AI 这么强,为什么还帮不了普通人买低价机票?

这篇文章记录了我用 AI 帮朋友找优惠机票的经历。从 ChatGPT、Gemini，再到 Claude Cowork，Claude Code 以及各种国内订票平台的 AI。

最后，我的确用 AI 帮朋友买到了更优惠的机票。但也折腾了 2天。所以我不禁感慨：AI 这么厉害，但帮普通人买优惠机票，依然不容易。

昨天，一个朋友来问我：“AI 能帮我买到优惠机票吗？”

我第一反应是：这不是很适合 AI 吗？

毕竟，ChatGPT 刚出来那会儿，山姆·奥特曼就拿 “买机票” 举过例子。再加上，这种任务听起来也很像 AI 擅长的那类事：信息搜索、价格比较、给建议。

但朋友很快给我泼了盆冷水。

她其实已经试过了，体验并不好。AI 并没有帮她找到真正便宜的机票，只是给了一些很模糊的建议。

她说，可能是她提问得不够准确。所以，我根据重新写了一版更明确、更完整的需求，然后丢给 ChatGPT 试了试。结果，和她反馈的一样。AI 只是给了模糊的购买时间区间建议。

这件事为什么麻烦？

因为她的需求比较特殊：

• • 往返时间范围：6 月 25 日 - 8 月 25 日
• • 停留时长：25 - 45 天
• • 希望直飞
• • 想找尽可能便宜的票

我让 AI 算了一下，一共有 567 种日期组合。

哪怕用上 Google Flights、携程这类工具自带的「弹性搜索功能」，工作量也不小。

比如 Google Flight「日期网格」功能。这一张图，其实就涵盖了 “7.12-7.18 出发，8.9-8.15 返回总共 7x7=49 种情况”。如果出行时间基本按照打工人的假期来，看完这样一张图基本就能搞定价格的决策了。

但是朋友的需求是 10 倍，这些网站的工程师，不会为了这样的特殊需求专门开发。因为页面资源是有限的，他们只能给用户看一个页面。他们首先考虑的，是绝大部分人的需求。

事实上，这是一个非常适合用代码搞定的任务，而不是直接交给聊天式的大语言模型。

因为完成这个任务，需要的都是重复的操作：

不过，考虑朋友是非技术背景，我也想看看「现在的 ChatGPT 这种通用模型会不会进化了」。

我决定亲自试试看。

第一轮：聊天式 AI，基本都不行

ChatGPT

我进一步优化了一版需求，把目标和我期待的执行方式都写得更清楚了。

结果，ChatGPT 很坦诚，直接 “躺平”：

它告诉我，它只能基于公开可访问的数据做有限查询，没法真正遍历所有日期组合。

看到这里，我第一次很明确地意识到：聊天式 AI 很难完成这种高重复度、强执行型的任务。

Gemini

接着，我又试了 Gemini。

我本来还抱有一点期待：毕竟 Google Flights 是 Google 的产品，说不定 Gemini 会更有优势。

结果并没有。

有的时候它查得对，有时候又不行，相当不稳定。我发现：每次它用来比价的表格，日期都不一样，看起来也是 “偷懒” 了。

虽然结果不太好，但我和朋友一样，第一时间还是怀疑：是不是我的 prompt 没写好？

所以，我决定让 AI 帮忙优化使用 AI 的方法。

第二轮：我让 AI 帮我想 “怎么用 AI”

具体来说，我做了两个尝试：

1. 1. 让 AI 优化向它提问的提示词（ prompt）

我是这么问它的：

我想让 AI 帮我搜 最划算机票，确保你理解我的意思，然后帮我优化 prompt：温哥华到北京往返， 6 月 25 日之后出发， 8 月 25 日之前回温哥华，在北京呆 25-45 天，只考虑直飞，怎么买最划算？

它优化后的 prompt 如下，确实更完整、更像样。但这并不能改变它底层的行为模式：它依然只是做有限搜索，然后很快开始总结。

帮我搜索并比较温哥华（YVR）到北京（PEK 或 PKX）往返直飞机票，目标是找到最划算、总价最低的方案。

限制条件：

• • 只看往返
• • 只考虑直飞
• • 去程必须在 6 月 25 日之后
• • 回程必须在 8 月 25 日之前
• • 在北京停留时间必须是 25 天到 45 天之间

请完成以下内容：

1。 找出符合条件的低价日期组合，并按价格从低到高排序
2。 至少列出 5-10 个方案
3。 每个方案注明：

• • 出发日期
• • 返回日期
• • 停留天数
• • 航空公司
• • 出发/到达机场
• • 总价
• • 是否含托运行李
• • 退改签限制
• • 购票平台或官网
  4。 帮我总结：
• • 哪些日期最便宜
• • 哪种停留天数最便宜
• • 哪个平台最划算
  5。 直接告诉我：
• • 目前最值得买的方案
• • 怎么买最省钱

