我是一个重度旅行爱好者，过去几年的旅行天数逐年递增，今年计划密集游览欧洲。同时，我也是前游记与旅行攻略产品创始人，对制作攻略颇有心得。最重要的是，我是一个极致的“J型人格”（Judging，指偏好计划与决断），对行程的掌控欲极强。
当我花费数小时完成一份旅行攻略时，意味着在抵达目的地前，我的脑海中已经构建起了一个清晰完整的“结构”。每个地方的地理位置、历史文化、旅行亮点、路线设计，以及它们在整个行程中的定位和应急方案，我都了然于胸。旅行的过程就是验证和完善这个结构，之后便能轻松将其转化为供他人参考的攻略。
记得2019年，我用半天做完为期一个月的新疆攻略后，出发前在白板上手绘地图，向同事脱稿讲解了半个多小时新疆的目的地分布、特色玩法及行程逻辑。那是一种源于深度理解的从容。
如今，我找到了新的高效伙伴：Gemini。用它来辅助制作攻略，体验堪称飞跃。
第一步：建立目的地结构
我的方法是将目的地分层：国家 > 大区 > 小区 > 具体目的地。
以即将前往的法国为例：法国是顶层，南法是大区，南法的“蔚蓝海岸”是小区，而尼斯则是小区下的一个具体目的地。我的首要任务是在脑海中构建“蔚蓝海岸”这个小区的结构。
蔚蓝海岸沿线散布着十几个城镇，每个都是一个独立的目的地。这时，我会运用多种提问技巧（至少有三类主流方法）与 Gemini 对话。首先，请它穷举该区域所有目的地，并分别介绍每个地方的 TOP3 景点，不多不少，三个就够。
接着，我会手动将这些景点在 Google 地图上一一打点标记。只有通过这种在地图上“慢节奏”的亲手操作，我才能真正初步理解目的地的空间结构与分布。仅仅阅读 Gemini 输出的文本，得到的只是一团模糊的印象。
当然，如果直接给我一张标注好的手绘地图，我理解起来会更快。但强烈的“J人”属性让我只相信自己的检索与验证过程，担心别人的整理会有遗漏。这或许就是 AIGC 时代一种有趣的矛盾：工具提供了信息，但建立认知信任仍需亲力亲为。
第二步：设计行程骨架
在通过 TOP3 景点理解各地特色、通过地图理解地理关系后，我便开始在脑中搭建行程骨架：玩几天、去哪些地方、顺序如何。这只是一份初稿。
因为我有非常鲜明的个人旅行风格，这一步我绝不假手于 AI 或任何人。我早已将自己的十几条旅行偏好写成 Markdown 文件喂给了 Gemini，但风格化的隐性信息太多，此时相信 AI 不如相信自己的判断。这涉及到复杂的个性化取舍。
第三步：填充行程细节
确定骨架后，便进入填充阶段：
- 深度穷举：通过对话技巧（通常需要多次追问），为行程中的每个目的地穷举其所有值得关注的景点与玩法。
- 动线设计：将新发现的景点补充到地图上，对着地图在脑海中设计每一天的具体移动路线，并将要点记录在 Flomo 这类笔记工具中。
- 迭代优化：拿着这份草案去询问 Gemini 关于交通接驳、摄影光线、路线合理性等建议，并据此不断修改稿子。
整个过程按日期顺序推进，从第一天直到离开日。虽然与 Gemini 的交互量巨大，甚至经常用完当日的高级模式额度，但具体的行动安排与决策，始终在我的脑子里完成。我的个人风格太强烈，寻求“风格化最优解”的取舍只能自己来。
我也尝试过让大模型直接输出完整行程，但结果像“抽卡”——只要不在最常规的推理路径上，AI 给出的方案就充满不确定性。而我对于“个人最优解”的执着使得容错率极低，事后验证和修改的成本，远高于我自己动手设计。
第四步：人类感性校准
此时，一份逻辑清晰的行程草案已然成型。接下来，我会去小红书等平台搜索每个目的地的真实旅行笔记，看看是否有我理解错误或遗漏的地方。根据人类的真实体验，尤其是游客照片，进行最终校准。
无论 Gemini 多么强大，人类 Review 这一步都不可或缺。例如，许多被 AI 描述得天花乱坠的景点，一看游客照便知平淡无奇。在 AI 的“认知”里，差评的权重往往远低于好评。
第五步：AI 理性复审
将完整行程交给 Gemini，请它以“助理”身份进行评价和优化。我会要求它根据我预先输入的旅行偏好，给出改进建议。
由于我是强输出型人格，我甚至会主动总结。比如，为蔚蓝海岸手打800字，概括十几个目的地的特色，然后问 Gemini：“我的理解对吗？”或者，大段描述我为何考虑放弃希腊某7个目的地的逻辑，请“Gemini老师”指点。这本质上是一种利用 Deep Learning 模型进行结构化反思和查漏补缺的过程。
第六步：生成旅行地图作为奖赏
行程最终定稿后，我会请 AI 绘画工具生成一张手绘风格的旅行地图。辛苦工作数小时后，花5分钟为自己创造一点情绪价值。虽然生成的图常有各种错误，修改过程也可能陷入“鬼打墙”，但我不再纠结细节，意思到了就行。
