很多面向孩子的 AI 课程，第一节就开始教提示词公式：角色、任务、背景、格式。这个方法当然有用，但如果课程到这里就停下来，孩子学到的仍然只是“怎样让模型更像一个熟练的回答者”。
真正困难的问题在后面：
• 它的回答依据是什么？
• 引用的来源真的存在吗？
• 来源是否支持它刚才的结论？
• 资料没有覆盖的部分，模型有没有自己补全？
• 关闭 AI 以后，孩子能否复述自己的判断？
这也是我在设计“AI 原生一代：儿童 AI 素养”课程时，刻意把“提示词技巧”放到后面，把输入、输出、验证和责任放到前面的原因。
生成式模型输出的不是数据库查询结果
搜索系统和生成式模型都会给出一段看起来像答案的内容，但两者的生成路径并不相同。
传统检索系统的基本任务，是从已有文档中召回与查询相关的内容，再完成排序和展示。虽然搜索结果同样可能低质量或过时，但用户至少可以打开原始页面，判断作者、时间和上下文。
生成式模型的核心任务，则是在当前上下文中预测后续更可能出现的内容。它可以把分散的信息组织成流畅的说明，也可能在缺少证据时继续生成一个形式完整、语气自信的句子。
因此，“回答得像不像”与“结论能不能被证据支持”是两个不同的评价维度。对于还在建立知识结构的孩子，尤其不能把流畅度当成正确性的替代品。
一个十分钟的三次提问实验
课程里有一个很简单的家庭实验。选择一个不涉及隐私、能够找到可靠资料的常识问题，例如：
为什么傍晚的天空有时会变红？
然后连续做三次提问。
第一次：直接提问
只把原问题交给模型，记录回答。此时不要急着评价对错，先观察它是否给出了机制解释、精确数字、人物引语或来源。
第二次：要求标出不确定性和来源
在问题后面增加要求：
请区分可以确认的内容和仍不确定的内容，并为关键结论提供可以打开的来源。没有可靠来源时直接说明不知道。
这一步不是为了证明模型“更聪明”，而是观察它是否具备稳定的证据意识。现实中经常会出现一种情况：模型列出了几个看似规范的来源，但页面不存在，或者页面存在却没有支持对应结论。
所以，列出来源不等于完成验证。
第三次：先给资料，再限定证据边界
家长和孩子先找到一份可靠资料，把与问题相关的段落交给模型，再要求：
只根据下面的资料回答。每个结论标明对应的资料位置；资料没有说明的内容写“不知道”，不要补充常识。
第三次提问引入了一个重要概念：证据边界。模型可以帮助整理给定资料，但不能因为一句话“听起来合理”就越过资料覆盖范围。
从提示词升级为五段式流水线
把上面的实验抽象一下，可以得到一条适合家庭学习任务的简化流水线。
1. 定义问题
先让孩子说明：我到底想知道什么？这个问题的范围是什么？怎样的结果才算完成？
如果问题本身含糊，后续无论使用搜索还是生成式 AI，都只会更快地产生大量无法评价的内容。
2. 约束输入
输入不能包含姓名、学校、住址、精确位置、账号、私人聊天和可识别照片。需要分析作业时，可以先删除身份信息，只保留完成任务所必需的内容。
3. 标记高风险输出
让孩子在回答中圈出四类句子：精确数字、真实引语、人物或机构经历，以及医疗、法律、财务、安全等高影响建议。
这些内容并不一定错误，但一旦出错，影响更大，也更值得优先核验。
4. 回到原始来源
核验至少包含三个动作：询问来源、打开原文、寻找第二个相互独立的来源。仅仅让模型“再检查一次”，仍然是在同一个生成系统内部循环，不能替代外部证据。
5. 保留失败状态和人的结论
工程系统需要明确的失败状态，学习过程也一样。资料不足时，允许孩子写：
目前资料不足，我还不能确认。
这句话比一个勉强完整的答案更有价值。最终还要让孩子关闭 AI，用自己的话说明已经确认了什么、仍然不知道什么，以及下一步准备怎样查证。
怎样评价孩子的完成质量
如果只给最终答案打分，孩子很容易把“让 AI 生成更漂亮的文字”当成目标。更合适的评价对象，是整个过程留下的证据：
环节 ｜ 可检查的产物
问题定义 ｜ 一句话任务目标与完成标准
输入约束 ｜ 已删除的敏感信息清单
输出检查 ｜ 被标记的高风险断言
来源核验 ｜ 原文链接、支持范围与第二来源
独立判断 ｜ 不依赖 AI 的最终结论与不确定项
这套方法不会保证孩子每次都得到正确答案。它真正训练的是：当工具可能出错时，仍然知道自己该做什么。
AI 素养的分界线不是“会不会用”
孩子很快就会掌握新的对话框、新的生成功能和新的提示词模板。工具界面会不断变化，具体技巧的保质期很短。
更稳定的能力是：能否定义问题，能否识别回答中的风险，能否回到证据，能否保护隐私，能否在信息不足时停止，以及能否对最后的判断承担责任。
这也是儿童 AI 教育应该留下的“慢变量”。
我正在试运行一套面向 8—14 岁孩子和家长的四周实践课。第一周的任务不是背提示词，而是完成“三次提问”和“AI 错误侦探”两个实验。完整任务与集中答疑放在知识星球“芝士AI吃鱼”：
https://wx.zsxq.com/group/88888881284242
参加时请不要上传孩子的姓名、学校、住址、正脸、私人聊天、账号或联系方式。我们只讨论去标识化的问题、验证过程和结论。
