国庆来临前的9月，大概是Personal Agent最热的时候。
9月8日，扎克伯格把Muse拉到了“personal superintelligence”的叙事下，称它不只回答问题，还拥有自己的云端和浏览器，可以跨应用替用户完成任务，记住长期偏好，在人退出App以后继续工作。Meta列出的典型场景里，就包括订餐、购物和规划、预订旅行。
OpenAI最近发布的Dots，同样强调一种更加主动的Personal Agent，要接管邮件、账单、购物和旅行规划这些跨越多个App的日常。
尽管如此，我发现无论是通用AI助手，还是当前火热的Personal Agent，在做旅游攻略上都差点意思。原本以为，模型发展到今天，这应该已经是一道不算难的事。结果最大感受是，AI看上去已经很会做攻略了，但并不会真正以人的思路去做。
我是个在每次旅行前都会专门拿出两天认真做攻略的人，这次我准备做一份国庆七天游的粗略攻略，希望AI把散落在不同地方需要反复切换搬运，最后聚合在一起的信息，比如路线，探店，评价，酒店，地图距离，景区公告，直接放在一起。
结果发现，它们都太急于证明自己能完成这个任务，迅速生成一份看起来完整的七日行程，排成表格、导出Word、算预算，甚至画地图。但它们不理解，一个真正会做攻略的人，第一眼就能判断这份行程到底能不能“照着走”。
01
AI写的旅游攻略没那么有价值
国庆前，我把一份已经粗略建立起框架的福建旅行攻略，一股脑扔给了五个AI。
路线大致是福州—霞浦—泉州，时间的跨度是七天。作为一个攻略狂人，我的需求是既要关注到大家都爱去的地方，也要能找到本地人生活打开方式，总之，既要大众又要小众。
赶上国庆这个今年下半年最后一个大假，我的需求偏好也写得很细：自然风光优先，想做一点独特体验，比如亲手做油纸灯笼；特产不想只买游客街最常见的那几样，希望能知道什么值得买、去哪买。
AI发展至今，理论上这是一道很适合AI的题。
面对互联网上浩如烟海的信息和数据，人脑一天最多能看百个帖子，AI能在几秒内完成同样的动作，只要根据我的需求把信息密度堆起来，就能让精力有限的人类再次感叹AI的强大。
不过第一轮对话下来，我发现AI写出来的攻略，恰恰是做旅行攻略时没那么有价值的。
这一轮里，豆包没能达到我的预期。我原本对它的期待不低，因为字节这些年已经积累了大量旅行、本地生活和探店内容，如果豆包能够调用这些数据，理论上应该比我自己一个个刷视频效率高得多。
实际结果却很普通。它给出的攻略信息密度不高，更像一份互联网公开信息的重新整理，看不出字节庞大的旅游内容库给它带来的明显加成。
不过它也不是完全没有亮点。豆包提醒我，霞浦部分海岛会受风浪影响，可能临时停航，还建议提前准备晕车药。更有意思的是，这部分信息并不是只来自一个渠道，它还调用了携程的信息，说明至少具备了一些多渠道交叉查询的意识。
紧接着，腾讯的元宝给了我一个更直接的答案。
元宝告诉我，福建东礵岛已经不能正常登岛，信源不是某篇旅游笔记，是霞浦县政府门户网站。相比之下，豆包前面的“注意天气、可能停航”就显得不够用了。
对于chatbot来说，回答差距不大，但是如果真的按照AI给的行程出发，中间就至少差了整整一天的行程。这一点，考验的就不只是模型智能了。
左/豆包攻略开头，右/元宝攻略开头
第一轮对话，元宝整体体验尚可。它自动生成了行程图，还提供了缩略地图，景点之间可以明确的看到远近关系，于是，我又追问了几轮酒店应该住在哪里。但聊到后面，问题也很明显，信息密度依然偏低。
它给出的内容很像一篇整理得比较工整的福建旅游高赞帖，包括了哪里值得去、哪些地方顺路、住宿大概选哪个区域。没有明显错误，但也很少出现那种自己做攻略的时候，发现“原来还可以这样玩”的惊喜。
