我理解技术，也理解治理。我相信两者的交汇处，藏着解决真实社会问题的机会。

这篇案例记录了我如何使用 AI 编码工具，将工信部的适老化设计规范”翻译”成一个可自动运行的代码检测 Skill。它不是一个宏大的工程，但它展示了一种可能：当社会政策遇到技术执行时，有人可以做那个”翻译者”。

如果你关心技术如何真正服务于人，或者好奇 AI 向善如何落地为具体的代码，这篇内容或许对你有价值。

一、技术不该让老年人掉队

老龄化社会对技术应用的建设提出了什么样的新要求？

国家统计局2026年最新数据显示，我国已正式进入深度老龄化社会，60岁及以上人口突破3.31亿，占总人口23.4%；65岁及以上人口达2.58亿，占比18.3%，老龄化程度持续加深。与此同时，数字化进程席卷生产生活的各个环节，数字化技术应用也成为老年人继续参与社会活动无法回避的渠道。在很多场景中，技术应用不再只是选项之一，而是成为了唯一渠道——你必须能够使用这些应用，才能参与这些普遍性的日常活动。

大量老年人被数字化进程推着往前走：付款要扫码，导航要用 App，打车也得用 App。而他们在使用这些本应是普惠性应用的产品时，面临方方面面的挑战。仅从应用的设计层面来看：

• 字体小、排版密，看不清；

• 操作流程繁琐、层级深，找不到想要的功能；

• 大量弹窗广告、诱导链接，误操作的可能性极高。

技术从来不是中性的。技术最终的实现形式承载了创造者的思考和选择：当它不照顾老年人的需求时，它就在无形中把一部分人排除在外，为参与社会生活构建了本不该存在的门槛。

适老化设计，是技术主动选择“向善”的一条路径。问题是：政策已经给出了方向，但谁来负责架桥？

二、Gap 在哪里：政策有了，工具在哪？

工信部于 2021 年出台了《互联网网站适老化通用设计规范》和《移动互联网应用（APP）适老化通用设计规范》，通过信息无障碍标识的收益、企业信用评价加分等手段，鼓励社会机构积极参与互联网应用适老化改造及无障碍改造工作。两套规范里都给出了非常具体的建议，从字体大小到对比度、点击区域尺寸等等，每一条都有明确可衡量的数值。

但“治理语言”要落地为“技术语言”——中间有一道鸿沟。

构成这道鸿沟的原因有客观因素（不知道政策存在），也有主观意愿（缺乏执行动力）。开发团队面对几十条规范条款，只能靠人工逐条对照代码，效率低、容易遗漏，也不利于在更广泛的层面推广规范的落地。

我的出发点很简单：降低这套规范的使用门槛，做一个“治理语言”和“技术语言”之间的翻译，让更多的应用能用、好用。

这不是什么宏大的社会工程，就是一个具体的、可被技术解决的问题。而这个鸿沟，就是我决定去做的事情。

三、我的实践思路

选择工具：为什么是Skill？

在构思如何解决这个问题时，最终产品的成果形式选择非常关键：形式必须易用，要随手就能调用，不需要复杂的安装配置，才能被广泛使用。我想到了 Skill。

Skill 是什么？简单理解，一个 Skill 把一套既定的流程固化下来，成为可以稳定、反复使用的工具。在编码工具中，只需要一个指令即可调用，自动完成大量重复性的工作。

伴随着生成式 AI 的崛起，大量开发团队开始使用 AI 辅助编码工具，Skills 技能生态也成了一个社区热点。大量开发者通过 vibecoding 制作 Skill，并通过 GitHub 等平台共享，只需一行代码即可完成安装和使用，完全契合我期望的使用方式。

定义核心能力边界：做什么，不做什么？

确定了产品形态后，我开始着手定义这个 Skill 的核心能力边界：

• 做什么：对工程代码进行分析，检查应用是否符合适老化设计规范。

• 怎么做：根据工信部的两份适老化规范，逐项分析代码；为每一项检查结果给出评定，为每一个问题项给出修改建议并支持自动调整，将最终结果输出为一份报告。

• 约束：评判标准必须从两份规范中来，不允许根据其他条件来判断。

• 输出形式：HTML 格式的报告。HTML 适合人阅读，检测报告的受众是开发者本人，可读性优先。

• 怎么触发：支持关键词自动触发和手动 @ 调用。

• 工作流程：判断项目类型（移动端或网页端）→ 匹配对应的设计规范 → 逐项检查代码 → 汇总所有检查内容，形成 HTML 报告 → 为每个问题项给出修改意见，支持简单问题的自动调整。

执行：与AI的写作过程

完成大框架

在明确了这些内容后，我依次让AI做了这些事：

第一步：梳理规范条款

将工信部两份适老化应用规范中的具体条款原文，按照章节与检查内容梳理成 Markdown 文件，保留原文中的具体指标（如字体大小、组件尺寸等）。

第二步：设计Skill框架

我将已经基本成型的对 Skill 核心能力的思考告诉 AI，让它根据这些信息开发一个 Skill。AI 阅读了已经整理好的规范条款，对每一类项目的检查项进行了细化，并补充了每类检查内容的具体检测方法和判定标准。此外，针对我提出的“形成 HTML 格式报告”的要求，由于我没有提供约束性的输出报告框架，AI 在思考过程中为自己起草了一个报告框架。所有的检测内容和报告格式在 SKILL.md 中均有完整呈现。

