「AI 的最终归宿是卖课程」，过去只是一句玩笑话。但如今，连 Claude 官方也亲自下场开展培训了。

Anthropic 在本周推出了 Claude Frontier Academy，计划自行培训工程师，并通过实际操作考核，颁发带有 Claude 标识的技能认证。

按照 Anthropic 的说法，他们承诺投入 1 亿美元，目标是在 2027 年底前培训出 1 万名工程师，并将沿用自家工程师的能力标准。

让 AI 帮忙修改一封邮件，与利用它构建一个同事能放心使用的工具，是两种不同的能力要求。然而，现在填写简历技能栏时，两人都可以写上“熟练使用 AI”。（不过，你的“熟练”和我的“熟练”可能大相径庭。）

这份认证，如何获取

这套培训计划沿用 Anthropic 自己的工程师能力标准。学员需要完成真实项目，通过考核后才能获得认证。

Anthropic 希望将学习、实践和认证三者串联起来。对于打算将 AI 作为职业技能来学习的人，这门课程列出了具体的训练和考核要求。

该项目目前采用组织提名制，主要面向企业客户和合作伙伴。首批学员来自埃森哲、贝恩、德勤、摩根士丹利等机构。

课程已在旧金山、纽约和伦敦启动。想要报名，需要由所在公司联系 Anthropic 的客户团队或合作伙伴经理。

入选者需要具备软件工程基础，曾使用大模型开发过项目，并帮助过他人使用 AI。有智能体开发经验并非硬性要求。但在提名时，必须明确回到公司后负责哪个 Claude 项目。

Academy 的首个项目借鉴了医生的培养模式：跟随前辈实践，接触真实案例，然后接受考核。

根据项目官网的安排，学员先参加为期 4 天的线下集训。Anthropic 工程师和授权讲师会带领小班授课，同学来自不同公司。

前三天，学员要为一家模拟企业搭建 Claude 系统。从接收需求、进行安全审查，到最终交付，完整走一遍流程。

官网列出的能力要求包括开发和判断：先筛选出值得解决的问题，然后利用公司的系统和数据将其实现。通过安全审查后，还要教会同事使用。

第四天会更换一个新场景，进行实操考核。通过后，学员将获得 Claude Resident Engineer 徽章。

接着，学员回到自己的组织，用 12 周时间负责此前选定的真实项目。遇到问题时，可以获得 Anthropic 工程师的支持，也能与同期学员交流。

最后还需要再次考核。只有通过的人，才能获得 Claude Frontier Deployed Engineer 徽章。首批最终认证预计在 2027 年初颁发。

对于没有开发经验的读者，这里推荐另一个面向所有人的 Claude Academy。它更适合入门学习，并且公开课程是免费的，可以自行学习。

AI 做出来了，如何证明我也会

如果 AI 能帮人完成作业，那么考试时如何判断学生真正学到了什么？

在今年 1 月公布的一项研究中，Anthropic 邀请了 52 名以初级工程师为主的开发者，让他们学习不熟悉的 Python 工具库 Trio。

一组可以使用 AI 辅助写代码，另一组则自己写。任务结束后，研究者立即安排了测验。

AI 组的平均成绩为 50%，手写组为 67%。两组差距最大的是查找错误的题目。AI 组完成任务稍快，但时间差异在统计上并不显著。

研究者还发现，那些会追问原因、要求解释的参与者，测验表现通常更好。

例如，学习 Excel 时，让 AI 写一条公式，复制粘贴后表格就计算出了结果。但当同事多加一列、出现几个空值时，你还知道该修改哪里吗？

过去练习快速排序、KMP 算法、红黑树时，人需要亲手写代码并反复调试。现在，也可以将 AI 生成的代码作为练习材料：让它解释某一步为什么这么写，然后自己换一组输入，看看哪里会出问题。

前两天，AI 研究者 Andrej Karpathy 在 X 上谈到一个变化：未来，我们会花更多时间理解语言模型输出的结果。

他建议让模型将内容转化为图解、可交互的网页，甚至专门生成一段讲解视频。

学习排序算法时，可以让 AI 制作一个能逐步播放的小动画。每次交换两个数字时暂停一下，自己判断下一步。

Google 在 9 月 17 日公布了一项学习交互研究。教师可以用 AI 生成带引导的模拟练习。

行星轨道、加速度、原子结构，都可以变成操作练习。图源：Google Research。

在官方演示中，学生调节小车的加速度和发动机工作时间，然后运行模拟，观察小车的运动情况。另一项练习将正负数放在数轴上，让红蓝两辆车停在对称的位置。

这套设计会逐步增加难度，并提供提示和反馈。

Google 已放出 30 多个英文练习，主要面向中学生。它还计划开展课堂研究，看看学生实际学到了多少。

其实，我们在准备工作汇报时，也可以尝试这种练习方式：让 AI 扮演追问细节的同事。哪里答不上来，就回去检查材料。

出面试题的人，也在重新思考如何考核。

Anthropic 在今年 1 月的一次招聘复盘中，介绍过一道这样的作业：应聘者需要优化一段运行在模拟加速器上的程序。这道作业明确允许使用 AI。

彩色区块表示指令在不同执行单元上的排布，供应聘者寻找优化空间。图源：Anthropic。

出题人原本想看应聘者如何理解系统、寻找性能瓶颈。后来，Claude Opus 4.5 在一次带有人类提示的尝试中，用 2 小时达到了接近该时限内最佳人类的成绩。那名应聘者也大量使用了 Claude。

继续提高分数线，又会面临一个尴尬局面：应聘者最划算的选择，可能变成坐着等模型干活。（推进工作最大的瓶颈就是我自己，hhh)

出题人后来换了一种考法，让候选人面对更陌生的指令和限制。调试工具没有预先备好，是自己打印信息，还是让 AI 帮忙做工具，都需要做出选择。

Frontier Academy 将真实项目和两次实操考核纳入了认证路径。学员换一个场景，还能否完成任务；回到自己的项目，能否解决之前解决不了的问题？

其他厂商也在尝试为 AI 技能设置认证。Google Cloud 在 2025 年 5 月推出的生成式 AI 认证，就面向经理、策略人员等非技术人群。

OpenAI 在 2025 年 12 月推出首批认证课程，也提出让学员通过后续课程和实操项目，取得完整认证。Coursera、ETS 和 Pearson 旗下的 Credly 参与其中。

如果这些课程和考核未来能被更多公司认可，求职者也会更清楚该学什么、练到哪一步。到了面试时，求职者也能拿出更具体的学习和实践记录，而不只是在简历上填一句“熟练使用 AI”。

本文来自微信公众号，作者：发布明日产品的APPSO，36氪经授权发布。