在线旅游集团企业

飞猪推出新一代AI产品V10,探索消费Agent在旅行场景的落地路径

飞猪

项目背景

当前AI产业价值集中在基础模型、算力等上游环节,应用层可承接价值的成熟消费类AI产品较少,AI在信息检索、代码领域已验证了从回答问题到执行任务的可行性,但尚未在旅行、电商等真实消费场景实现稳定落地,行业需探索适配消费场景的AI Agent落地路径。 本案例依据「InfoQ 中文」公开发布的信息整理,原文:https://www.infoq.cn/article/t0wslR8w8H7yeRD2MwO6?utm_source=rss&utm_medium=article

面临的痛点

1. 消费场景需求判断维度多元,商品库存、价格等信息随时间动态变化,履约链路长,现有AI Agent难以稳定处理涉及交易、履约的复杂消费需求;2. 原有AI功能为独立入口,无法适配各场景需求,传统图形界面操作步骤多,难以覆盖个性化、长尾的复杂筛选需求;3. 大模型自主生成内容易出现信息错误,无法保障旅行相关商品及服务的真实可售、可执行。

优秘的方案

飞猪推出新一代AI产品V10,将可唤起的AI Panel嵌入首页、酒店、机票、度假、订单等全业务场景,打造「帮我想、帮我订、帮我办」三类核心服务,覆盖旅行全链路;采用「受约束的自主性」技术架构,通过商品短别名、白名单、规则引擎、轻量在线验证等机制保障商品信息真实,同时优化Prompt模式、开展模型后训练,平衡模型自主性与结果可靠性;采用自然语言交互界面与传统图形界面结合的交互模式,兼顾成熟交易效率与复杂需求处理能力;建立多模型打分+人工复核的评测机制,保障输出结果符合可用标准。

帮我想、帮我订、帮我办长程任务的状态和进度展示ReAct 式的 AgentLoop商品短别名

实施路径

1
将AI Panel嵌入全业务场景,替代原有独立AI入口
2
打造「帮我想、帮我订、帮我办」三类服务,覆盖旅行灵感规划、预订、履约全链路
3
采用ReAct式AgentLoop架构,遵循「架构上做减法,模型层面做加法」策略
4
设置商品短别名、白名单、规则引擎、在线轻验证等机制,保障商品信息真实可达
5
将命令式Prompt改为声明式Prompt,提升模型任务处理灵活性
6
通过后训练将行业知识、评价标准内化到模型,减少对人工规则的依赖

落地成效

想成为下一个成功案例?

预约专属顾问,结合你的行业与规模,给出可落地的 AI 化方案