OpenAI 与 AARP 正计划在美国 10 个城市为 1,000 名老年人提供免费的 ChatGPT 线下实践工作坊。这个项目值得关注的地方，不只是教会参与者使用一个聊天工具，而是尝试解决更实际的问题：怎样把 AI 用在日常任务中，同时保护隐私、识别错误并避开诈骗。
来源摘要没有披露具体课程安排。下面结合这一目标，给出一套可以在家庭、社区中心或数字技能课堂中采用的实践方法。
不要从功能列表开始，要从生活任务开始
对第一次接触生成式 AI 的人来说，解释模型、参数和提示词工程往往收效有限。更容易建立信心的方式，是选择一个真实且低风险的任务，让参与者立即看到结果。
适合作为入门练习的场景包括：
- 把一段复杂的通知改写成通俗语言；
- 根据冰箱里已有的食材生成晚餐建议；
- 起草一封礼貌的预约邮件；
- 制定旅行打包清单；
- 为手机或电脑操作生成分步骤说明；
- 整理准备咨询医生的问题，但不让 AI 代替医生诊断。
例如，可以直接复制下面的提示词，并替换方括号中的内容：
请帮助我完成下面的任务：
[描述你的任务]
我的具体情况：
[补充必要背景，但不要填写身份证号、银行卡号、密码、病历编号或家庭住址]
请按以下方式回答：
1. 使用简单、清楚的语言；
2. 每一步单独编号；
3. 如果信息不足，先向我提问；
4. 标出需要我向专业人士或官方机构核实的内容。
这类模板的价值在于把三个习惯放进同一次练习：说明目标、限制输出形式，以及主动要求模型暴露不确定性。
会提问只是第一步，还要学会核验
ChatGPT 可以生成流畅的回答，但流畅不等于准确。面向老年人的培训不应只演示成功案例，也应该安排一次“故意找错”的练习。
可以让参与者遵循下面的核验流程：
- 先判断风险等级。 菜谱建议和生日贺词风险较低；医疗、财务、法律和账户安全属于高风险领域。
- 要求说明不确定性。 继续追问：哪些内容可能过时？哪些结论需要外部确认？
- 寻找独立来源。 涉及福利、税务、医疗或银行政策时，以政府、医院、银行等机构的官方信息为准。
- 让真人做最终决定。 AI 可以帮助整理问题和比较选项，不应替用户批准转账、修改药量或签署法律文件。
一个实用的二次核验提示词是：
请重新检查刚才的回答，并列出：
- 你最不确定的三点；
- 可能已经过时的信息；
- 我应该向哪些官方机构或专业人士确认；
- 在确认之前，我不应该采取哪些行动。
这里的重点不是让模型给自己“盖章”，而是帮助使用者发现需要继续验证的位置。
在发送消息前，先做一次隐私检查
老年人常常会在求助时提供完整背景，这有助于真人理解问题，却可能导致姓名、电话号码、电子邮箱或账户编号被一并粘贴到聊天窗口中。培训者应反复强调：只提供完成任务必需的信息，并优先使用占位符。
下面这个 Python 小工具可以在本地检查文本中的电子邮箱、电话号码和较长数字编号。它只使用 Python 标准库，不会把文本发送到网络。
将代码保存为 privacy_check.py：
import re
patterns = {
'EMAIL': r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b',
'PHONE': r'(?<!\d)(?:\+?\d[\d ()-]{7,}\d)(?!\d)',
'LONG_NUMBER': r'(?<!\d)\d{8,}(?!\d)',
}
text = input('Paste the text you plan to send to AI:\n')
cleaned = text
for label, pattern in patterns.items():
cleaned = re.sub(pattern, f'[{label}_REMOVED]', cleaned)
print('\nReview this redacted version before sending:\n')
print(cleaned)
在安装了 Python 3 的电脑上运行：
python privacy_check.py
粘贴准备发送给 AI 的文字后，程序会把常见敏感字段替换成占位符。这个脚本只是辅助检查，无法可靠识别人名、家庭住址、病历内容或所有格式的账号，因此仍需要人工阅读。
不熟悉命令行的参与者也可以采用纸面检查表：发送前圈出姓名、地址、电话、电子邮箱、密码、验证码、银行卡信息和医疗编号，然后删除不必要的内容。
把防诈骗训练放进每一次练习
生成式 AI 的安全使用不能脱离现实中的诈骗风险。一个清晰的原则是：聊天机器人给出的文字，不应成为立即付款、透露验证码或安装远程控制软件的理由。
遇到自称银行、政府机构、技术支持人员或亲属的紧急消息时，可以执行“停、查、问”三步：
- 停： 不点击链接，不回拨消息中的号码，不立刻转账；
- 查： 从银行卡背面、官方账单或机构官网寻找独立联系方式；
- 问： 联系可信赖的家人、工作人员或相关机构核实。
还要注意，不能把疑似诈骗消息直接连同其中的真实账户信息全部交给 AI。可以先删除个人信息，再请 AI 帮助分析其中的催促、威胁、异常付款方式等风险信号。
组织工作坊时应检查什么
这类项目能否真正降低使用门槛，取决于参与者离开课堂后是否还能独立重复操作。社区组织或家庭可以参考下面的清单：
- 每位参与者至少完成一个与自己生活相关的任务；
- 练习如何继续追问，而不只是提交一次问题；
- 明确哪些信息不能输入聊天工具；
- 演示一次错误回答，并完成外部核验；
- 覆盖医疗、财务、法律和诈骗场景的边界；
- 提供大字号纸质提示卡和课后练习；
- 为没有智能手机、网络不稳定或存在视听障碍的人准备替代方案；
- 不用“学会所有功能”衡量成效，而看参与者能否安全完成一项真实任务。
OpenAI 与 AARP 的合作把重点放在免费、面对面的实践上，这为缩小 AI 使用差距提供了一种具体路径。但工作坊最重要的成果不应是让更多人无条件相信 AI，而是让参与者形成稳定习惯：清楚描述需求、少交出个人信息、对高风险答案进行核验，并在必要时向真人求助。