OpenAI 发布了 Australian Youth Safety Blueprint，将更安全、同时能支持青少年自主使用 AI 的体验，描述为一份六大支柱的路线图。对开发团队来说，值得追问的不只是“要不要加一道过滤器”，而是：产品在年龄不确定、出现求助信号或涉及个人信息时，究竟会做出什么决定？
从路线图到可检查的行为
现有摘要没有列出六大支柱的具体内容，因此不能把某套工程措施说成蓝图的官方要求。可以把它当作一次产品检查的起点：逐个梳理青少年可能遇到的输入、系统给出的响应，以及需要交由人处理的情况。
例如，一个面向青少年的 AI 服务至少要能回答三个具体问题：不知道用户年龄时如何处理高风险请求？用户似乎正在求助时，系统如何避免给出危险指导？涉及联系方式等个人信息时，哪些内容可以被处理、保存或展示？这些问题横跨交互设计、模型响应和服务端逻辑，单靠提示词很难兜住。
一个可运行的最小路由示例
下面是演示性实现，不代表蓝图的支柱或官方策略。它只展示如何把“需要支持”“暂缓处理”“允许继续”分成明确的服务端结果。将代码保存为 youth_safety_demo.py，用 python youth_safety_demo.py 运行；接入真实产品前，应替换关键词规则，并按适用地区的要求审查年龄信息和个人数据的处理方式。
import json
def route(message, age=None):
text = message.lower()
distress_terms = ("我想伤害自己", "i want to hurt myself")
contact_terms = ("手机号", "phone number")
if any(term in text for term in distress_terms):
return {
"action": "support",
"reply": "如果你正处于危险中，请立即联系当地紧急服务，或找一位可信赖的成年人陪你寻求帮助。"
}
if type(age) is not int or age < 0:
return {"action": "review", "reason": "age_unknown"}
if age < 18 and any(term in text for term in contact_terms):
return {"action": "review", "reason": "minor_contact_info"}
return {"action": "continue"}
cases = [
{"message": "我想伤害自己", "age": 16},
{"message": "请帮我公开手机号", "age": 15},
{"message": "帮我解释这道数学题", "age": None},
]
for case in cases:
print(json.dumps(route(**case), ensure_ascii=False))
示例刻意只输出路由结果，不打印原始消息。这里的 review 只是“暂停自动继续处理”的占位状态；实际产品还需要定义谁来复核、多久响应，以及复核人员能看到哪些数据。关键词匹配也会漏报和误报，不能充当可靠的危机识别、年龄核验或内容审核系统。
上线前检查的是整条链路
可以这样实践：用不含真实青少年个人信息的测试样本，覆盖正常学习求助、年龄未知、个人信息和紧急求助等场景；检查每条路径的回复、数据留存和人工升级机制。再明确监护、隐私与当地法规要求由谁负责确认。
安全设计也有取舍：过度拦截会妨碍正当学习和求助，拦截不足则可能让风险进入自动回复链路。蓝图适合作为持续评估的方向，而具体产品是否安全，仍取决于可测试的行为、清楚的责任边界和上线后的复盘。