实测 Seed Evolving:让它做旅行攻略,它先追问了我五个问题才动笔

上周带娃去了趟珠海+澳门+香港，出发前我花了两个晚上，整了一份六千多字的出行文档。大到航班车次、口岸选择、住宿选址，小到每个景点几点去、午餐吃哪家、回酒店走哪条路不绕，全排进去了。写完发给老婆，她说了一句："你这也太细了。"

我心想，不细不行啊。带娃出境，任何一个环节掉链子——证件没带签注、赶不上最后一班船、酒店订在交通不方便的地方——整个行程就崩了。

回来之后我盯着那份文档想了个事：这玩意，AI 能不能干？

不是那种"请帮我推荐杭州三日游"的泛泛攻略——那种东西随便哪个聊天机器人都能扯一堆，景点名字一排，美食推荐一贴，看着挺热闹，到了现场你就知道全是正确的废话。我说的是真正能拿着走的：几点起、坐哪趟车、住哪家酒店、为什么这么安排、预算多少、有什么坑、下雨了怎么办。

前阵子了解到 Seed Evolving 做了能力升级，主打写代码和 Agent 场景。我决定拿它试试——不是聊天问问题那种试法，是真的让它从零搭一个旅行规划工具出来。

写代码这一关，过了

我的想法比较贪心：不光要它生成一篇文档，还得有个真正的规划引擎在背后跑。

为什么？因为旅行规划说到底就是在一堆约束条件下做取舍。给你十几个景点，每个要玩多久、花多少钱、评分多少、几点开门、在什么位置，你得在有限的天数和预算里排出玩得最爽的路线。先去哪后去哪影响路上时间，哪天去哪个景点受开放日限制，下雨和晴天选的地方还不一样。

我把需求描述给 Seed Evolving，让它自己设计整套系统。它需要给每个景点建档案（玩多久、多少钱、评分、位置、室内还是室外、周几闭馆），设计一套打分规则（喜欢自然就给自然类加分，下雨就给室内加分），写一个算法算每天怎么走绕路最少，还要决定哪些景点放哪天、哪些舍弃。

说真的没抱太大期望。这种活儿涉及好几个模块配合——景点数据、打分逻辑、路线计算、日期分配——稍微哪里没对上就跑不起来。而且我给的景点数据里故意放了周一闭馆的博物馆，就想看它会不会犯傻。

结果它一口气全写出来了。我跑了一遍测试，12 个用例，全过。

当然不是一次就成。初版在处理"必去景点的开放日"时有个逻辑漏洞：它检查的是"有没有一天所有必去景点同时开放"，而不是"每个必去景点在整个行程中是否至少有一天能去"。这意味着 A 景点周一开、B 景点周二开，它会误以为两个都不能去——因为没有一天同时开放。

我补了个测试把这个边界情况卡住，把报错信息丢给它。它看完之后改了判断逻辑，从"所有必去景点必须同一天能去"变成"每个必去景点至少有一天能去"。改完测试再跑，过了。

这个过程让我有点意外。它不是那种"你说改哪它就改哪"的机械操作，而是真正理解了为什么这个判断是错的、正确的逻辑应该是什么。就像跟一个靠谱的同事结对编程——你指出问题，它自己定位、自己修，不用你把答案喂到嘴边。

整个工具分成两半，各干各擅长的事：大模型负责听懂人说话和生成文档，规划引擎负责算路线、排时间、卡预算。大模型不直接排行程——它不知道两个景点之间多远、每天时间够不够——这些交给算法。算法也不直接跟人打交道——它听不懂"我怕高反"——这部分交给大模型。两者通过一套统一的信息格式对接。

接 API 的时候撞了墙

代码跑通了，接下来把 Seed Evolving 的接口接上，让用户能用大白话提需求。

标准的 OpenAI 兼容格式，发到 chat/completions 地址，带上密钥。我把接口地址、模型名称、密钥填进配置文件，敲了运行命令。

HTTP 401：未授权。

服务端返回得很明确：密钥无效或缺失。我起初以为是密钥复制的时候多了空格，检查了一下，没有。又写了个最小化脚本直接请求——HTTP 200，正常返回。

那就是代码的问题。排查了半天，发现是命令行入口的一个疏漏。有个函数会自动读取配置文件里的密钥，但命令行模式图省事，直接从系统环境变量里取密钥然后发请求，跳过了读取配置文件这一步。我运行的时候又没有手动设置环境变量，导致请求发出去时身份验证信息是空的。

