人和 AI 的交互，更需要在“自己做”和“完全交给 AI”之间寻找一个舒服的位置

如果你留意过身边人做旅行攻略的方式，会发现差异可以非常大。

有人提前一两个月开始准备：酒店对比多个平台，景点小红书抖音翻十几篇攻略，信息要交叉验证，路线、备选方案、突发情况都会提前考虑，最后甚至整理成一张详细的 Excel 行程表。

也有人只确定几件事：

“去杭州。”

“西湖应该去吧。”

“剩下到了再看。”

对他们来说，旅行攻略的最佳状态可能就是：知道大概去哪，其他事情到了再说。

以前我会把这种差异理解成“爱不爱做攻略”，后来访谈几轮不同偏好的旅行用户之后，我发现，这个解释还是太粗了。

1、有的人需要一份攻略，有的人只需要一个“开始”

如果把旅行规划这件事拆开，会发现大家真正需要的东西其实不太一样。

有的人希望把信息收得尽可能全。

景点、餐厅、酒店、交通、路线，要保证在有限的时间内不走弯路，最高效利用。

他们会反复比较不同平台的信息，自己筛选、组合，最后形成一套相对完整的方案。

但也有人只需要一个大概规划。就已经足够开始旅行了。

还有一些人甚至不太需要一个正式的“规划”，可能只记住几个名字，目的地买好来回票，剩下的到了再到小红书、美团上搜，或者抓当地人问，更高效真实，主打一个随机应变。

跳脱出单次旅行来看，从不同时期与目的来说，又有不同。同一个人，周末去附近城市，可能什么都不想准备；第一次带父母去陌生城市，又可能提前把交通、住宿和每天路线全部安排好。

所以，比起把人固定成某一种“旅行人格”，更好的角度，是看一个人在这一次旅行里，准备把规划做到什么程度。

为了直观地了解这种情况时，我想用光谱图来示意好一些，先把它粗略放在一条连续光谱上，整体划分为3种类型：

深度规划型 → 灵活规划型 → 轻规划型

横向展开旅行准备的不同阶段，纵向表示准备深度：越往上，越倾向于提前处理细节；越往下，越愿意把决定留到旅途中。

特点：这三个状态之间没有清晰边界。目的地熟悉程度、同行对象、旅行时长、旅行目的变化以后，同一个人也可能在光谱上移动。

另外，沿着这条光谱发生变化的，并不只有“攻略做得详细不详细”。

至少还有四件事在一起变化——

①决策发生的时间不一样

深度规划的人，会在出发前完成大量决定：

去哪、怎么走、住哪里、吃什么、先后顺序怎么排。

越往轻规划方向走，越多决定会被留到旅途中。

今天吃什么，可以到了附近再搜；下一站去哪，可以走到现场再决定。

区别在于：

有些人习惯提前消化不确定性，有些人愿意把不确定性留到旅途中。

②规划颗粒度不同

同样一句“第一天逛西湖附近”，对不同人来说，完成度完全不同。

轻规划的人可能已经觉得够用了。

深度规划的人还会继续往下拆：

几点出门、怎么过去、停留多久、附近还有哪些地方值得顺路去、中间在哪里吃饭、晚上怎么回酒店。

大家嘴里都叫“旅行规划”，实际期待的交付物可能差很多。

③信息处理投入差异很大

旅行规划真正费时间的部分，很多时候发生在写行程之前。

小红书有一批推荐，大众点评又有另一批；评论区有人说某个景点必去，也有人说完全没必要；两个地方地图上看起来很近，真实动线可能并不顺。

深度规划的人会愿意持续筛选、比较、验证、组合这些信息。

越往轻规划方向走，对这类工作的投入越低，也越能接受“先知道个大概”，喜欢走到了再问当地人。

④对“规划完成”的定义也不同

这一点对产品的同学尤其重要。

对轻规划的人来说：

知道去哪几个地方、每天大概怎么走，规划可能已经完成了。

对灵活规划的人来说：

有一个靠谱框架，再根据自己的情况调整，才算完成。

对深度规划的人来说：

框架只是开始，后面还需要大量判断和细化。

所以，当三个人都说：

“帮我规划一下这趟旅行。”

