ 出现在成品里"]
        direction TB
        M2["Co-Creator 共同创作者：AI 生成的内容<br/>跟人做的部分一起出现在成品里<br/>Medium 媒介：AI 就是这件作品主要的生成方式"]
    end

📌 每种角色对应不一样的「Diligence 检查标准」——比如 Medium 角色（AI 是主要生成方式）需要的透明披露程度，跟 Consultant 角色（只是给建议、人来拍板）完全不是一回事，不能用同一套标准套所有角色。

实操练习：诚实画出自己实际的创作流程里，AI 各个触点分别落在哪个角色；再练习判断角色之间的边界什么情况下会变模糊（比如 Consultant 给的建议其实已经很接近直接生成内容）。

Putting it together：写一份自己的 AI 使用政策

结课练习是把前面几节课的产出全部整合成一份「个人 AI 使用政策」（Personal AI Use Policy），一份会持续更新的活文档，包含：

角色定义：不同创作模式/任务下，AI 分别扮演哪个角色
披露承诺：对哪些人披露、披露到什么程度
修订触发条件：写清楚什么情况发生时要回头重新审视这份政策
压力测试：拿三个真实场景去测试这份政策站不站得住
正式签署：确认这份政策，完成整个流程

📌 「AI 该怎么用，没有一个放诸四海皆准的立场——这件事是按『工作模式』和『具体任务』这个颗粒度分别决定的。」另一句提醒：「一份没有设修订触发条件的政策，会在不知不觉中过时。」

常见错误

❌ 还没想清楚自己的创作实践和评判标准，就先纠结「这个项目该不该用 AI」——Description/Discernment（Inner Loop）没做完，Delegation 的判断根本没有依据
❌ 把「真实性」简单等同于「有没有手动画/手动写」，忽略了观众怎么感受到这件事（Connection 维度）才是关键，不是有没有 AI 参与这个二元问题
❌ 以为用了 AI 就等于省事，没意识到省下来的执行成本，其实转移成了「想清楚要什么」和「挑出好坏」这两件更费脑的事（Production Lens 的核心提醒）
❌ 不管扮演的是 Consultant 还是 Medium 角色，披露/核实标准都用同一套，没有意识到不同角色对应不同的 Diligence 要求
💡 政策写完不代表结束——没写清楚「什么情况要回头修」，这份政策迟早会脱离实际创作状况

Sources

官方文档：

AI Fluency for Creative Work（课程总览）— https://academy.claude.com/courses/ai-fluency-for-creative-work
Welcome to AI Fluency for creative work — https://academy.claude.com/courses/ai-fluency-for-creative-work/welcome-to-ai-fluency-for-creative-work
The creative value lens — https://academy.claude.com/courses/ai-fluency-for-creative-work/the-creative-value-lens
The production lens — https://academy.claude.com/courses/ai-fluency-for-creative-work/the-production-lens
The 4D Framework — https://academy.claude.com/courses/ai-fluency-for-creative-work/the-4d-framework
Description and Discernment — https://academy.claude.com/courses/ai-fluency-for-creative-work/description-and-discernment
Delegation and Diligence — https://academy.claude.com/courses/ai-fluency-for-creative-work/delegation-and-diligence
AI roles as Delegation outcomes — https://academy.claude.com/courses/ai-fluency-for-creative-work/ai-roles-as-delegation-outcomes
Putting it all together — https://academy.claude.com/courses/ai-fluency-for-creative-work/putting-it-all-together