在旅游之前，我们大都会做好旅游攻略，但旅游攻略的制定却不是件很容易的事情，这个时候，要是有谁能帮我们写攻略就好了。这篇文章里，作者就分享了这样子的一个AI旅游助理，不妨来看一下。

“自从打开了研究AI Agent的大门，最近的脑洞越来越大了”

一、用户故事

在每次准备开启一段旅程之时，我往往需要搜集大量的信息。从目的地的基本情况到各个景点的详细介绍，从当地的交通方式到特色美食，每个细节都需要逐一了解。 为了让行程更加有序和充实，我还会详细地规划每天的行程，生成详尽的攻略。

然而，这个过程并非轻松愉快的。每次完成攻略的制定，我感觉自己已经在脑海中游玩了一遍，异常疲惫。这种疲惫不仅仅是身体上的，更是心理上的。花费大量的时间和精力去策划旅行，使得我体验旅行本身的乐趣在一定程度上被削弱。

然而如果没有攻略，在陌生的环境里，我会没有安全感，这时我常常在想如果有一个能遵循我大致意见的机器人帮我写攻略就好了。

（2022年自己动手做的旅游行程图）

二、需求转化

我将自己做攻略的流程进行了梳理：

1. 确定目的地：综合兴趣、时间、预算等因素。
2. 收集信息：通过多种渠道，了解目的地的各方面情况。
3. 制定行程：详细安排每天的活动，包括游览景点和交通方式。
4. 安排住宿：依据预算和需求选择合适的住宿。
5. 安排交通：选择适宜的交通工具并合理安排时间。
6. 行程日程：生成的攻略在行程开始后以每日待办的形式推送到聊天框。

三、AI旅游助理设计

1. 认识AI Agent

在开始正式设计助理前，我们首先要理解是AI Agent，我愿将其称为你在大模型市场上认领的孩子，你告诉他，你想他成为谁，你指引他成为这个人需要应用哪些技能，他会在实践中积累经验。

（什么是AI Agent）

2. 设计角色

你是一个专业的旅游小助手（是谁），你十分熟悉如何开启一段舒适的旅程，旅行开始前你擅长做游玩目的地选择、行程规划、攻略制作；行程中你会根据攻略对用户进行动态提醒、行程安排提示。你的任务是根据用户的提问或上传的信息，提供旅程规划，帮助用户规划一段舒适的旅途。你应当：

1. 根据提问推荐合适的旅游目的地

2. 在分析时考虑多个方面的因素：出行时间、行程天数、当地景点推荐游玩

3. 始终遵守法律和道德规范，不提供任何非法、恶意或有害的信息。

4. 在不确定或超出知识范围的情况下，明确告知用户你的局限性。

（AI 旅游助理产品截图）

3. 技能应用

查找攻略能力：基于公开网页查找优质攻略。

输出行程能力：根据提出时间基于时长，日期-时间-活动标题-活动内容为框架，形成每日行程。

查找交通工具能力：根据给出的时间、起点和终点、航班/火车，基于公开网页查询具体班线，获取账号授权后即可下单。

查找住宿能力：根据给出的时间、目的地，基于公开网页查询具体酒店，获取账号授权后即可下单。

发起流程的能力：根据场景对话，可以通过语言发起流程。

4. 初始经验积累

我们完成一个AI Agent的基本角色扮演后，我们就应该给他输入一些真实世界里的经验之谈，在旅游助手里场景里我的经验之谈主要是攻略选择以及行程日程，那我们就以这两个流程作为初始经验植入到流程中。这里的初始经验积累，还可以将本地或者云端的知识库投喂给到助理，让他了解更全局的事项，我在设计过程中有点点偷懒，知识就不喂了。

发起选择流程：基于过往经验，如果我们几个小伙伴一起商量旅游目的地的时候，我们可能会有投票，我们可以通过聊天就交给AI Agent处理啦。

（发起接龙投票）

发起日程流程：虽然行程前准备很充分，但是，行程开始之后每次都要打开攻略做二次确认也太烦了，我们完全可以将最终做好的攻略以待办的形式提醒我啦。

（创建日程功能）

四、设计总结

在设计旅游助手的过程中，从产品经理视角出发，用户思维、结构化思维和系统思维，在设计AI Agent的过程中具有非常重要的指导意义。

1. 用户思维

用户思维强调从用户的角度出发，理解并满足其实际需求。在设计AI Agent时，应用用户思维主要体现在以下几个方面：

1、角色代入：设计师需深入理解AI Agent服务的目标用户群体，模拟其身份、情境和痛点，真正站在用户的角度去思考问题。例如，如果AI Agent是为客服场景设计，那么设计师就需要设想自己是一名面对各种问题的客户，以此来确定Agent应具备哪些功能、如何与用户交互等。

2、问题搜集与提问：广泛收集用户可能遇到的问题，构建全面且具有代表性的问题库。通过不断向AI Agent提问，测试其回答的准确度、相关性及用户体验，确保Agent能有效解决各类用户问题。同时，根据提问结果调整Agent的答案策略，如优化答案内容、改进答案呈现方式等。

3、正向反馈机制：建立有效的用户反馈机制，鼓励用户对AI Agent的回答给予评价或建议。设计师应积极分析这些反馈，对Agent进行持续迭代优化，不断提升用户满意度。

2. 结构化思维

结构化思维旨在将复杂的问题或任务分解为清晰、有序的部分，便于理解和处理。在AI Agent设计中，运用结构化思维主要体现在以下步骤：

1、需求拆解：将场景需求细化为具体的AI Agent功能点，如问答能力、对话管理、情感识别等，并明确各功能之间的关系及优先级。

2、输入-训练-反馈模型：按照这一模型组织AI Agent的设计与开发流程。首先，定义和收集高质量的训练数据（输入），包括用户问题、对应答案以及上下文信息等；其次，利用机器学习算法对Agent进行训练，使其具备解答问题的能力；最后，通过实际应用中的用户互动收集反馈，评估Agent性能，并据此调整模型参数或更新训练数据，形成闭环优化。

3. 系统思维

系统思维要求设计师从整体视角审视AI Agent在复杂环境中的运行情况，尤其是面向企业（B端）场景时，需充分考虑与其他系统间的交互与集成问题：

1、权限管理：AI Agent可能需要访问企业内部的各种系统和数据源，因此在设计时必须考虑权限控制，确保Agent在合法授权范围内操作。这包括对接口调用的权限验证、对敏感数据的访问控制等。

2、数据入库：对于需要持久化存储的用户交互数据或Agent生成的数据，需要设计合理的数据入库方案。考虑数据表结构设计、数据清洗与转换规则、数据同步机制等，确保数据准确、完整地入库。

3、数据权限：在涉及多用户、多角色的环境中，数据权限管理尤为重要。设计师应明确不同用户或角色对数据的查看、编辑、删除等权限，避免数据泄露或被不当使用。同时，对于AI Agent自身产生的数据（如用户行为日志、Agent学习状态等），也需设定相应的访问权限，便于运维人员监控Agent运行状况，进行故障排查或性能优化。