白交 发自 凹非寺
量子位 | 公众号 QbitAI
既想当说走就走的酷盖，又怕踩坑当大冤种。
“既要这样又要那样”的旅行悖论，真的要被 AI 给解决啦。这个垂直的赛道终于有黑马杀出来啦！
五一即将到来，这几日在小红书上，关于旅游攻略的内容正不断涌现，大家都在热烈地谈论飞猪家的 AI 产品——
“问一问”看起来并不起眼，然而其中却蕴含着极大的内容。甚至已经有倒卖邀请码的相关帖子出现了……
一开始以为只是个普通的聊天助手。结果很出乎意料，只需一句话就能够预订机酒。在几分钟内就形成了从交易到交互的闭环。真正做到了“所见即所能得到”。
方案不满意还可以直接定点修改重新生成，主打一个定制化服务。
进一步回顾它的思考过程，就会发现飞猪在产品的思维链方面进行了一个很有想象力的改变：
不是直接给予你结论，而是让你知晓有多个专家在各自行动，他们会调用当下的机票报价、酒店报价以及路线库等信息，共同进行“脑暴”。
just be like专业团队竭诚为你服务~
谁能懂？以往尝试了众多 AI 去做旅行规划。有些 AI 就如同“美丽的废物”一般，其输出的内容让人感觉不错，然而其可用性最多也就 50%，并且与实际的食住行存在很大的偏差。
要么内容非常宽泛，仅仅停留在攻略的范畴，只是空说而不付诸行动。倘若要按照预算进行比价、预订机票和酒店等事宜，就必须依靠自己在携程、去哪儿、Booking等各种应用程序之间来回切换来完成。
AI 在旅行场景的落地与其他领域相比，可能难度要高很多，而且可能比想象中还要高得多。
但现在，「问一问」产品虽不能说是完美的。在交互界面方面，它比上一代的行程规划 AI 有进步；在回答质量方面，它比上一代的行程规划 AI 有提升；在用户价值闭环设计方面，它比上一代的行程规划 AI 前进了一大步。
甚至已经有「AI直接杀死比赛」那种迹象了。
对于所有的 AI 产品而言，用户所询问的内容能够得到相应的结果，所看到的内容也能够得到相应的呈现，这种诱惑力只会不断增大。然而，就之前市面上的产品来看，都还未能达成“端到端”满足需求的完整闭环。
飞猪到底如何做到？咱们进一步来看一看。
定制化的AI「专业团队」
点开飞猪，“问一问”位于“行程”这一栏目。整个页面的样子和其他 AI 对话较为相似。
对话框支持语音输入，并且有四个可直接触达使用的基本模板，分别是目的地推荐、机票/酒店预定、规划行程。
但是具体使用下来，其实还是有很多不同的。
以“为我发现目的地”作为例子，虽然提示词比较宽泛，但是它依然依据当前的时间和所在地、各个地方的气候以及景点的热度等这些方面进行思考，从而得出了三种解决方案。
值得一提的是，存在合适的方案可供选择，也存在不合适的方案可供选择。如果需要，可以点击旁边的「可编辑」图标，以便进一步修改和完善需求。
这种「点对点编辑修改」其实还蛮重要。
在大多数情况下，AI 产品仅通过单轮交互是无法满足用户需求的。只有当你所写的提示词非常完美，并且模型足够聪明，能够完全理解并执行时，才可能满足用户需求。
当前很多通用或者垂类模型，若给出的方案不令人满意，补充交互的话语就如同从头开始重新来过。在一次次交互过程中，模型有可能突然产生幻觉，此时就需要重新开始。
现在这样手术刀式的定点修改，其实就提升了交互效率。
在旅游场景中，这一点更为重要。人的需求并非是一成不变的，在做出一次决策之前，人们需要参考大量零散的攻略和评价信息。具体的时间安排以及消费契机，在实际的行程当中还会不断地发生改变。你不可能从一开始就拥有一份尽善尽美的攻略。