AI 完成 Skill 设计后，我立即用之前开发的小程序源代码完成了第一轮测试，能够正常运行并完成整个流程。输出的报告在没有精细调整的情况下，也基本能够满足使用要求。

第三步：测试、重复测试、细节调整

和所有 vibecoding 项目一样，大框架完成后的精细调整才是最耗费精力的阶段。在这个阶段，我的要求不再是“基本能用就行”，而是“如果我是用户，我希望这个工具能为我提供什么样的信息”。为了达到这个目标，我通过多轮对话反复测试、检查结果、修改 SKILL，直到最终成果满足我认为可以上线的标准。

所幸这个 Skill 涉及的工作流本身并不复杂，因此主要的细节调整工作聚焦在输出报告的格式优化和可读性上：

1. 报告的总体结构——要求报告分为三部分，层层递进。第一部分是总览，汇总关键数据（检测模块数、总检查项、通过/不通过/待确认数量、合规率）并提供评估摘要；第二部分针对每个检测模块给出分模块结果统计；第三部分是逐项检查清单，包括每个检查项对应的规范条款、代码中的问题描述、具体位置及修改建议，并标注可自动修复的问题。
2. 报告样式——配色风格简洁大方，不要有太多的图标。

关于向善的几个具体决策

在这个设计过程中，有几个具体的决策值得单独列出：

• 诚实优先：有些规范条款无法自动判断（如“操作流程是否与常规认知一致”），我选择标记为“待确认”，交给人工判断。让 AI 承认自己的能力边界，比让 AI 假装全能更负责任。

• 安全优先：自动修复功能只修改样式数值，不改业务逻辑；每次修改后提示用户验证。善不仅是对使用产品的人负责，也是对使用这个工具的人负责。

• 透明优先：报告中的每个问题都标注了规范条款编号和代码行号，让用户知道“问题在哪儿、依据是什么、该怎么改”。用户需要理解 AI 的结论，而不是盲目信任它。

AI 向善不是抽象的道德宣言，而是在每一个具体的设计决策中体现。

四、项目成果：一个可用的“政策翻译”产物

Elderly-UI-Audit SKILL目前已发布在GitHub：

https://github.com/XuYuting133/elderly-ui-audit

成果概览：

• 覆盖 7 个检测模块、28 项检查点

• 支持 Web 和移动端两个平台

• 输出可直接在浏览器中打开的 HTML 报告

• 部分样式问题支持一键自动修复

输出报告的示例如下：

五、从实践到方法论：我对这次AI向善实践的思考

整个过程中，我无不为 AI 的能力感到惊讶：在我没有明确给出报告框架时，它能够自己设计出一个基本可行的报告结构；在我仅提供两份规范的基础上，AI 为每一个具体的检查项设计了完整的检查方法和评判标准。我有理由相信，未来 AI 的能力会比现在更强。

那么在这个过程中，我的角色是什么呢？

1. 对“向善”愿景的定义：所有的执行都起源于愿景——一个产品要先有向善的价值观，才能有好的成果。AI 向善的前提是，人类必须先想清楚“什么是善”，并将它用对地方。善的意图是人类给的，而 AI 可以用它的能力负责放大影响力。

2. 对“善的意图”的翻译：政策制定者出台适老化设计规范，这是“善的意图”的呈现。而我所做的，是将这个意图翻译成 AI 可执行的指令：明确代码检查的工作流，确定每个检查项的具体检测方法与评判标准。这样 AI 就可以利用它的能力，通过自动化检查与报告输出，推动这套规范的落地和应用。

3. 对目标群体真实需求的把握：别忘记，虽然落实设计规范的受益群体是老年人，但这个 Skill 本身的直接使用者是开发技术人员，他们同样也是这个成果的目标受众。他们的需求要如何被照顾到——这就是为什么我反复调整和优化输出报告的结构，从一个报告读者的角度提供可读性层面的反馈。

4. “善”的前提是过程透明：在对输出报告格式的优化中，我反复要求 AI 为报告里识别的每条问题都标注规范条款编号和代码行号，让用户知道“问题在哪儿、依据是什么、该怎么改”。善的前提是透明。用户需要理解 AI 的结论，而不是盲目信任它。

AI 向善不是抽象的道德宣言，而是在每一个具体的设计决策中体现。

回顾整个实践链路：

"让老年人用起来方便"（价值观）
        ↓
"字体不小于18dp、对比度不低于4.5:1"（规范）
        ↓
"扫描CSS文件中的font-size和color属性"（AI可执行的指令）
        ↓
"在这行代码里发现字体只有14px，建议改成18px以上"（AI的输出）

六、结语

我理解技术，也理解治理。在适老化这件事上，我想做的是：把社会对老年人的关怀，翻译成 AI 能执行的代码。

这是我理解的“AI 向善”：不是让 AI 变得善良，而是让 AI 去执行人类已经定义好的善良。 我们不能脱离人来谈论“善”，也同样不能交由 AI 全程托管“善”的过程。

适老化只是一个起点。同样的方法论可以迁移到无障碍设计、教育公平、医疗可及等更多领域——任何“社会需求”和“技术执行”之间存在翻译缺口的地方，都值得用同样的方式去弥合。“AI 向善”不代表把“善”外包给 AI：相反，我们更需要积极参与，通过设计细节的把握、对设计方向的及时调整来落地。真正的向善——理解老年人的真实需求、判断什么样的设计是真正有温度的——那部分工作，AI 暂时还做不了，还得靠人。