不知道你有没有这样的时刻：

• 要从十几本关于同一个人的传记材料中，交叉验证关键细节，拼凑出播客所需要的真实故事；

• 要搜集某个公司创始人接收过的几十篇采访稿，按照逻辑结构，重新梳理；

• 要把过去 5 年的银行流水、投资收益，整理成可视化的图表，方便做新年的规划；

• ......

当然了，你也可能没有。因为这些是我的痛苦时刻。

每次被浏览器的标签页和 Word/Excel 的页面淹没时，我总会想一个问题：为什么 AI 还没有帮我完成这些事情？AI 到底应该做什么？

1 AI 到底该做什么？

对于 AI 究竟能帮我们做什么，是个很大的课题。很多时候我们热衷于宫崎骏风格的头像、DeepSeek 灵光一现的回答，这都只是情绪价值的发泄。也是一种奢侈的技术浪费。

AI 真正应该帮我们的，就是减轻很多重复的工作。

旅行就是典型的案例。

我年中打算去北极旅行，前几天在申请挪威签证。申请的时候发现要填的信息实在太多。把各种材料整理给 AI，它做出了格式工整，内容可用的行程单。总算是减轻了一些机械工作的负担：

而这还只是刚刚开始。挪威的具体行程还要考虑太多的问题，从机场转机方案，到斯瓦尔巴群岛现金该怎么提取，事无巨细都要查阅。至少还包括：预算、交易方式（线上、现金、信用卡）、大交通（跨国飞机，国内飞机）、小交通（本地出租、跨城大巴、网约车）、住宿时间、价格、体验、天气（穿衣、降雨、防晒）、签证（办理时间、类型）、餐饮、景点、充电、通讯、礼仪（小费文化、语言、宗教场所着装）、时差...

上次在迪拜的时候，我就因为打不到车，只好下载了当地的出租车叫车 APP，结果必须要国内手机接收短信才能注册。中间就卡住了很久，耽误了非常多时间。

这种提前需要确认的信息，其实在公共领域都存在。而还是那个问题：为什么 AI 还不能帮我们直接整理，协助我们呢？AI 都已经在写代码、画插画了，居然还不能帮助我们做一份旅行计划？

前几天就刷到一期在 B 站上很火的视频，情侣用 DeepSeek 推荐的地点去旅游，结果是各种踩坑。不是说通用 AI 能够解决各种场景的问题吗？是不是代表 AI 本身就没有能力解决旅行问题呢？

熟悉 DeepSeek 这样的大语言模型逻辑的朋友应该知道，DeepSeek 并不是完全记住了所有的语料，所以会出现很多幻觉（也就是编造）。这是第一个问题。

如果联网呢？这就是第二个问题了。目前国内互联网的语料生态实在是糟糕。我在半拿铁做播客资料整理，很少参考国内的搜索引擎结果，实在是没法用。

像之前用 DeepSeek 搜魂系游戏，得出的答案错得离谱，稍有常识就知道不对。看了下原始网页，整个就是牛皮癣广告。显然这些会严重污染 AI 的数据来源。

那就又回到老生常谈的话题了：

2025 年是 AI 场景的元年。而真正有效的 AI 旅行，还是要沉淀在场景里的。那么，最适合做场景的，还是有数据、有用户的老玩家。

2 旅行推荐为什么有难度？

小红书上一搜，做旅行规划 AI 产品的不在少数。大家其实都盯着这个场景。使用在线产品旅行的用户有 5 亿多，这是个万亿级别的市场。可是，如前面所说，并不好做。

今天看到，作为老玩家的飞猪发布了 AI 产品「问一问」。眼前一亮。

旅行推荐是有难度的，直接在 DeepSeek 或者 GPT 这样的基础模型上使用，效果不会很好。

在信息获取方面首先就有问题：

第一，旅行行业门槛高，通用 AI 不了解实时资源情况，推荐常出现虚假信息或没有真实商品的情况；同时，如刚才所说，旅行规划要考虑几十个因素（预算/交通/住宿/天气/政策等），还要处理这些因素之间的复杂关系，这些都需要实际经验，以及行业数据的沉淀。