(中文模糊和景点重复生成是常见问题，即使换用其他 AI 绘画工具也难完全避免。)
总结与思考
经过一个月的实践，我发现 Gemini 做国内攻略的效果远不如做欧洲攻略。后者所依赖的外语语料质量“惊人地好”，完全秒杀小红书等国内平台。
我使用 Gemini 的方式，也反映了我使用 AI 的通用习惯：让它负责 Search（搜索） 和 Review（复审）。收集信息是 AI 的绝对长板，但如何将这些信息组装成符合我个人独特偏好的攻略，这个创造性决策过程只能在我脑中完成。
请注意我的核心方法：“穷举”景点，先做加法再做减法。AI 可以完美地做加法，但具体如何做减法？如何设计符合我个人效率与审美的最优动线？AI 直接交付令我满意结果的概率几乎为零。
如果要对 AI 交付的方案进行个性化调整，我首先必须理解它推荐的每一个景点是什么，每一天行程的内在逻辑何在。而一旦我能理解到这种程度，我自己动手设计行程的速度其实飞快——设计一天的具体动线可能只需要一两分钟。
因此，我的工作流演变为：我亲自完成核心的行程设计，再将成果交给 Gemini 进行多轮复审。先按天审阅细节，最后评估整体路线的合理性，请它指出可改进之处。
最终，我选择将 AI 定位为“助理”而非“代理”。这是由我“极J”、“旅行风格强烈”、“享受做攻略过程”这些个人特质决定的。
以两天的蔚蓝海岸行程为例：
- Day 1: 尼斯 -> (600路巴士) 滨海自由城 -> 徒步经暗街至圣彼得礼拜堂 -> (火车+巴士/打车) 罗克布吕恩 -> 上城 -> 柯布西耶墓地 -> 柯布西耶步道徒步 -> (火车) 芒通 -> 圣米歇尔大教堂 -> 防波堤 -> 旧城堡墓园(看日落) -> (火车) 返回尼斯。
- Day 2: 尼斯 -> (火车+巴士/打车) 圣保罗德旺斯 -> 梅格基金会 -> 圣保罗老城 -> 夏加尔之墓 -> 原路返回车站 -> (火车) 昂蒂布 -> 徒步穿过老城 -> 毕加索博物馆 -> (打车) 安提布海角徒步环线 -> (打车) 沃邦港 -> 游牧者雕塑(夜景) -> (火车) 返回尼斯。
这样的行程，AI 无法直接“代笔”。事实上，每个人都需要找到自己打开 AI 的正确方式。
延伸探讨：AI 能直接为普通人交付攻略吗？
那么问题来了：AI 无法向我端到端交付行程，是因为我的掌控欲太强。对于更随性的“P型人格”（Perceiving，指偏好灵活与开放）或没那么“J”的人，是否聊几轮就能接受 AI 直接给出的行程呢？
我认为，在大多数情况下，答案依然是否定的。
关键卡点在于“阅读理解成本”。我的观察是，普通人做攻略时更在意“印象和感受”，而非“条理和逻辑”。他们急于“抄作业”，对需要深度理解的内容缺乏耐心。
对于一个陌生的目的地，要理解其内涵并信任某个行程，所需的阅读理解成本其实不低。而降低这个成本最有效的方法，并非提供逻辑更严谨、条理更清晰的文本——这没用。文字太少显得枯燥刻板，文字太多则阅读负担重。
市场已经给出了面向普通人的最优解：经验，即去过的人的经验，跟着抄就行。这种经验在文本表达上差异很大。相比于严谨专业，松散、感性的表达反而更易于理解和接受，再配上真实的游客照，能快速建立对行程的“印象”。最终胜出的，是那些让人感觉“对味”、“可信”的个人分享（尽管内容可能写得有些乱）。在这里，“气味相投”远胜于“优等生的标准答案”。
这是普通人做攻略的“最大公约数”，也是被小红书验证的市场最佳实践：依赖「感性的确认」和追求「低阅读成本的信任」。
因此，攻略本质上是千人千面的，因为“气味相投”就是千人千面的。AI 能给出逻辑最清晰的行程，但我必须再次强调：“字少了干燥刻板，字多了阅读困难。”跟随几个气味相投的真实博主的经验“抄作业”，仍是当前大多数普通人的最优解。这并非 AI 不够强大，而是大众的决策过程本身就不完全理性。
当然，在此主流路径之外，还存在许多分支。比如我这种强逻辑的“J人”攻略法，也存在能承受较高文本阅读成本、愿意跟随 AI 的理性“P人”。只是这些分支目前还难以支撑起一个上规模的攻略产品，无论是流量还是盈利模式都尚不成熟。在探索这些更技术驱动的内容创作方法时，像 云栈社区 这样的 开发者广场 常常能提供有价值的灵感碰撞和实践交流。如果你想深入研究如何通过 Prompt Engineering 更好地驾驭 AI 工具，技术文档 板块中的相关指南或许能给你带来更系统的启发。
发表于 13 小时前
|
查看: 1|
回复: 0
