信息检索和 Coding，是过去两年率先找到产品市场匹配的 AI 应用方向。前者改变了人们获取信息的方式，后者则让模型开始理解目标、调用工具并执行任务。
但类似的突破尚未发生在消费领域。AI 可以完成越来越复杂的代码任务，却仍然很难稳定地处理一次涉及实时供给、交易和后续履约的消费需求。
在上周的飞猪新一代 AI 产品评测会上，飞猪 CTO 陈烨将这种落差放到了整个 AI 产业的价值链中观察。
在他看来，当前行业的注意力和价值仍然高度集中在基础模型、GPU、算力基础设施和 Token 层，应用层尚未出现足够多能够承接价值的产品。这种结构并不是一个可持续的终局。一个更加健康的 AI 生态，价值应该逐渐向下游延伸，进入编排层和应用层。
这也把讨论带向了一个更具体的问题：Coding 已经证明，应用可以在基础模型之上建立独立价值；这种路径能否进一步进入旅行、电商等真实消费场景？
飞猪在评测会上展示的新一代 AI 产品 V10，可以被看作对这一问题的一次阶段性探索：当 AI 从回答问题走向把事情办完，产品和工程体系还需要补齐什么？
Coding 已经找到 PMF，消费 Agent 为什么还没有？
陈烨提到，AI 产品正在经历从大模型、Chat、Coding，到 Agent、自进化，再到 PhysicalAI 的发展过程。
当前行业的主要关注点正在进入 Agent 阶段，下一步则可能走向能够利用工具和环境反馈持续进化的 Agent。但消费 Agent 还没有取得与 CodingAgent 类似的进展。
陈烨认为，AgenticCoding 给行业展示了一条重要路径：模型可以理解目标、调用工具，并在执行反馈中修正结果。Coding 的一个特殊优势，是大量问题能够以相对封闭的方式进行验证。代码能否运行、测试能否通过，通常可以得到较为明确的判断。
消费场景则不同。一张机票是否合适，不只取决于价格，还可能涉及出发时间、中转地点、是否需要过境签、能否过夜以及航司偏好。两家酒店都可能真实存在，但哪一家更适合当前用户，还要结合位置、预算、同行人和个人偏好判断。
与此同时，机票和酒店都是高度时间化的商品。日期变化后，库存、价格、房型和可售状态都可能发生变化。交易完成后，还会进入值机、航变、退改和售后等履约环节。
从 Coding 走向消费场景，难点不只是模型能否理解需求，还包括数据能否实时更新、结果能否验证、供应链能否响应，以及交易后的履约能否继续完成。
V10 想改变的，不只是一个 AI 入口
如果只看界面，飞猪 V10 最直观的变化，是增加了一个可以展开和收起的 AI Panel。
在此前的版本中，用户需要主动进入一个独立的 AI 页面。到了 V10，AI Panel 可以出现在首页、酒店、机票、度假和订单等页面，并根据用户当前所在的场景提供相应的推荐问题和能力。
这不仅是入口位置的变化。更准确地说，飞猪正在尝试让 AI 从一个独立页面，进入搜索、交易和订单履约等具体场景。
V10 将主要能力概括为“帮我想、帮我订、帮我办”。
“帮我想”对应旅行灵感和行程规划。例如，用户可以复制一篇社交平台上的旅行笔记，由系统解析其中的景点、美食和住宿信息，再结合飞猪的相关供给组织行程。
“帮我订”主要处理传统筛选方式不容易覆盖的复杂需求。例如，寻找能够看到故宫金顶、允许携带宠物，或者适合老人且不需要爬楼梯的酒店。
“帮我办”则进入交易之后的服务环节，包括值机选座、酒店升房、开发票、退款，以及处理同一行程中的关联订单。
从产品团队的解释看，这三种能力分别对应旅行过程中的不同服务类型：灵感与规划、搜索与预订，以及交易后的履约服务。其中，值机等任务可能需要等待航司开放办理，持续时间从数小时到数周不等。V10 因此增加了长程任务的状态和进度展示。
这意味着，产品面对的已不只是一次即时问答，还包括需要持续记录和更新状态的任务。产品经理在分享中强调了两条原则：第一，提供给用户的数据和商品要保证“真实可达”；第二，不为了 AI 而 AI，优先处理原有 GUI 难以完成，或者原来需要多步操作、现在可以通过一句话完成的事情。
“真实可达”和“是否真正降低用户操作成本”，构成了 V10 当前选择 AI 场景的两条主要标准。
AgentLoop 的核心不是更自由，而是“受约束的自主性”
与产品从独立问答走向跨场景服务同步，飞猪的算法架构也在发生变化。
飞猪早期的“问一问”采用了 Multi-Agent 架构，并在模型能力相对有限的阶段使用较强的 Workflow 编排，以保证结果稳定。
