白交 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
既想當(dāng)說走就走的酷蓋，又怕踩坑當(dāng)大冤種。
「既要又要」的旅行悖論，真要被AI解決了。這個垂直賽道終于殺出黑馬！
五一這不是要到了，這幾天小紅書上旅游攻略，唰唰唰都在聊飛豬家的AI產(chǎn)品——
「問一問」，貌不驚人，但內(nèi)有乾坤。甚至已經(jīng)出現(xiàn)了倒賣邀請碼的黃牛帖了……
一開始原以為只是個普通的聊天助手，結(jié)果出乎意料的是，只需一句話就能預(yù)訂機(jī)酒，幾分鐘內(nèi)就從交易到交互的閉環(huán)，真正做到了「所見即所能得到」。
方案不滿意還可以直接定點修改重新生成，主打一個定制化服務(wù)。
而進(jìn)一步扒開回顧它的思考過程，就會發(fā)現(xiàn)飛豬在產(chǎn)品的思維鏈上做了一個很有想象力的變化：
不是直接給你結(jié)論，而是讓你看到有多個專家在分頭出馬，調(diào)用實時的機(jī)票報價、酒店報價、路線庫等等，協(xié)同「腦暴」。
just be like專業(yè)團(tuán)隊竭誠為你服務(wù)~
誰能懂？以往嘗試了那么多AI來做旅行規(guī)劃，要么就像是個「美麗的廢物」，輸出的內(nèi)容給人感覺不錯，但可用性頂天有50%，與實際的食住行有很大偏差。
要么就是內(nèi)容過于泛泛，僅停留在攻略層面，光說不干。如果要按著預(yù)算比價、預(yù)訂機(jī)酒什么的，還得靠自己輾轉(zhuǎn)攜程去哪兒Booking各種App來完成。
相比于其他領(lǐng)域，AI在旅行場景的落地可能遠(yuǎn)比想象中難度高得多。
但現(xiàn)在，「問一問」產(chǎn)品雖然還說不上完美，在交互界面、回答質(zhì)量到用戶價值閉環(huán)設(shè)計，它都比上一代的行程規(guī)劃AI前進(jìn)了一大步。
甚至已經(jīng)有「AI直接殺死比賽」那種跡象了。
對所有AI產(chǎn)品來說，所問即所得、所見即所得對用戶的誘惑力，只會越來越大。但從此前市面上產(chǎn)品來說，都還沒有實現(xiàn)『端到端』滿足需求的閉環(huán)。
飛豬到底如何做到？咱們進(jìn)一步來看一看。
定制化的AI「專業(yè)團(tuán)隊」
點開飛豬，「問一問」在「行程」這一欄。整個頁面與其他AI對話差不多——
對話框（支持語音輸入）+四個可直接觸達(dá)使用的基本模板：目的地推薦，機(jī)票/酒店預(yù)定、規(guī)劃行程。
但是具體使用下來，其實還是有很多不同的。
以「為我發(fā)現(xiàn)目的地」為例，即便提示詞過于泛泛，但它還是根據(jù)當(dāng)前時間/所在地、各地氣候、景點熱度等維度思考得出了三種解決方案。
值得一提的是，有合適or不合適的方案選擇，可以點擊旁邊「可編輯」圖標(biāo)，進(jìn)一步去修改完善需求。
這種「點對點編輯修改」其實還蠻重要。
大多數(shù)情況下，AI產(chǎn)品單輪交互無法滿足用戶需求，除非你提示詞寫得很完美，模型又聰明地能完全get并執(zhí)行；
而當(dāng)前很多通用或者垂類模型，當(dāng)給出的方案不滿意的時候，補(bǔ)充交互的話相當(dāng)于從頭開始推倒重來，一次次交互中模型還有可能突然出現(xiàn)幻覺，那就要重新開始。
現(xiàn)在這樣手術(shù)刀式的定點修改，其實就提升了交互效率。
這在旅游場景更為重要，人的需求并不是靜態(tài)的，一次決策之前，人需要參考很多碎片化的攻略和評價信息；具體的時間安排和消費契機(jī)，在實際的行程中還會反復(fù)改變。你不可能一開始就有一份完美的攻略。
另外還值得說道的一個點，就是它的思考過程。
它首先隱去了背后的模型，畢竟產(chǎn)品來說用戶體驗第一，背后是什么模型不重要。
然后它將整個思考過程具體到步驟，每個步驟已經(jīng)能看到專門的“專家”來負(fù)責(zé)，十分清晰也易于用戶理解。旅游是個高決策難度、高客單價、低容錯率的場景。