这样的信息密度，刷几个小红书福建泉州福州霞浦7日游的高赞贴就能获得，实在是没有打开AI查询的必要。
阿里千问则走了另一条路线。千问的形式感是这一轮里最强的，它直接帮我生成了一份可下载的“福建国庆七日行程规划”，每天的路线排成表格，甚至附上了景点门票价格和预算参考。
乍一看很用心，仔细看后会发现，它最努力的地方，是把我原本那份粗糙攻略，变得更像一份形式非常漂亮适合拿来汇报的攻略。Word、Excel、预算、表格全都有，但路线没有太多新的变化，体验没有明显增加，信息增量也有限。
千问给我的感觉是，有种打工人必须交付任务的决心。
图/千问做的攻略
这一轮里，相比起偏通用定位的豆包、元宝和千问，垂类的点点和问小团表现更让我惊喜。
我原本最寄予厚望的除了豆包之外，就是小红书的点点。原因也很简单，如果说哪个平台最懂人到底为什么想去一个地方，小红书很难被绕开。景点长什么样，哪家民宿适合拍照，哪个季节最好看，某个地方值不值得专程绕过去，很多旅行决策，本来就发生在小红书。
第一轮对话里，这种优势是很明确的。点点会直接把大量图片带进回答。一个在纯文字攻略里看起来平平无奇的地方，被几张真实图片一一展示，吸引力马上就不一样了。
外出旅行的场景，和写报告、Coding有一点很不同的就是，很多旅行决策，并不是被文字说服的，是被一张照片、一段真实经历突然触发的。
不过，如果满分是10分，我还是只能给点点打个及格分。原因很简单，点点坐拥小红书的丰富数据，但在给我做攻略的时候，并没有主动把这些数据变成真正有价值的信息。
比如在一些重大的节假日，每个地方几乎都会有当地的庆祝活动，但它没主动收集相关信息，直到我主动问“泉州国庆有什么活动”，它才回复2026年国庆期间会有闽南戏剧周。
左图/小红书点点图片攻略，右图/提问泉州后出现特色活动
已经明确告诉它，我喜欢独特体验，想做油纸灯笼，想找有趣的城市细节。如果它真的理解了这些偏好，“国庆限定活动”本应该是最优先检索的一类信息。
这暴露出垂类AI一个很有意思的问题，拥有数据不一定代表它知道什么时候该使用这些数据。如果用户问“泉州国庆有什么活动”，它当然能搜到戏剧周。
但真正的Agent，应该在用户模糊发问的时候就意识到：这个人喜欢非标准化体验，那是不是应该主动查一下节庆、展览、非遗活动、限定演出？原本的答案是标准的正确答案，后面的答案才是让人惊喜的非标准答案。
只有大厂和一些模型厂商想明白这件事，给AI建立起一套新的反馈评价机制，真正的Personal Agent可能才会出现。
这一轮里最超出我预期的是问小团。我一开始对它期待不高，结果它是少数几个真正让我感觉省事了的AI。
它把原本粗糙的路线给它之后，它顺着路线把每一天的行程往下细化，上午去哪，中午吃什么，下午怎么走，晚上去哪家店。具体到餐厅时，它会给出真实老店的链接，还会告诉我推荐点什么菜，搭配用户评价。这正好是美团本地生活擅长的领域。
图/美团问小团攻略
但是让我疑惑的是，同样的本地生活业务，抖音也做的如火如荼，但豆包并没有按照早中晚餐每天的行程推荐，攻略里只有第5天和第7天有附带餐饮店链接，其中一家还是重复出现的。
这或许只有一个可能，抖音本地生活的数据并没有全量开放给豆包。
其实，这个动作不是仅仅多推荐了几顿饭这么简单，它解决的是我过去做旅行攻略里最麻烦的一个流程。以前我通常先把景点路线做好，再单独做美食攻略。做完之后，还得打开地图，把两套东西拼起来，挨个确认这家店离上午的景点多远？午饭之后去下一个地方顺不顺？晚上从这里回酒店方便吗？
这是一个非常琐碎、极其耗时的过程。这一次，AI确实帮我减少了原本需要自己完成的信息搬运和决策的工作。差距在酒店上更加明显。我的福建路线涉及福州、霞浦和泉州，问小团是这一轮里唯一主动按照三个城市分别给出住宿建议的。
