這兩天行業(yè)里有一件挺魔幻的事。

很多同業(yè)都在找關(guān)系要飛豬F5的會員賬號。

大家八仙過海。有些求到媒體，有些找前同事，就為了看看飛豬最新發(fā)布的AI產(chǎn)品“問一問”到底是怎么回事。

飛豬“問一問”邀請碼甚至被掛上咸魚。有人賣到49元/個。

聞旅也體驗了一把。

要說飛豬這個“問一問”目前有多么顛覆，甩開同業(yè)幾條街。那有點扯。

但它很絲滑、很人性化。

跟市面上各式各樣的旅垂大模型不同。“問一問”是一個使用了多個大模型、并以多個智能體（AI Agent）驅(qū)動的AI產(chǎn)品，而不是一個大模型。

在使用的過程中，用戶可以明顯感受到，飛豬這幫人的確是從用戶需求角度在做產(chǎn)品，不是程序員的自嗨。

目前AI行程規(guī)劃可選擇的方式，無非就是通用大模型和旅垂大模型。

但通用大模型做旅游規(guī)劃有兩個明顯問題。

一是，搜索+推理邏輯下，注定信息不是實時數(shù)據(jù)。一個行程規(guī)劃出來后，餐廳、酒店是不是還“活著”，景區(qū)是否限流了，航班是不是存在，機票是什么價格。這些都需求人工二次校驗。

二是，無論什么水平的問題，它都會用“推土機”式的搜推邏輯生推一遍。但很多問題沒必要用這種深度思索，殺雞用牛刀。且思考的越多，意味著反應(yīng)速度越慢。

但飛豬“問一問”可以根據(jù)問題的難易程度，由智能體自主決策，隨時切換適合的模型來分析和解決問題。

而基于旅垂大模型的聊天機器人，雖然可以解決機、酒、門票實時數(shù)據(jù)這個問題，但現(xiàn)階段僅僅只是信息羅列和堆砌，用戶體驗很粗糙。

比如，同樣是推薦重慶酒店套餐。一些旅垂大模型的界面就顯得呆頭呆腦，提供了大量垃圾信息。有一種清澈的愚蠢，“治好了也流口水”的感覺。

甚至能明顯感受到，背后的程序員不管是出于什么方面的壓力，硬著頭皮試圖弄一些奇技淫巧，就為了能凹出點AI感。

飛豬“問一問”雖說還不算完美，但至少反饋出來的信息更有價值。每個方案都有優(yōu)勢、劣勢分析，及推薦理由。最后還真誠的告訴你，怎么優(yōu)化提示詞，會讓它給出來的信息更精準。

如果你是老板，這兩個助理你會選哪個？

這根本不能算是選擇題。

一個是明顯擺爛的混子。滿臉寫著活不到試用期結(jié)束。

另一個雖然達不到100分，但至少是可以正常溝通，有上進心、有改進動力的新人。

而相比旅垂大模型，飛豬“問一問”有一套合理的工作思維。

就像同為職場新人，飛豬“問一問”雖然沒到出類拔萃的程度。但它有方法論，明白怎么干活最科學(xué)、省力。

在AI產(chǎn)品界面里，飛豬“問一問”干的第一件事，不是讓用戶直接提問題。而是給出“發(fā)現(xiàn)目的地”、“找便宜機票”、“規(guī)劃行程”、“找特色酒店”四個選項，先將用戶需求歸類。

在后端，“問一問”將AI拆分為行程助手、攻略達人、預(yù)算管理師、本地導(dǎo)游等多個專業(yè)角色，每個角色調(diào)用不同的工具，實現(xiàn)分工協(xié)作。

例如：交通顧問負責調(diào)取實時航班、高鐵數(shù)據(jù)；酒店顧問負責結(jié)合用戶偏好篩選住宿；路線定制師負責優(yōu)化行程時間與景點銜接。

用戶需求會被拆分至不同模型并行處理，最終通過統(tǒng)一接口輸出綜合方案。

這樣處理的好處是，AI更容易理解用戶的提示詞到底是什么，并根據(jù)需求匹配更適合的模型算法。

目前AI交互的困難，很大一部分問題是用戶不會下brief，不會寫提示詞。

千萬別小看下brief這件事，放眼整個甲方市場，這都是個很高級的技能。對接到一個能把brief說的清晰明白的甲方，不是件容易的事。

更別說想讓所有AI產(chǎn)品用戶，都能完美的寫出提示詞，這事壓根就不現(xiàn)實。

所以飛豬“問一問”還有個很人性化的設(shè)置，比如在“發(fā)現(xiàn)目的地”入口，AI根據(jù)初始提示詞給出目的地推薦之后。用戶可以點擊編輯圖標，進一步去修改完善需求。

這個修改選擇至少解決了兩個用戶痛點。

一是，用戶無法一次性寫出完美提示詞。

二是，避免推倒重來式的補充交互，節(jié)省時間，也讓大模型減少陷入“AI幻覺”的機會。

而這種產(chǎn)品細節(jié)是目前很多旅垂大模型思考不到的。

飛豬“問一問”比旅垂大模型的想象空間更大。

旅垂大模型的數(shù)據(jù)來源一是自有數(shù)據(jù)，二是公用數(shù)據(jù)。公用數(shù)據(jù)就一定會出現(xiàn)虛假、過時信息等問題，而旅游恰恰是一個低容錯率場景。

旅垂公司的自有數(shù)據(jù)，大部分數(shù)據(jù)集中在目的地線路、住宿以及大交通環(huán)節(jié)。并不能完整覆蓋“吃住行游購娛”全生態(tài)。尤其難以滿足個性化定制。

例如，你讓旅垂大模型推薦目的地附近的餐廳、劇本殺、酒吧、SPA、電影院，就會很“災(zāi)難”。

通常它推薦出來的會是互聯(lián)網(wǎng)上“廣子”最多的產(chǎn)品，根本不會考慮合理性，有些推薦甚至距離用戶所處位置十萬八千里。

原因是旅垂大模型數(shù)據(jù)不全，目前也沒有看到對這些跨行業(yè)的公用數(shù)據(jù)做校驗和清洗的意愿或者能力。

另一方面，旅垂大模型也缺乏更完整的數(shù)據(jù)，對用戶畫像“側(cè)寫”。

國內(nèi)用戶有一個明顯的特點——不樂意交互，或者也可以說是“自己也不知道自己要什么”。

我遇到過一個定制師，除了問我常規(guī)問題之外，跟我閑扯了很多。比如旅游目的，對白人飯看法，日常興趣愛好，對景點看法，是不是要發(fā)小紅書……

可能是因為我brief下的不太行，她在通過交流察言觀色，引導(dǎo)我，研究我。

但AI無法察言觀色，最多是格式化，類答題式的引導(dǎo)交流。

而飛豬的一個優(yōu)勢是背靠阿里生態(tài)，在技術(shù)能力和各種品類的商品數(shù)據(jù)、運營數(shù)據(jù)方面得天獨厚，可以比旅垂大模型更容易的解決用戶畫像“側(cè)寫”、跨行業(yè)實時數(shù)據(jù)對接等問題。

目前，阿里全集團在All in AI。阿里CEO吳泳銘說，以后阿里所有業(yè)務(wù)都要用上AI。

或許某一天，阿里的所有AI產(chǎn)品，都會在后端實現(xiàn)打通、融合，出現(xiàn)一個現(xiàn)象級的生活方式AI產(chǎn)品，也猶未可知。