「合理地展示復(fù)雜」，本身就是一個說服的過程。
DeepSeek R1橫空出世的炸裂感，就跟它毫無保留地展示了思考鏈有關(guān)。「問一問」在這個地方的巧思值得專門講一下，因為這樣不至于像通用推理模型那樣展示一個單一的長路徑，也降低了等待造成的焦灼感，在體驗和效率上可以加分。
好，初步體驗到此，已經(jīng)很明顯地感受到「問一問」作為垂類的C端產(chǎn)品同通用產(chǎn)品的區(qū)別。
如果想更細(xì)粒度地滿足個性化需求，還是依靠對話來進(jìn)一步實現(xiàn)。
那么就讓它來給我規(guī)劃一下五一行程。
五一期間想去青海省， 想去參觀自然風(fēng)光拍照，也想體驗當(dāng)?shù)孛褡屣L(fēng)情，請為我規(guī)劃行程。
結(jié)果它就開始思考和分工了——有路線定制師制定路線、智慧交通顧問查詢機(jī)票庫存價格、攻略達(dá)人看當(dāng)?shù)赜瓮嫘畔?、酒店顧問則看酒店信息……
最后還有預(yù)算管理師給你估算價格。
通過調(diào)取飛豬本身的在線庫存數(shù)據(jù)、實時價格以及流行本地生活玩法、用戶評價等維度，才得出解決方案。
看給出的路線，既有像日月山、青海湖、茶卡鹽湖等自然景色，也有塔爾寺、藏文化博物館等，算得上是一個比較平衡的結(jié)果。
而且具體到每一天的日程安排：吃啥玩啥住啥通通都有。最后還有個預(yù)算參考。
這個解決方案并不是最終的，你可以隨時點擊當(dāng)中的一些圖標(biāo)進(jìn)行修改景點路線。
還可以隨時調(diào)整預(yù)算，在方案的最后有個「預(yù)算調(diào)整」這一欄，你可以控制你預(yù)想的幅度，然后重新生成。
如果生成的方案你覺得OK，那么就可以預(yù)定起機(jī)酒了。它給你列了幾個同類選擇，一鍵就可以預(yù)定。
最后生成的行程路線，可以制作成手繪彩蛋，可在地圖上查看、編輯和分享。
總之，最后短短幾分鐘，就完成了五一行程的規(guī)劃，連機(jī)酒也給預(yù)定上了。
怎么說呢，世界這么大，現(xiàn)在更沒理由不去看看了。
說走咱真的就能走哇。
“場景玩家”的隱藏實力
大模型做旅行規(guī)劃這件事，業(yè)內(nèi)已經(jīng)有了審美疲勞。但直到用完第一個真正做到能用上「從交互到交易閉環(huán)」的AI產(chǎn)品，大家才會發(fā)現(xiàn)這件事的潛力和難度。
基于大模型開發(fā)旅行AI，技術(shù)方案的迭代還有N種可能，但在用戶價值上，有了個參考答案。
為什么這么說呢？
旅行場景其實一直是大模型早期落地的「試驗田」，大家看到了讓人眼花繚亂的演示，都想做，但時至今日沒有真正的爆品出現(xiàn)。
這也是為什么小紅書上有人戲稱，已經(jīng)看到了800個旅行規(guī)劃AI了，求別推送了?；藥滋鞎r間做了個Agent，做完才覺得是個「偽需求」。只是看起來像規(guī)劃的規(guī)劃，連自己都不想用。
背后原因與場景本身、行業(yè)本身有關(guān)。
旅行是大眾的普遍需求，但又是個極為傳統(tǒng)、極為分散、信息差巨大的產(chǎn)業(yè)。
每個人的需求都不相同，但從成本和效率的角度出發(fā)，目前的互聯(lián)網(wǎng)平臺最聰明的做法，就是把這部分依賴線下的龐大服務(wù)盡可能抽象并標(biāo)準(zhǔn)化，在線進(jìn)行售賣。
所以，不滿足于“大路貨”的用戶對攻略的渴望越來越強(qiáng)烈。但做一趟旅行規(guī)劃，需要自行查閱大量信息（如景點、交通、住宿、餐飲等），耗時耗力。
而且這些大量信息融合了文本（攻略、評價）、圖像（景點照片）、結(jié)構(gòu)化數(shù)據(jù)（航班時刻表）等，巨大的復(fù)雜性，給利用大模型來落地服務(wù)提供了天然土壤。
這樣來看，場景天然痛點明確，受眾普適且廣泛，大家都想要分一杯羹也就不奇怪了。