后来，我开始把点点和问小团搭配使用。先让小红书结合真人笔记告诉我，泉州住哪些区域体验最好，同时让问小团给我参谋各个区域评价更好的酒店，最后在去哪儿确认价格时，发现国庆期间泉州古城核心区涨价太厉害，开始考虑住在机场附近。
“机场附近到底能不能住？”这类问题，我又扔给了更熟悉酒旅和本地生活的问小团。它告诉我，从机场附近去古城打车大约20分钟，但酒店价格能便宜接近一半。
我当即下单，这大概也是这轮测试里，少数几次AI真正影响了现实世界动作的时刻。
不过问小团也不是全无问题。在同一个对话里，我前面还在聊泉州住宿，接着问霞浦住哪里，它突然根据我的实时定位，开始给我推荐北京周边的民宿。多轮对话中间还出现了一次闪退。
这其实暴露了Agent一个更基础的问题，就是多轮对话时的上下文一致性，美团还需要再补补课。
02
或许这就是为何Personal Agent会火
除了一些国产AI，即便是Claude这种顶尖模型，在做旅游攻略时也有很多问题。
一个朋友拿Claude去排了四天上饶、婺源的行程。Claude的优点是诚实，很多查不到的信息，它会明确说查不到。但问题就是，它会根据并不完整的信息，“信心满满”地误导行程。
非常典型的案例是一段从县城到篁岭的路程规划。Claude给出的方案是包车，大约400元。实际情况是，当地有19元的直达班车，而且大约20分钟一班。Claude压根没查到班车，但是给了一个逻辑完全合理的答案。
这不是用“幻觉”可以概括的。即便我把这些AI工具搭配使用生成了一份攻略，还是没有办法拿着这份攻略直接就出发，反复确认的工作还得我自己完成。
比如地图上两个地方相距800米，小红书可能某个帖子写了，这800米一路都是石板路，拖着行李箱很痛苦。比如AI推荐了某家酒店，但翻好多评论我会知道这家酒店楼下酒吧晚上两点才散场。
还有追日落，官方的公告不会写，真正适合看落日的地方不在观景台，而在旁边一条岔路，它是散落在笔记、评论区里的经验数据。这些真正有价值的信息，大多数AI都无法给用户提供。
哪怕是当前火热的个人智能体Muse，在做旅游攻略时也存在问题。
一位网友最近把Muse当旅游搭子用了5天，她发现Muse能把情绪价值拉满，生产力还差意思。“Muse胜在快速，短程任务基本OK，短板在跨多系统的复杂任务，实测翻车率不低，多模态生成确实拉胯过几次。”这位网友说。
不过同时她也觉得，Muse在垂直场景的knowhow很惊喜。比如购物，能快速抓住某款商品的优缺点，比刷半天种草平台省时。Meta在Instagram、Reels和消费内容上的积累，未来可能会成为这类场景的优势。
所以现在来看，Personal Agent爆火是有原因的。无论是当前的通用AI助手，还是各类Agent，都无法真正满每一位用户的个性化需求，原因之一就是它们普遍缺乏长期记忆，难以根据用户的习惯和偏好给出答案。
而Personal Agent正是强调长期记忆，并据此主动提出建议、执行任务，从一开始就以跨应用执行、浏览网页、填表、购物、预订等为核心。
这样的能力虽然目前来看还不成熟，至少方向是对的，国内大厂们也都在跟进Personal Agent这个方向，说明各家都在努力解决这样的问题。
最后回到做旅游攻略本身。其实做旅游攻略，最重要的是把握好边界。
我每次旅行前，最享受的莫过于收藏路线、隐藏玩法，到了当地再一个个走过去。也曾认为，小红书、攻略网站和排行榜，把旅行打磨得太过标准，没有了意外的惊喜。
例如，偶然在街口发现一只猫咪，可能会是记忆里最有趣的瞬间。
希望真正强大的AI能更像导游，为我们解决那些琐碎、重复、容易出错的决定，然后把偶然和意外重新还给用户。
作者｜马舒叶
编辑｜吴寻
