小长假临近，行程规划这件事总是让人又期待又头疼。安排得好大家都会玩得很开心；但交通、住宿、吃什么、去哪玩、路线怎么走，一旦要考虑到各种细节，就很容易陷入选择困难。
所以这次我尝试把这件事交给AI，想看看它能不能帮我处理好，我选了3个和旅行相关的APP：
小红书、高德地图、携程
，分别体验它们各自对应旅行规划的AI功能模块，我输入的是同样的一句并不完整的需求：
“帮我规划3天假期的京郊自驾游行程，一家五口有老人孩子”
结果有点出乎意料——它们当中没有一个能给出相对靠谱的答案。
它们的反应很快，几秒钟就生成了一整篇完整攻略，动辄几千字，还配有一些图片和链接。问题在于，这些内容建立在一个几乎没有上下文的前提上。
比如老人和孩子的体力情况、饮食偏好、预算范围，这些它们都没有确认就一口气生成好了。
快速浏览下来，发现这些方案更像是“覆盖面很广的通用模板”，看起来完整，但很难真正落地执行，更别说让一家人都满意。
进入之后，先要填一套完整的信息：出发地、时间、偏好等等。这个流程更像传统产品，我开始还有点犹豫，但想到前两个产品的问题，反而愿意多花点时间填完，换一个更靠谱的结果。
交互成本是付出了，但不但没有用，反而生成了更不靠谱的结果。
问题其实挺集中，这几种方案，路径不同，但本质上卡在同一个地方：
前者的问题是“自信但不准确”，后者的问题是“成本太高且结果一样不准确”。
我试着把这个问题重新丢给AI，希望它能给出一个更合理的交互方案。我们经历了一个典型过程：
一开始方案很“完整”，给出的答案语气极为自信，但细节根本经不起推敲；不断对存在的问题追问之后，AI会虚心承认错误，并针对问题打补丁，就这样几轮之后，之前的问题确实都没有了，但方案变得超级臃肿复杂，在手机上完全没法用。
所以我最后和它说，能不能完全推翻，用你理解的、最轻量级的方法尝试一下，于是它给了一个我觉得还可以的方案，然后我用Claude Code快速Vibe了一个Demo，方案和思路如下：
首先，用户输入一句话之后，不再追问细节，也不需要填表。
AI直接从内容池（比如真实的游记或攻略）里抽取一组风格差异明显的卡片，叠在一起。
每张卡片背后，其实已经带了一组标签（露营、亲子、轻徒步、咖啡、拍照等）。
10秒钟，就能勾勒出一个偏好轮廓。（每个卡片背后 都是提炼好的意图标签，如一个“极简风的野奢帐篷”卡片，背后可能就是⛺ 拎包露营、🥩 户外 BBQ、⛰️ 徒步吸氧、☕ 营地咖啡，10张图叠加的标签，如果策略合理，足以推断出诉求和偏好 ）
至于其中的冲突（比如既喜欢山景又不想太累），都可以交给模型在后台做权衡。
这个结果不需要复杂编辑能力，只需要支持一些小范围替换，比如长按一个景点换一个备选。
不可能完全没有个性化的需求。比如“必须带狗”“需要充电桩”“老人不能爬坡”这种信息，如果不说出来，结果一定会偏。
但这个入口不需要很显眼，可以是一个角落里的语音或输入入口，只在用户有强约束时才被用到。
当然如果用户最终还是不满意，也不一定非要继续“优化交互”，直接允许回到传统搜索和预订，反而更自然。
AI给出的结果必须足够“靠谱”，否则再轻的交互也没有意义。
而这恰恰是目前大多数 C 端产品还没完全解决的部分。
一方面是业务约束，另一方面也是用户需求本身就很复杂，很难完全被抽象。
所以现阶段的这些“不好用”，某种程度上也可以理解。
这次实测只是一个针对C端用户日常生活中的一个小场景的尝试，更多是把问题拆出来、再试着换个方式去组合。AI能力在C端的广泛应用落地，目前看还是任重道远。
大家日常APP使用中，有觉得不错的AI功能吗，或者针对旅行攻略规划如果有更好的思路，都期待可以一起分享交流~