另外还值得说道的一个点，就是它的思考过程。
它首先将背后的模型隐藏起来。因为对于产品而言，用户体验是最为重要的，而背后到底是什么模型并不重要。
它将整个思考过程细化为步骤，每个步骤都有专门的“专家”负责，这样既清晰又便于用户理解。旅游属于高决策难度、高客单价、低容错率的场景。
「合理地展示复杂」，本身就是一个说服的过程。
DeepSeek R1 横空出世给人带来强烈的炸裂感，这与它毫无保留地展示思考链有关。“问一问”在这个方面的巧思值得专门阐述，因为这样就不会像通用推理模型那样只展示一个单一的长路径，同时也降低了因等待而产生的焦灼感，在体验和效率上能够获得加分。
初步体验到此后，已经能明显感受到。“问一问”作为垂类的 C 端产品，与通用产品存在区别。
如果想更细粒度地满足个性化需求，还是依靠对话来进一步实现。
那么就让它来给我规划一下五一行程。
五一期间打算前往青海省，一方面想去参观自然风光并拍照，另一方面也想体验当地的民族风情，麻烦为我规划一下行程。
它开始进行思考和分工。其中有路线定制师专门负责制定路线，还有智慧交通顾问去查询机票的库存价格，攻略达人负责查看当地的游玩信息，酒店顾问则去查看酒店信息……
最后还有预算管理师给你估算价格。
调取飞猪本身的在线库存数据，调取飞猪本身的实时价格，调取飞猪本身流行的本地生活玩法，调取飞猪本身的用户评价等维度，进而得出解决方案。
给出的路线包含自然景色，如日月山、青海湖、茶卡盐湖等；同时还有塔尔寺、藏文化博物馆等。可以看出，这算得上是一个比较平衡的结果。
具体到每一天的日程安排方面：吃的方面有什么，玩的方面有什么，住的方面有什么，这些全都有。最后还附带了一个预算参考。
这个解决方案并非最终的。你能够随时点击其中的某些图标，以对景点路线进行修改。
可以随时对预算进行调整。在方案的最后有“预算调整”这一栏，你能够控制预想的幅度，接着就可以重新生成。
如果生成的方案你觉得合适，那么就能够预订机票和酒店了。它为你列举了一些同类的选择，通过一键操作就可以进行预订。
最后生成的行程路线，能够制作成手绘彩蛋，并且可以在地图上进行查看、编辑以及分享。
总之，在最后的短短几分钟时间里，完成了五一的行程规划，并且连机票和酒店也都预定好了。
怎么说呢，世界这么大，现在更没理由不去看看了。
说走咱真的就能走哇。
“场景玩家”的隐藏实力
大模型在做旅行规划，业内对此已经产生了审美疲劳。然而，只有当把第一个真正能够实现“从交互到交易闭环”的 AI 产品用完之后，大家才会察觉到这件事所蕴含的潜力以及面临的难度。
基于大模型开发旅行 AI ，技术方案的迭代存在多种可能性。然而在用户价值方面，已经有了一个可供参考的答案。
为什么这么说呢？
旅行场景一直是大模型早期落地的一个重要方面。大家看到了各种令人目不暇接的演示，都有做的想法，但到现在也没有真正的爆款出现。
小红书上有人戏称已经看到 800 个旅行规划 AI 了，他们请求别再推送了。有人花了几天时间做了个 Agent，做完之后才觉得这是个“伪需求”。那只是看起来像规划的规划，连做它的人自己都不想用。
背后原因与场景本身、行业本身有关。
旅行是大众所普遍具有的需求，同时它又是一个极为传统的产业，极为分散的产业，信息差巨大的产业。
每个人的需求各异。然而，从成本和效率的角度来考虑，当下的互联网平台最为明智的举动，便是将这部分依赖线下的庞大服务尽量进行抽象化以及标准化处理，然后在在线平台上进行售卖。
所以，那些不满足于普通常见内容的用户，对攻略的需求越来越强烈。然而，要做一趟旅行规划，就需要自己去查阅众多的信息，像景点方面的、交通方面的、住宿方面的、餐饮方面的等，这既耗费时间又耗费精力。