一行代码的事。但你不端到端跑一遍，光看代码真发现不了。

修好之后试了一句："帮我安排杭州两天行程，总预算500，下雨天，必须去西湖，不喜欢购物。"

几秒钟出结果。西湖排上了，预算控制住了，雨天也给博物馆加了权重。但我仔细一看，武林夜市还在行程里。

我说了"不喜欢购物"，它怎么还给我排夜市？

查了一下，问题出在中外标签对不上。模型确实理解了"不喜欢购物"，但它返回的偏好标签是中文"购物"，而我的景点数据库里标签全是英文"shopping"，两个字符串不匹配，过滤等于没做。加了一层中英文对照表——"购物"对应"shopping"，"夜景"对应"night"——再跑一遍，夜市消失了。

到这一步，工具已经能用了。命令行输入一句话，几秒出行程。但我总觉得差了点什么。

所有 AI 旅行工具的通病

你有没有发现，不管哪个 AI 做旅行规划，都有一个共同的毛病：你不问，它就不说。

你说"帮我规划杭州两日游"，它哐哐给你生成一大堆，上午去哪下午去哪，中午吃什么晚上逛什么。但它从来不会问你：你从哪出发？几个人去？有没有老人小孩？预算多少？

它假设自己什么都知道，然后给你一份"看起来还行"的通用方案。

可真正做过旅行规划的人都知道，这些信息缺一个，方案就差十万八千里。两个人的浪漫之旅和带十岁娃的亲子行程，节奏完全不同；预算三千和预算一万，住的酒店和去的景点都不一样；带七十岁老人出门，每天步行超过一万步就是受罪。

我决定看看 Seed Evolving 能不能做到这一点——不是急着输出，而是先问清楚。

"你从哪出发？"

我加了一个交互式聊天功能。逻辑很简单：出发城市、目的地、天数、人数、预算这五件事是硬性必要条件，缺一个就主动追问。但不是一口气甩出五个问题，每次只问两到三个，不刷屏。

写好之后我没给它任何完整信息，就发了三个字：

"我想出去玩。"

Seed Evolving 的回复让我有点意外：

"太好了！你从哪个城市出发呀？有没有大概想去的目的地或者偏好的玩法？比如看海、逛古城、去山里避暑这类的都可以～对了打算玩几天呀？"

它没有急着推荐任何目的地，而是在问。而且不是干巴巴地"请提供出发城市、目的地、天数"，是像朋友聊天一样，还给了选项提示。

接下来我故意挤牙膏一样一点一点给信息。

我说"想去成都和九寨沟，大概5天"，它追问人数和预算，还顺便提了一句"九寨沟的彩色海子小朋友应该会喜欢"。我说"我和8岁孩子两个人"，它继续问预算和出发城市。我说"预算1万2左右"，它还在追问出发城市。直到我说"从北京出发"，它才停下来，把信息整理成确认清单：

• 目的地/路线：成都+九寨沟
• 出行天数：5天
• 出行人数：1大1小
• 出发城市：北京
• 预算：1.2万

然后问我："信息对吗？需要修改或补充什么吗？"

这个瞬间是我整个测试里印象深的。一个 AI 做旅行规划，厉害的不是它知道多少景点，而是它知道自己不知道什么。信息不够的时候，它选择问，而不是编。

我又试了试中途改主意。确认阶段说"不对，预算改成8000"，它立刻更新重新确认，没有一条道走到黑。说"对，开始生成"，它才动手。

这种分寸感你仔细想想挺难的。问多了嫌烦，问少了信息不够，什么时候追问、什么时候确认、什么时候闭嘴干活——以前这些全靠产品经理写一堆 if-else 规则。现在你把原则在系统提示词里讲清楚，Seed Evolving 自己就能做到七八成。这不是简单的"能对话"，这是对信息缺失的判断能力。

一个踩了一整晚的坑

到这里你可能觉得挺顺利。不是的，后面有个坑踩了我整整一个晚上。

现象很诡异：对话流程完全正常，确认信息后触发生成，提示"文档已生成"，文件也写出来了。但打开一看——0 字节。空的。

没有报错，没有异常，没有超时，安安静静给你生成了一个空文件。

我一开始以为是文件写入的问题，加了日志发现要写入的内容本身就是空字符串。往上追，模型返回的正文是空的。但 HTTP 状态码是 200，使用量统计显示回答额度已经消耗了好几千。