随着模型能力提高，团队开始向 ReAct 式的 AgentLoop 迁移，希望让能力更完整的 Agent 承担更多需求理解、自主决策和工具调用工作。
飞猪策略是：“架构上做减法，模型层面做加法。”但这并不意味着可以无限增加 Agent 的思考和反思轮次。如果一个杭州五日游规划需要经过多轮思考和反思，五分钟甚至十分钟后才能返回结果，用户很可能已经离开。
因此，飞猪在在线推理中采用较轻的验证方式，优先检查不可接受的错误；一些更复杂的路线和时空合理性问题，则通过离线建设的线路库、规则引擎和后续训练处理。
消费 Agent 的工程问题，不只是如何让模型思考得更多，还要判断哪些问题必须在线计算、哪些结果可以提前验证，以及哪些错误必须由规则和工具拦截。
从商品白名单到后训练，行业 Know-how 如何进入 Agent
飞猪算法团队分享的一个具体机制，是商品短别名。
酒店、房型和机票等商品都有真实 ID。尤其是机票，背后连接实时变化的系统，商品标识可能很长。如果直接让模型在推理或训练过程中处理这些 ID，就可能出现字符生成错误。
飞猪的处理方式，是将工具返回的商品映射为 A1、A2 等较短的别名。模型在当前任务中引用这些别名，推理完成后，再由系统回填真实商品 ID、标题、价格和库存。
模型能够选择工具实际返回的商品，但不能在白名单之外凭空产生一个商品。
这一做法体现出一个重要原则：能够由数据库、规则或者工具确定的信息，应尽量由确定性系统提供，而不是依赖模型自行生成。
模型负责理解需求和进行选择，工具与规则负责保证商品信息来自真实供给。
飞猪算法团队将 Agent 能力建设概括为三个阶段：Prompt、机制和训练。
第一阶段是 Prompt。
早期 Prompt 往往采用命令式写法，例如要求模型先找目的地、再找交通、酒店和景点。随着任务和规则增加，Prompt 会越来越长，模型对不同指令的注意力也可能变得不稳定。
团队正在尝试将命令式 Prompt 改为声明式 Prompt：不再规定每一步必须怎样执行，而是告诉模型什么是一份好的行程规划、目标是什么、底线是什么，再让模型自主决定具体过程。
第二阶段是机制。
商品白名单、短别名、时空规则、数据沙箱和在线轻验证，都属于这一层。它们的主要作用，是限制模型在不能出错的地方自由发挥。
第三阶段是训练。
团队希望通过后训练，将更多领域知识和评价标准逐渐内化到模型中，使 Prompt 变短，并减少对人工规则的依赖。
其 Reward Model 主要覆盖四个维度：信息真实性、用户需求和偏好、时空合理性，以及结果的完整性和多样性。
在能够使用代码和规则评价的部分，团队会尽量采用相对确定的标准，降低纯模型评判过于主观、被模型寻找评分漏洞的可能。
如果用一句话概括这套方法，它更接近一种“受约束的自主性”：让模型在适合自主决策的空间中发挥能力，同时通过数据、工具、规则和验证机制守住真实性与可执行性的底线。
LUI 的上限、GUI 的下限，以及“想、订、办”的中间态
飞猪 V10 的交互设计中存在一个看似矛盾的地方：一方面，自然语言可以承载更加开放的用户需求；另一方面，产品不仅没有取消原有结构，反而增加了“帮我想、帮我订、帮我办”三个入口，并继续保留酒店列表、地图和筛选器等 GUI。
这并非简单的界面取舍，而是产品团队对现阶段用户习惯和 AI 能力边界的判断。
现场体验者提出，如果 AI 足够通用，为什么还需要用户理解“想、订、办”的区别？理论上，一个足够强的 Agent 应该能够从同一个入口识别意图并完成任务。
产品负责人的解释是，三个入口现阶段主要承担用户教育和能力指引的作用。面对一个“什么都能做”的输入框，普通用户未必知道可以提出什么问题；将服务拆分成“想、订、办”，能够让旅行 AI 的能力变得更加具体。
系统还会根据用户当前所处的状态调整默认入口：已经存在明确行程时，更倾向于展示“办”；近期正在浏览目的地、寻找灵感时，更倾向于展示“想”；进入酒店或机票等搜索场景时，则更接近“订”。
因此，这三个入口并不一定代表三套彼此割裂的能力，也未必是最终产品形态。现场讨论中提到，随着模型能力增强和用户习惯成熟，这些入口未来可能重新合并。
同样的阶段性判断，也体现在 LUI 与 GUI 的关系上。
飞猪现阶段并没有选择用语言界面全面替代图形界面。对于“找迪士尼附近的酒店”这类宽泛需求，用户通常需要同时查看多家酒店，并结合价格、位置和地图进行比较。此时，GUI 已经形成了较高的浏览和交易效率，在聊天窗口中逐条返回结果未必能够改善体验。