但形成強(qiáng)烈反差的是，旅游領(lǐng)域AI的進(jìn)展相比于其他領(lǐng)域，卻遠(yuǎn)遠(yuǎn)不及預(yù)期。特別是對創(chuàng)業(yè)公司來說，需求美好的表象也悄然隱藏了打破行業(yè)壁壘的難度。
具體從決策和數(shù)據(jù)兩個方面來說。
旅行規(guī)劃是一組復(fù)雜的決策鏈路，涉及到用戶的食住行，包括不限于預(yù)算、交通、接駁、住宿、餐飲、游樂、行程舒適度、個人偏好、簽證政策、退改規(guī)則、天氣等幾十種決策因子的相互博弈。這些因子中有的還是實時變化的，最典型的就是機(jī)票，需要實時連接到上游供給側(cè)。
還有在數(shù)據(jù)質(zhì)量方面的挑戰(zhàn)。旅行數(shù)據(jù)具有“專有性”，很多無法從公共網(wǎng)絡(luò)上獲取。比如機(jī)票庫存、航班變更，基本上都必須通過GDS（全球分銷系統(tǒng)）來付費獲?。痪频陜r格、房型、面積、是否能加床等，則需要通過訓(xùn)練有素的銷售團(tuán)隊談判、簽約，再進(jìn)行標(biāo)準(zhǔn)化，進(jìn)入傳統(tǒng)OTA的EBK等系統(tǒng)，以及一些景區(qū)的節(jié)令特點、適合游覽的時間和風(fēng)險場景等，有賴于龐大的生態(tài)和長期經(jīng)驗。
對于通用模型來說，決策過于復(fù)雜多變，實時數(shù)據(jù)無法獲取，訓(xùn)練數(shù)據(jù)又有所滯后導(dǎo)致泛化能力下降，無法適應(yīng)這個快速變化需要實時決策的場景。在面對相關(guān)問題的時候，模型出現(xiàn)幻覺、準(zhǔn)確率低的情況概率會更高。但更糟糕的是，這個場景里的用戶偏偏對出錯的容忍度最低。
因此如果僅通過簡單API或者工作流接入然后打造單個Agent來處理相對確定的需求，在實際環(huán)境中行不通。
飛豬「問一問」的可貴之處在于，它在產(chǎn)品思路上試圖向解決這兩個問題的方向前進(jìn)。
從以上測評中可看出，它是先分析真實的需求，然后框定相應(yīng)的服務(wù)員場景，讓Agent基于此調(diào)用所涉及的數(shù)據(jù)工具，執(zhí)行任務(wù)，構(gòu)建出術(shù)業(yè)有專攻的專家形象。這種過程反映了飛豬的AI團(tuán)隊了解應(yīng)該用什么樣的思路、步驟去服務(wù)一個用戶，以及如何交付最后的產(chǎn)品。
有了這一層面的know-how，讓大模型的能力才能在這一范圍內(nèi)充分發(fā)揮、加以調(diào)優(yōu)。
與此同時，針對那些確實過于極致的問題依然保留大模型的泛化能力。這一路徑對數(shù)據(jù)集的建設(shè)管理、大模型調(diào)教等操作的難度更大、成本也更高。
據(jù)飛豬內(nèi)部透露，他們前期調(diào)研了大量旅行社、旅游定制師等，把他們的工作流、知識、經(jīng)驗，加上平臺的海量供應(yīng)鏈數(shù)據(jù)、服務(wù)評價數(shù)據(jù)等結(jié)合，構(gòu)建了一套相對完善的旅行數(shù)據(jù)集。
盡管目前使用上還有一些地方需要補(bǔ)齊，比如「附近」位置不夠精細(xì)，沒有鏈接到城際班車的信息等。但從長遠(yuǎn)角度來看，符合用戶真實需求、實用性強(qiáng)，已經(jīng)從簡陋的ChatBot層面成長了一大步。
隨著AI在物理世界里的深入，生活服務(wù)剛好是個備受關(guān)注也繞不開的場景。想要落地并不容易，但一旦實現(xiàn)，也將推動AI對于物理世界的理解和賦能。
這需要更多像飛豬這樣的場景玩家站出來，去理性看待并解決這些行業(yè)難題。
好了，最后送上AI給的五一青海以及昆明的攻略，有想要去的朋友可以取用哦~（以下兩個鏈接最好用瀏覽器打開哦）
https://shorturl.asia/LUJZl
https://shorturl.asia/MQ8E4
所以大家五一想去哪里玩？有什么旅行需求想要拷問AI的？
熱門跟貼