我用 Gemini 做旅行攻略的 SOP 第三版

计划牛津深度游，请给我牛津所有重要景点的介绍，按推荐等级分类。

Gemini 通常会按照三个推荐等级，将牛津的景点分级介绍给我。

然后我将感兴趣的景点手动标记在 Google 地图上，网页端比 APP 端的效率高很多。

第二步

给我从 xx 地点到牛津的交通方式，计划 9 点半出发，告诉我何时到达。

到达后，设计一日游玩路线，并注明时间点。

Gemini 给我游玩路线后，对着地图先理解一下它设计的动线逻辑。我习惯 “满满当当的旅行”，通常会继续提要求：

你这个行程太松散了，有什么可以顺路插入的景点玩法？

这条路线不够紧凑，当地还有更多的景点玩法可以介绍给我吗？

通常提一到两次要求，Gemini 会吐出来更多的景点插入行程动线。同样把感兴趣的景点手动标记在 Google 地图上。

收集到更完整的景点清单后，要求 Gemini 更新之前的景点分级介绍，我把完整内容和交通方式复制到 notion 文档里，方便两个窗口随时查阅。

PS：我对于行程密度是有偏好提示词的，但我的密度远超常人，即便有提示词，AI 的概率计算还是落不到我的点上，非得手动逼它多给一点不可。

第三步

对着 Google 地图，把 Gemini 设计的动线手动打字在 flomo 里，大概是这个格式：

阿斯莫林博物馆-牛津大学自然历史博物馆&皮特河博物馆-布莱克威尔书店（负一层巨型书架）

一边打字，一边按照我的旅行偏好，对着地图思考，这是不是我想要的行程动线？如果不是，就对着地图调整成我想要的。这是决定性的一步。

调整好之后，把我手动修订的行程动线复制给 Gemini：

检查这条路线的合理性。

标注每一个行程点的到达时间与游玩时间。

如需预约，告诉我预约网址。

如需门票，告诉我门票价格。

最后一个景点标注关门时间。

Gemini 会跟我提各种意见，对照修改后提交 Gemini Reivew，反复修改到我和它都满意为止。

这份行程保存在 flomo 上，方便旅行时快速查阅。此外 notion 上有另一份完整的景点分级介绍，方便未来有可能修改行程时参考，而不至于去 Gemini 里拼命往前翻。

我的牛津攻略实例（flomo 版本）：

牛津：9:30 xx站坐 GWR 到牛津坐左侧座位走到校区约 40 分钟。

阿斯莫林博物馆-牛津大学自然历史博物馆&皮特河博物馆-布莱克威尔书店（负一层巨型书架）-谢尔登剧院外观-神学院-叹息桥-卡特街-瑞德克利夫拱形建筑物-图尔街-带顶市场午餐-圣母玛利亚大学教堂（不登塔）-高街-默顿街-基督教会学院（预约 15:30）-爱丽丝商店-基督教草坪

有时候我也会把 Gemini 给我的完整的行程动线，通常一两千字，复制到 notion 里。旅行时主要看 flomo 和 Google 地图，简洁高效，偶尔需要看更多上下文信息时再打开 notion。

总结

AI 做 AI 擅长的收敛任务，收集整理信息，提供最大公约数的建议。

我做我擅长的开放任务，按照个人偏好为自己定制行程。我的个人偏好已经写成 md 文件给到 gem 了，但仅凭百把字与我对齐偏好是不可能的，何况还有千变万化 case by case 的情况——比如我经常在做攻略的过程中连续追问并重构行程，这是无法预测的。

举个例子，Gemini 设计的剑桥行程里，下午 5 点建筑类的景点关门，按最大公约数计算这时就该缓缓离开。我一看不对，夏令时英国 7 点半天黑，5 点到 7 点半这段时间为什么不能继续玩户外景点，比如大片的草地 The Backs，原本就只是看建筑外观的 The Round Church、St John's College、Wren Library，以及代表性的街道 Trinity Ln，岂不是人少出片的绝佳时机？追问下去 Gemini 果然连连称是，重构了一条新的路线。

因此，语言无法对齐的我的偏好，无法覆盖千变万化的旅行场景，偏好本身就是跟随目的地而变化的。一个热爱徒步的我，有时候也会想在希腊的海边躺平。一个厌恶人多的我，有时候也想看看蒙特卡洛大赌场的繁华。根据偏好为我端到端直出路线这件事，AI 做不到。再说做旅行攻略对我是乐趣而不是成本，我不在乎在这里耗费大量的时间。