这就奇怪了。额度扣了说明模型确实在工作，正文为什么是空的？

后来我打开流式返回，逐段查看，才搞明白怎么回事。Seed Evolving 是会"思考"的模型，在输出正式回答之前，会先生成大量的内部推理过程。这些思考过程是要消耗回答额度的。我的系统提示词写得很长（有一大段对文档格式的详细要求），加上用户请求也不短，它需要"想"很久。结果额度全花在思考上了，等想完准备输出正文，额度用完了。

所以返回 200，正文空，不报错。

更坑的是这个问题不是必现的。简单请求——"杭州两天，预算500"——它不需要想太久，正文有内容。越是复杂的、需要完整七大部分的长文档请求，思考越久，越容易拿到空内容。你拿简单需求测一百次都没问题，一上真实场景就翻车。

修法是两层兜底。一是流式接收，如果正文为空就自动重试并把回答额度从 32768 提到 65536；二是把系统提示词从一大段散文精简成结构化大纲，减少它需要消化的量。

这个坑让我对推理模型有了一个新认知：思考能力强是好事，但思考是要消耗资源的。如果你的业务场景需要长输出，就必须考虑思考和正文之间的额度分配。这件事你不做到一定深度根本碰不到——跑分、做几道标准测试题，一切美好。只有真拿它跑长流程，才会发现。

终成品

折腾完这些，我让 Seed Evolving 生成了一份成都+九寨沟5天4晚亲子游文档。

8000 多字。七个部分：基础总览、每日小时级行程、避坑指南、一句话口诀、路线优势对比、费用预算、打包清单。

我特意在需求里说了"孩子怕高反"。它做了几个让我觉得挺到位的决策：不去黄龙（海拔3500米），不飞九寨黄龙机场（机场海拔3400米，容易一下飞机就高反），改成高铁到站再换景区车慢慢进山；住宿选九寨沟口，海拔约2000米，连住两晚不挪行李；注意事项里还写了氧气罐属于压缩气体，高铁和飞机都不能带。住宿安排也有逻辑——成都住春熙路（地铁交汇、去高铁站方便），沟口连住不换酒店，回程住成都同品牌（次日去机场方便）。

这些不是我告诉它的。我只说了"怕高反"三个字，它自己把这个约束传导到了交通方式选择、住宿海拔、连住策略和行李注意事项上。

当然差距也是有的。餐厅推荐偏笼统，不像我自己做攻略时会精确到"诚昌饭店的水蟹粥"；交通价格偶尔有偏差，需要核实；乐园项目的身高限制、演出时间这类时效性强的信息，它没法保证准确。我的建议是，AI 出的文档当底稿用，关键信息自己再过一遍。

但框架、逻辑、取舍思路，已经到了"改改就能出发"的水平。它不是从模板里套出来的——"怕高反"这个约束直接改变了整个行程的交通和住宿结构，这是推理和决策，不是填空。

测完的一点感受

回到 Seed Evolving 本身。

写代码这件事，它的表现超出了我的预期。不是说它能敲几行代码——现在哪个模型不能？——而是它能跨模块理解系统、定位逻辑错误、写测试验证、修好之后保证其他部分不崩。这是工程能力，不是代码补全。

但真正让我觉得"这玩意有点意思"的，是它在交互阶段表现出来的判断力。知道该问什么、一次问几个、什么时候停下来确认、信息不够的时候选择追问而不是瞎编。这种能力以前我觉得还得再等一两年，没想到现在就有七八成像样了。

当然，离完全放心交给它还有距离。思考额度把正文额度吃光那个 bug，简单测试根本测不出来，得上真实场景跑长文档。这也是我一直以来的观点：测模型别光看跑分，跑分告诉你"它能做什么"，真正做项目告诉你"它会在什么地方翻车"。后者有用得多。

整体用下来，Seed Evolving 在 Coding 和 Agent 这两个方向上的升级是感知得到的。不是参数涨了多少、榜单高了几分那种数字层面的提升，而是你真拿它做东西的时候，它能在关键节点做出正确判断——该写代码的时候写代码，该问问题的时候问问题。

这比什么都强。

你最近拿新模型做过什么有意思的东西吗？如果也踩过那种"简单 demo 一切正常，一上真场景就翻车"的坑，欢迎聊聊。