社区服务中心那台大屏，替我拦住了想转账的张阿姨

我在社区做技术志愿者三年了，每周六下午在服务中心值班，帮居民处理手机和电脑问题。

三年里我被问到最多的问题不是"WiFi怎么连"，而是"这个短信是不是真的"、"这个链接能不能点"、"接到电话说公安办案怎么办"。

这些问题有一个共同特点：答案很简单，但问问题的人不确定该信谁。

痛点：安全建议写得清楚，但没人看得进去

我们社区贴过防诈海报，银行发过安全手册，派出所搞过讲座。说实话，内容都很好，但效果有限。

原因也简单。

第一，老年人看不清小字。银行发的那张A4纸安全须知，字号小、信息密，60岁以上的居民很多要拿放大镜才能看。

第二，安全术语太专业。"双因素认证"、"中间人攻击"、"撞库"这些词，我们做技术的人觉得理所当然，但对大多数居民来说就是天书。你跟他讲"开启2FA"，他反过来问你"2FA是什么"。

第三，文字警告容易被忽略。手机上弹出的"谨防诈骗"提示、短信里的"请勿点击不明链接"，看多了就自动跳过了。人对于静态的文字警告有一种天然的免疫力，觉得"我又不是傻子，不会被骗"——直到真的被骗。

张阿姨就是例子。她在银行工作了二十年，退休后被一个自称"快递理赔"的电话骗了八千块。事后她说："当时那个电话打过来，我知道应该小心，但对方说得太像了，我一时没分辨出来。"

文字警告的问题在于

：它在你需要的时候不在身边，在你不需要的时候到处都是。

具身交互智能：不是多一块屏幕，是多一个能对话的人

具身交互智能这个概念，我第一次接触的时候觉得名字挺唬人，但实际体验之后发现它解决的就是一个很具体的问题——让信息传递从"看"变成"面对面聊"。

简单说，具身交互智能就是在屏幕里放一个有形象、有声音、有表情的数字人，用户可以跟它直接对话。它背后接的是大语言模型（我用的是通义千问），能理解自然语言，也能用自然语言回复。

和传统的文字提示、语音播报不同的是，数字人会看着你说话。这个"看着你"不是修辞——它有眼神、有口型、有手势。心理学上有个概念叫"社会存在感"，就是"对面有个人"这种感觉，会让接收信息的人更专注、更信任。

在网络安全科普场景中，这个特性特别有用。

你贴一张"谨防钓鱼链接"的海报，居民路过看一眼就忘了。但如果一个数字人面对面跟他说："阿姨，您收到那个快递短信先别点，我教您怎么看这个链接是不是假的"——他会停下来听。

实际部署：社区服务中心和银行大厅

我在两个地方做了试点。

一个是社区服务中心的42寸触摸屏，放在大厅入口。居民进来就能看到，可以直接语音提问。

另一个是合作银行的大屏，放在等候区。排队办业务的时候，数字人会主动播报安全提示，也可以交互问答。

技术选型上，大模型用的是通义千问，主要因为它在中文理解和多轮对话上表现稳定，而且对安全领域的知识覆盖比较全面。交互层用的是星云SDK，负责数字人的渲染、语音合成和动作驱动。

社区大屏终端的初始化代码大致是这样：

// 社区服务中心 - 网络安全数字人终端
const sdk = new XmovAvatar({
  containerId: "#cybersec-community-terminal",
  appId: CS_APP_ID,
  appSecret: CS_APP_SECRET,
  gatewayServer: "https://nebula-agent.xingyun3d.com/user/v1/ttsa/session",
  onMessage: (msg) => {
    if (msg.type === "voice_state_change") {
      const state = msg.state || msg;
      if (state === "idle") {
        // 数字人说完后进入待命，等待居民提问
        setListeningMode(true);
      }
    }
  },
  proxyWidget: {
    "subtitle_on": (data) => {
      const sub = document.getElementById("cybersec-subtitle");
      sub.innerText = data.text;
      sub.style.display = "block";
      return false;
    },
    "subtitle_off": () => {
      document.getElementById("cybersec-subtitle").style.display = "none";
      return false;
    }
  }
});

await sdk.init({
  onDownloadProgress: (p) => {
    if (p < 100) updateLoadingProgress(p);
  }
});