第二，行业数据难获取，旅行行业关键数据不在公开网络，比如：

• 机票信息要通过 GDS 系统付费获取

• 酒店数据依赖 EBK 等专业系统

• 景区实时动态需要实地经验积累

通用 AI 用公开数据训练，容易信息滞后或出错，就算能抓取数据，成本和准确性也是问题。反过来，旅行平台自己获取网络公开信息（攻略/政策/活动）就很容易。

除了信息获取，还存在一个路线问题。

有的旅行相关的 AI 产品，一般是给基础模型加「外挂」，根据生成的结果再做微操，增加超链接或者图片。这其实是一种简单打补丁的方式。

而飞猪选择的路径是更有效和更彻底的：先选定真实的旅行场景和数据集，再让大模型在这些数据里做分析和调优。就如同 MoE （专家混合模型）一样，会召唤不同的专家，有的安排行程，有的关注交通，有的在看酒店，共同整合。再加上真实的平台旅行地数据，就能交付完整有效的结果了。

这样一来，还能由于是垂直调优过的模型，能把个性化定制的成本降低。不只是每次反复调用大模型的搜索接口，翻阅大量的数据（可能还不准），而是定向寻找有效信息，提供给用户定制的服务。

这才是 AI 真正该做的事情：让每个人都能享受旅行的定制服务，而不需要付出大量的搜索和整理材料的成本。

3 真实体验

说这么多，也都是「理论上」。不如直接看看效果。

当我输入「给我生成一个三天两夜的杭州寺庙之旅」之后，它就会进入工作状态，拉出四个角色：路线定制师、攻略达人、智慧交通顾问、酒店顾问。

这种人格化的展示，既是技术层面的需求，也在交互上给人更有安全感。这跟之前的很多旅行规划的 bot 不同。人格化、提供情绪价值和安全感，也是各类涉及 AI 规划、建议（比如医疗）的必经之路。

而生成的结果里面，有主要景点的视觉呈现（还有一张手绘地图），有每天的详细行程规划，以及相关的地点建议。

细心看的话，结尾还会有很多注意事项。

比如我让它帮我规划的挪威的行程，末尾就有很详细的建议：

还有一点关键的补充功能，就是修改。就跟手术刀式的编辑一样，既可以大刀修订，比如直接调整预算：

也可以小刀微调，比如，调整中间推荐的酒店或者景点：

总的来说，这样的 AI 规划，几个点都打到很准的场景中：

• 更准确的来源信息，而不是中文搜索引擎的结果

• 更灵活的交互方式，可编辑，可以微调，避免每次推倒重来

• 更直接的链路，可以直接在飞猪平台上交易，并且能关注到全部行程的实时价格数据，确保预算的相对准确

各位飞猪 F5 及以上的朋友，可以现在就体验一下。没有 F5 的朋友，跟 F5 及以上的朋友，要个邀请码就好。

4 AI 与旅行的意义

飞猪的这个新功能只是刚刚开始尝试，自然还是有很多优化的空间。我在聊 Manus 的时候也是同样的感受，要看到哪些是必然会解决的问题（比如速度问题），哪些是代表未来的方向（比如场景的价值）。

回顾 AI 进入各行各业，从最早的聊天和画图，到写代码，已经走出了从轻到重的第一步。接下来，会有更多「重型应用」出现。可能是一些脏活累活，但也是一些有护城河的活。

作为 AI 的消费者来说，我们将会有更多好用的 AI 工具。未来 AI 将不再只是笨拙的聊天机器人，而是能帮我们拆解各种旅行知识、梳理各类旅行需求的全面个人助理。从旅行开始，餐饮、交通、出行，都将变得越来越个性化。

更重要的是，我们都已经对千篇一律的旅行方式腻了，都在寻求更个性化的行程。而个性化的行程、低预算成本和少花费精力，这是个不可能三角。AI 能帮我们打破这个三角。

AI 不代替我们旅行，但它在为我们多争取一点「旅行的意义」—— 不是查攻略，不是比价，而是单纯轻松地沉浸其中。在灵隐寺的晨钟里感受禅意的时候，不应该焦虑第二天的打车问题；在斯瓦尔巴群岛上找极光的时候，也不应该慌张预算的赤字。

（摄于富士山）

希望对你有启发~

题图由 ChatGPT 绘制。