他们请求的其实是三种不同的任务。

深度规划的人更接近：

“我已经有很多想法和限制了，帮我整理、判断和组合。”

灵活规划的人更像：

“先给我一个靠谱框架，我再继续调整。”

轻规划的人则更接近：

“帮我省掉前面的研究过程，让我尽快知道大概怎么玩。”

而现在AI时代，这些规划好像变得简单了，但又没那么简单。把 AI 放进来，问题就开始变得有复杂了。

---

2、同一个 AI 结果，对不同用户意味着不同完成度

现在很多 AI 旅行产品都在做一件很自然的事情：

你告诉它目的地和时间，它帮你生成一份旅行计划。

从产品角度看，这非常合理。

因为它解决了旅行规划里一个很真实的问题：

“我想去，但我不知道从哪里开始。”

原本可能需要打开小红书、抖音、大众点评、地图，再翻几十条攻略，最后自己把这些信息拼起来。

现在告诉 AI：

“帮我做一个杭州三日游。”

几秒钟以后，一份看起来完整的行程就出现了。AI 在这里解决的是从0到1的启动问题。

对于不想花太多时间做攻略的人来说，这已经非常有用了。

但问题也恰恰从这里开始——“生成出来”不代表“我就满意了”。

同一份生成结果，对光谱上不同位置的用户来说，意味着完全不同的“完成度”。

这也可能解释了一个各个AI旅行功能的评论区很常见的现象：

有人觉得：

“太香了，一分钟出大纲，省了我好多事。”

也有人觉得：

“这信息也太粗了，路线安排也不够细，还得我自己重新做。”

接下来值得讨论的问题，就不只是 AI 能不能生成旅行攻略了。

而是：

当不同用户期待的“规划终点”本来就不一样，AI 到底应该替用户做到哪一步？

3、旅行规划其实包含起稿、编排、调整三个阶段

为了讲明白，我们代入一下一个经典场景，假设 AI 给你生成了一份三日行程。

第一天西湖，第二天灵隐寺，第三天去几个热门景点。

看起来没有什么问题。

但你可能很快就开始改：

“第二天我不想去这里。”

“这个餐厅我朋友推荐过，能不能加进去？”

“我们住在这里，这样安排是不是绕路？”

“我比较喜欢逛街，能不能少安排两个景点？”

“带爸妈的话，这一天是不是太累了？”

你会发现，真正的旅行规划其实不是：

“帮我生成一份答案。”

而是：

“帮我慢慢形成一份我愿意照着走的方案。”

这两个事情，看起来只差一点。

实际上是两种完全不同的产品任务。

前者是只是生成。

后者是一起协作。

简单梳理一下AI旅行规划中，至少有出现的三个情景——

情景1：起稿

“我去哪里玩？”

“我只有三天。”

“你先给我一个大概。”

这时候，AI越主动越好。

用户甚至不介意你替他做很多决定。

因为它最缺的是一个开始。

情景2：编排

但很多人并不是从一张白纸开始的。

他们已经收藏了一堆东西。

小红书看到的餐厅。

朋友推荐的景点。

地图上存下来的地点。

之前做攻略留下来的酒店。

演唱会附近想去的地方。

麻烦的事情变成：

“我已经有这么多信息了，你能不能帮我把它们组织起来？”

这时候，这时候，AI 开始承担理解、筛选、取舍和组合信息的工作。

从“给我一个方案”，变成：

“理解我已经想过什么。”

情景3：调整

这是我觉得最容易被低估的一步，以前自己制作，调整是糅合在编排阶段，现在AI是直接给完整结果，用户拿到一份 AI 生成的旅行计划之后，能照单全收自然皆大欢喜，但现实可能不会直接采用。

他会开始调整。

加一个地点。

删一个地点。

换一下顺序。

多留半天。

少走一点路。

换一家餐厅。

让行程松一点。

或者干脆说：

“我不想去热门景点，我想去一些小众的地方。”

到了这一步，用户和 AI 的关系其实发生了变化。

一开始是：

“你帮我想。”

后来变成：

“这是我的想法，你帮我完善。”