LUI 更适合处理传统筛选器难以覆盖的精准、复杂和长尾需求。例如，“找一家步行到迪士尼前门五分钟、适合老人并允许携带宠物的酒店”。平台很难为每一种低频条件组合单独设计筛选项，自然语言却可以直接表达完整意图。
V10 还演示了 LUI 控制 GUI 的交互：用户通过自然语言描述价格、位置和房型要求，系统识别条件后，对应的酒店列表和筛选条件随之调整。这意味着 LUI 不只是一个返回文本答案的界面，也可以成为原有交易页面的自然语言入口。
在陈烨的概括中，LUI 的能力上限很高，GUI 则提供了成熟交易体验的下限。现阶段更现实的产品路径，是保留 GUI 在浏览、比较和交易方面的效率，同时利用 LUI 扩展产品处理复杂意图的能力。
“想、订、办”解决的是用户暂时不知道 AI 能做什么的问题，GUI 解决的是并非所有结果都适合用对话呈现的问题。二者共同说明，AI Native 并不等于立即把产品变成一个聊天框，而是在模型能力、用户认知和交易效率之间寻找新的组合方式。
评测不是为了刷榜，而是在决定什么结果可以交给用户
V10 评测负责人介绍，对于输出具有一定开放性的 Agent，飞猪首先关注的是结果的“可用率”：只有达到内部准入标准，产品才会面向用户发布。
在具体流程上，团队会先确定评测标准，对评测集进行筛选和审查，再进入机器评测环节。机器评测主要由多家模型对待测结果进行打分，并通过多模型投票形成初步判断；此后，团队还会进行人工抽样复核，进一步确认结果是否达到面向用户的标准。
飞猪评测的核心不只是比较哪一个答案“看起来更好”，还要判断模型生成的结果是否已经达到可以交给用户使用的程度。
除了上线前的准入评测，团队还会使用同一批 Query，将飞猪与其他 OTA Agent、通用模型进行一对一横向比较，以了解产品在市场中的相对位置。
根据飞猪内部评测，团队认为，相较于其他 OTA Agent，飞猪在线路规划、需求理解和内容表达方面具有一定优势；与通用模型相比，飞猪由于强调“真实可达”，在回答的丰富性、联想能力和模型自由发挥程度上仍存在不足。
但评测负责人也强调，飞猪背后连接着真实、可以下单的商品供给。用户获得行程建议后，可以继续完成预订，以及处理其他旅行服务。这是团队认为飞猪相较于通用模型更具优势的部分。
这也对应了飞猪在真实性与模型发挥之间的选择：能够获得可靠数据、且体验上不允许出错的内容，尽量通过真实数据和工具进行校验；在线路丰富性和行程设计等部分，则为模型保留一定的发挥空间。
垂直应用不只是模型的下游，也可能成为新的训练环境
回到陈烨开篇提出的 AI 价值链问题，飞猪 V10 更值得技术行业关注的，不只是增加了一个新的 AI 入口，而是它尝试回答一个更大的问题：
通用智能如何进入真实消费世界？
陈烨认为，通用模型已经学习了大量互联网和代码数据。未来牵引基础模型继续发展的新问题和新反馈，可能来自旅行、教育、医疗等专业领域。
在旅行场景中，模型需要处理真实供给、动态库存、时空关系、用户偏好和后续履约。这些能力不能完全依靠公开互联网数据获得，还需要来自真实业务环境的反馈。
算法团队提到的数据、线路库、Environment、Harness、验证标准和行业 Know-how，既是消费 Agent 的工程基础，也可能逐渐成为后训练和模型优化的来源。
垂直应用不只是调用基础模型解决行业问题，也可能通过真实环境、评价标准和反馈数据，为模型能力的下一步演进提供新的牵引。
不过，陈烨并不认为从 Coding Agent 到消费 Agent 的迁移会迅速完成。
他将 Token 类比为能源。相比互联网应用的快速扩张，能源进入各个行业需要更长时间，因为每个产业都要围绕新的基础能力完成相应改造。
旅行、电商和其他消费行业同样需要整理数据、建设评测环境、改造供应链，并让原有交易与履约能力成为 Agent 可以调用的基础设施。
陈烨认为，这一过程可能需要两年，也可能不止，它不会以一次爆发式变化完成，而更可能是“润物细无声”地逐渐渗透。
在这个过程中，AI 未必只表现为一个越来越大的聊天窗口。它也可能逐渐进入搜索、交易和履约流程，成为连接用户意图、商品供给与服务能力的基础设施。
搜索和 Coding 已经证明，模型可以从回答问题走向执行任务。
消费 Agent 接下来要解决的，是当任务涉及真实商品、动态数据和后续履约时，如何仍然交付一个真实、可执行的结果。
这也是飞猪 V10 背后更值得技术行业关注的问题。