银行大厅的终端逻辑稍有不同，因为等候区环境嘈杂，需要更强的语音识别和降噪处理：

// 银行大厅 - 防诈提醒数字人
const bankSdk = new XmovAvatar({
  containerId: "#cybersec-bank-lobby",
  appId: BANK_APP_ID,
  appSecret: BANK_APP_SECRET,
  gatewayServer: "https://nebula-agent.xingyun3d.com/user/v1/ttsa/session",
  onMessage: (msg) => {
    if (msg.type === "voice_state_change") {
      const state = msg.state || msg;
      if (state === "idle") {
        // 银行场景：空闲时主动播报安全提示
        playProactiveTip();
      }
    }
  }
});

// 对话引擎 - 通义千问
const SYSTEM_PROMPT = `你是一位社区网络安全顾问。
你的职责：
1. 用简单直白的语言解释网络安全知识，不用专业术语。
2. 如果用户描述了可疑情况，帮他判断风险等级。
3. 给出具体可操作的建议，不说空话。
4. 涉及转账、密码等敏感操作时，反复确认用户安全。
5. 语气耐心、温和，像教自家人一样。`;

async function handleResidentQuestion(userInput) {
  // 关键词快速匹配 - 安全场景需要快速响应
  const keywords = {
    phishing: ["链接", "短信", "中奖", "快递", "钓鱼"],
    password: ["密码", "账号", "登录", "被盗"],
    fraud: ["转账", "公安", "投资", "理财", "中奖"]
  };

  const matchedCategory = matchKeywords(userInput, keywords);

  // 通义千问生成回复
  const response = await callQwen(userInput, SYSTEM_PROMPT, {
    context: matchedCategory,
    maxTokens: 200
  });

  // 数字人播报
  const sentences = splitSentences(response);
  for (const sentence of sentences) {
    bankSdk.speak(sentence);
    await waitForIdle();
  }
}

一次真实的拦截

部署后的第三周，张阿姨来银行转账。

她在等候区排队的时候，大屏上的数字人正在播报防诈提示。张阿姨盯着看了一会儿，然后对着屏幕说："我接到一个电话，说我那个快递丢了要赔我钱，让我点一个链接填银行卡号。"

数字人回复她："阿姨，这个很可能是诈骗。正规快递公司不会打电话让您点链接填银行卡号。您把那个短信给我看看，我帮您判断一下。"

张阿姨把短信内容念了一遍。数字人分析后告诉她这是一个典型的钓鱼短信，链接指向的不是快递公司官网。

后来张阿姨没转那笔钱。她跟我说："以前看到'谨防诈骗'四个字就跳过去了，觉得跟自己没关系。那天那个数字人面对面跟我讲，我就听进去了。"

为什么"面对面"管用

这件事让我想明白了一个道理：网络安全科普的核心问题不是信息不够，而是信息的传递方式不对。

你给一个60岁的阿姨发一条"请勿点击不明链接"的短信，和她面对面听一个人说"阿姨，那个链接您别点，我教您怎么看"，效果完全不同。

后者有社会存在感。数字人看着她、对她说话、等她回应——这种交互模式激活了人的社交注意力，让她更认真地对待这些信息。

这就是具身交互智能在网络安全场景中的价值。不是让AI更聪明，而是让安全知识以一种"有人当面教你"的方式传递出去。

一些数据

两个试点运行了四个月，有一些数据值得记录：

社区服务中心终端日均交互47次，其中60岁以上用户占62%。银行大厅终端日均触达约200人，主动提问率约15%。

被问到最多的问题前三名是："这个短信是不是骗子发的"、"密码忘了怎么办"、"手机上弹出来的广告要不要点"。

这些问题都不复杂，但问的人需要的是一个可以即时对话的对象，而不是一张需要自己阅读的海报。

如果你也想试试

星云SDK的文档和接入方式可以在星云官网找到。技术门槛不高，有前端开发经验的人一两天就能跑通基础流程。

大模型部分，通义千问的API接入也比较方便，安全领域的知识储备足够支撑社区级别的科普需求。

网络安全科普这件事，做了很多年，效果一直不理想。不是内容不好，是传递方式不对。具身交互智能提供了一种新的可能——让安全知识从"贴在那儿"变成"站在那儿跟你讲"。

这个方向值得更多社区和机构去尝试。

查看官网地址：https://xingyun3d.com/?utm_campaign=daily&utm_source=juzhen