这些大量信息融合了多种类型，包括文本（如攻略、评价）、图像（像景点照片）以及结构化数据（像航班时刻表等）。由于其巨大的复杂性，为利用大模型来落地服务提供了天然的基础和条件。
从这样的角度来看，场景有着明确的天然痛点，受众具有普遍性且范围广泛，大家都希望能分得一份利益，这也就不足为奇了。
但强烈的反差在于，旅游领域 AI 的进展与其他领域相比，远远没有达到预期。尤其对于创业公司而言，需求呈现出美好的表象，同时也悄然隐藏着打破行业壁垒的困难。
具体从决策和数据两个方面来说。
旅行规划是一组复杂的决策链路。它涉及到用户的食住行等方面。其中包括预算、交通、接驳、住宿、餐饮、游乐、行程舒适度、个人偏好、签证政策、退改规则、天气等几十种决策因子。这些决策因子相互博弈。在这些因子中，有的是实时变化的，最典型的就是机票，需要实时连接到上游供给侧。
在数据质量方面存在挑战。旅行数据具有“专有性”，许多数据无法从公共网络获取。机票库存以及航班变更，通常都得借助 GDS（全球分销系统）去付费获取；酒店的价格、房型、面积以及能否加床等情况，需要由训练有素的销售团队进行谈判、签约，之后再进行标准化，使其进入传统 OTA 的 EBK 等系统；一些景区的节令特点、适合游览的时间和存在风险的场景等，依靠的是庞大的生态和长期积累的经验。
通用模型的决策较为复杂且多变，难以获取实时数据，而训练数据又存在滞后问题，致使泛化能力下降，无法适应这个需要实时决策且快速变化的场景。当面临相关问题时，模型出现幻觉以及准确率低的情况概率会增大。然而，更为糟糕的是，此场景中的用户对出错的容忍度却是最低的。
所以如果只是通过简单的 API 或者工作流来接入，接着打造单个 Agent 以处理相对确定的需求，那么在实际环境中是行不通的。
飞猪「问一问」的可贵之处在于，它在产品思路方面，试图朝着能够解决这两个问题的方向去前进。
从以上测评可知，它首先分析真实需求，接着框定相应的服务员场景，使 Agent 依据此来调用所涉及的数据工具并执行任务，从而构建出术业有专攻的专家形象。这种过程体现了飞猪的 AI 团队知晓应当用何种思路、步骤去服务一个用户，以及怎样交付最后的产品。
有了这一层面的知识和技能，大模型的能力就能在这一范围内充分发挥并且加以调优。
与此同时，对于那些确实极为极端的问题，大模型依然保留着泛化能力。这种路径使得数据集的建设管理以及大模型的调教等操作，难度变得更大，成本也变得更高。
飞猪内部透露消息称，他们此前调研了众多旅行社以及旅游定制师等。他们将这些人的工作流、知识和经验，与平台所拥有的海量供应链数据和服务评价数据等相互结合，从而构建出了一套较为完善的旅行数据集。
目前在使用上存在一些需要补齐的地方，例如“附近”的位置不够精细，也没有链接到城际班车的信息等。然而从长远来看，它符合用户的真实需求，实用性较强，已经在原有的简陋 ChatBot 层面上有了很大的进步。
随着 AI 在物理世界中的不断深入，生活服务成为了一个备受关注且绕不开的场景。要将其落地并非易事，然而一旦实现，就能够推动 AI 对物理世界的理解以及赋予其能量。
这需要更多场景玩家像飞猪一样站出来，要以理性的态度去看待这些行业难题，并且要去解决它们。
最后送上 AI 给出的五一期间去青海以及昆明的攻略啦，有想去的朋友可以拿去使用哦~（以下两个链接最好用浏览器打开哦）
所以大家五一想去哪里玩？有什么旅行需求想要拷问AI的？