注意事项

在这一版收敛的 SOP 里，AI 有时候也乱搞，比如它会按照我在 gem 里预置的旅行偏好自作主张隐瞒景点修改路线。

有时候，自作主张被我发现了，比如在邱园攻略里为了避开人流，隐瞒了最有名的温室，或是在温彻斯特攻略里避开了人流量大的奶酪与辣椒节市集（我就是为这个市集才去温彻斯特），只因为摄影偏好里有一句 “不愿意与人对视”。发现后倒是可以严令修改，但肯定也有很多没发现的时候……

此处倒也不必追求完美。自作主张是 AI 智能的一部分，只能当成 “有时也会犯错的小助理” 来对待。想想看，哪怕是你的活人助理，也需要磨合很久（多个项目+充分沟通+持续记忆）才能理解你的个人偏好。

用 AI 时多在意它带来的帮助，比如我甚至会问到坐火车时哪一侧风景更佳；同时接受 AI 也是有缺点，有短板的。AI 不完美但足够好，辅助我做旅行攻略带来的帮助远大于偶尔的失误。

延伸思考

从这个案例里，也可以看出收敛与开放命题的差异。

• 搜索景点，按推荐等级分类介绍，按最大公约数逻辑设行程动线，这是典型的收敛命题。

• 和我的偏好对齐……我的偏好经常跟随不同的目的地变来变去，了解偏好在不同的行程里怎样漂移，这是典型的开放命题。

开放命题和收敛命题的区别在于，开放命题的变量组合更多，怎样组合取决于不同的关键变量，而关键变量常常是无法预判的（个人偏好在不同的行程中会有怎样的反应）。一旦无法提前录入准确的关键变量，概率计算就成了抽卡。

而我的大脑可以在看到目的地信息的时候，快速识别关键变量（行程中我在意的部分），快速计算最佳方案（为自己定制行程动线）。

因此，以我对旅行攻略的高标准和个性化偏好，我不认为 AI 可以端到端地替代我做这件事。但从我的攻略工作流中，拆分出来高价值的收敛任务交给 AI，则效率与质量一齐飞升。

所以 AI 赋能千人千面，每个人都可以找到自己的最佳实践，而不能盲从别人的最佳实践。换一个对旅行攻略要求低，容错率高的人，多聊几句，Gemini 现在就可以很好地端到端满足他。

附录 1：一则简单通用的攻略技巧

我用 AI 做旅行攻略，无论问多么平淡不起眼的景点，多么不适合旅行的季节，AI 都会变着花样吹彩虹屁：很棒，值得！

被骗多了以后，我改了个问法，不要问单个景点，而是让 AI 在清单里进行对比，按推荐等级排序。比如：

1. 巴黎有多少有意思的博物馆和美术馆？按推荐等级排序
2. 伦敦附近有多少有意思的英式庄园？按推荐等级排序
3. 剑桥最适合旅行的季节是？对一年十二个月进行排序
4. 尼采小路最好的光线是？从早到晚进行排序

一旦你让 AI 排序而不是评价单点，它立刻就客观公正了。

这个技巧简单且百搭，也就是让 AI 从全局视角去建立结构，在完整的结构中，AI 会通过对比得出更客观的结论。

先找 AI 要信息结构，理解结构之后，再按图索骥地探索兴趣点。这会消耗更多脑力，也不符合直觉，却是高效率高质量的通用方法。

附录 2：大英博物馆的（一部分）攻略提示词

给我大英博物馆，每一个展馆的主题以及重要展品介绍。按展厅编号顺序，每 10 个展厅一组，每次给我一组。同时对每个展厅标注推荐等级。

大英博物馆共有超过 70 个展厅，必须分批给我介绍，才能保证每个展厅有足量的介绍。标注推荐等级则会避免我看漏，错过什么。

针对不同的目的地，用不同的提示词去挖掘想要的信息，这令我相当快乐——我对提高效率没啥兴趣，对提高质量兴致无穷。节约 3 小时对我并不重要，提高 5/100 分质量则心花怒放。

内容来自“用思考交换思考”的古典产品论坛「犬校」。©2017-2026

点击【阅读原文】，可见犬校最近一年的好帖索引。