所以，AI旅行规划真正难的，可能不是“生成得够不够好”

4、旅行规划产品需要考虑：“AI 到底替用户做到哪一步”

为什么AI给你的旅行攻略看起来很完整，却总觉得差点意思？

走到这里，会发现旅行规划产品面临的难题，已经不只是“能不能生成一份准确的攻略”。

更难的是：

这份结果怎样越来越接近“我的旅行”？

最直接的方法，是让 AI 在生成之前知道更多。

比如：

• 我喜欢什么；
• 和谁一起去；
• 更在意吃还是玩；
• 能不能接受一天走两万步；
• 哪些地方一定想去；
• 哪些地方已经去过；
• 酒店订在哪里；
• 有没有老人或小孩同行。

信息越多，AI 理论上越容易给出贴合需求的结果。

但如果这些信息都要靠用户在出发前一项项填写，旅行规划很快又会变成一份复杂的问卷。

这就出现了一个很现实的矛盾：

用户希望结果更懂自己，却未必愿意为了得到这个结果，提前输入大量信息。

所以我会更关注生成以后的体验，与其要求用户在开始之前把所有条件都想清楚，很多需求其实可以在结果出来以后逐步表达。

比如现在AI产品，用户经常在修改时会说的：

“这一天太累了。”

“把这个景点删掉。”

“我想把这家餐厅加进去。”

“我们带孩子，行程松一点。”

“这两个地方顺序换一下。”

这些调整看起来很小，但又很繁琐，是非常接近用户真正修改旅行计划时会做的事情。

对于产品来说，值得思考的也就变成了另外一个问题：

AI 负责生成到什么程度，用户又应该在哪些地方重新接管？

从前面的光谱来看，这个答案本来就不会完全一致。

对轻规划用户来说，一份大致靠谱的结果，可能已经完成了大部分任务。

对灵活规划用户来说，AI 可以先搭框架，再让用户快速调整。

对深度规划用户来说，AI 更适合承担信息整理、路线计算、方案比较这些高成本工作，而最终的选择仍然会大量留在用户手里。

所以我越来越觉得，旅行规划产品真正需要提供的，不是越来越“自动”的一条路。

而是让用户能够很清楚地选择：

这一部分你替我做。

这一部分我们一起做。

这一部分，我自己决定。

所以另一个问题会越来越重要：

用户拿到 AI 的答案以后，还能不能方便地把它变成自己的答案？

这里的“自己的答案”，不一定意味着完全手动编辑。

也不意味着产品必须变成一个复杂的旅行规划软件。

恰恰相反。

对于很多用户来说，他们真正需要的可能只是几个很简单的动作：

加一个、删一个、换个顺序、调整一下旅行风格（亲子游、单人游、特种兵游、好友团游等等）。

这些看起来都是很小的调整。

但它们背后代表的是：

用户对这趟旅行的决定权的大小。

产品去思考的是：

用户愿意把多少决定权交给 AI？

这是一开始就要考量到的地方，否则产品定下来，后续产生的AI修改问题就会很多。

5、也许好的 AI产品，不是替用户把事情全部做完

旅行是一个很特别的场景。

有些麻烦，我们当然希望 AI 帮忙省掉：查资料、排路线、比较信息、整理收藏。

但旅行里也总有一些决定，我们会想自己留下。

临时发现一家小店，要不要进去；

突然下雨，要不要改变路线；

朋友说附近有个地方不错，要不要临时绕过去。

这些选择本身，也是旅行的一部分。

甚至有时候，旅行的意义就是：

我不知道下一站会发生什么。

所以以后我再看这类 AI 产品时，会更关心一个问题：

它有没有把决定权放在一个舒服的位置。

有些时候，让 AI 直接做完最省事。

有些时候，让它给一版方案，再由用户继续调整，会更合适。

这也是为什么AI旅行攻略上，要修修改改的原因。修修改改不是毛病，需要把修改变成一件畅快、轻松的事。

好用的产品，也许需要让这两种状态之间的切换足够自然。

这也不仅仅在AI旅行的产品上，各个大众化的AI产品，都需要有这一层考量。