如果两个方案价格接近，请优先推荐包含托运行李、退改条件更合理的方案，而不是只看最低裸票价。

1. 2. 我干脆直接问 AI ：你告诉我，我可以怎么用 AI 买到划算的机票。

结果，它直接和我说：你最该用 AI 做的，不是 “找最低价” 这件事本身。

可是，我真正想做的，恰恰就是 “直接找到最低价”。不仅如此，它给的方案里还有一些让我手动截图它信息的过程。

我开始放弃纯聊天模式，转向更能 “动手” 的 AI。

第三轮：让 AI 真正去“做事”

Claude Cowork：方向对了，但数据不够

考虑朋友用 Cowork 可能会更容易上手，我把相同的需求发给了它 。

这一次，它一上来就想「连接浏览器」，使用外部工具。虽然中间有失败，但我一下子觉得方向对了：

它终于不像聊天机器人那样只会总结了，而是在尝试调用工具。

后来它连上了 Kiwi 之类的服务，还真的跑出了一份 Excel 文件。

里面甚至有：

• • 所有搜索结果
• • 最佳方案推荐
• • 价格热力图

第一眼看上去，很像那么回事。

但我很快发现不对：，最便宜的也要 2436 CAD，折合人民币 12000 多。

而朋友自己手动搜到的最低价，明明是 1 万出头。。

后来认真看它的执行过程我才知道问题出在哪：

Claude Cowork 主要用的是 Kiwi 的数据，而 Kiwi 的数据并不完整。

比如朋友手动搜到的最便宜方案里，有加拿大航空；但 Kiwi 并没有覆盖这部分数据。

我意识到：

AI 能不能完成任务，不只取决于模型强不强，还取决于它接入的工具和数据到底全不全。

接着，我又试了最熟悉的 Claude Code。

Claude Code：更灵活，但还是绕不开数据源问题

我直接新建了一个文件夹，打开 Claude Code，然后把相同的 prompt 丢给它。

它的表现和 Claude Cowork 有点像：执行能力更强，但主要还是在用 Kiwi 和少量其他网站的数据。

最后提醒我：最好再去 Google Flights 和航司官网交叉验证。

我看到这句话的时候，真的有点绷不住了。

既然如此，那我为啥不让直接去 Google flight 拿数据呢？

到这里，我的思路也更清晰了：

在确定性的任务上，不能给 AI 太大的自由度。需要给它明确的执行路径。

Skills：让 AI 和脚本各干各的

于是，我在上一步 Claude Code 的聊天窗口里，继续和它说：

我希望你帮我实现一个工具来做这件事，最好能直接用 Google Flight、航司官网的数据，给我推荐一些方案？

聊了几轮以后，我重新拆解了这个任务 —— 其实有两类工作：

一类是不确定性的工作，适合交给 AI，比如：

• • 理解自然语言
• • 从模糊表达里提取用户意图
• • 处理同义词
• • 做轻度歧义消解
• • 把“温哥华到北京，6 月底到 8 月底之间，待 25 到 45 天，直飞” 解析成结构化参数

另一类是确定性的工作，适合交给脚本，比如：

• • 参数校验
• • 城市与机场映射
• • 日期、货币和舱位规范化
• • 批量执行搜索
• • 汇总结果并排序

这种任务非常适合让 Skill 来完成，因为它的设计原则恰好是：

AI 负责处理不确定性，脚本负责保证确定性。

像 Google Flights 这种成熟产品已经做好的能力，就不应该再让 LLM 从不完整的公开网页里再 “猜” 一遍。

真正需要 AI 补上的，不是“再造一个 Google Flights”，而是：

把 Google Flights 没有为少数特殊用户做的那部分重复劳动补上。

最后，我让 Claude Code 帮我做了一个 skill。主要就是一个文件夹，包含下面三个部分：

• • SKILL.md^[1]：用来指导 AI 理解任务、理解用户意图，转化成参数，调用脚本执行
• • 脚本：用来执行 AI 给的确定性任务
• • 脚本执行环境：确保脚本可以正常运行

实现以后，我给 AI 发了下面这句指令：

/search-flights 温哥华 北京 6 月 25 日-8 月 25 日 25-45 天 直飞

它开始用跑脚本的方式收集价格信息，得到了 258 个结果（看来也不完整？）。

最后，它给出了购买建议。我一查，这个价格果然是最便宜的，而且， 比朋友昨天自己手查的便宜了几百。我终于送了一口气，赶紧发给朋友。也因此，成功蹭到了一杯咖啡。

最后，我把这篇文章发给 AI，它帮我写了个结尾：

折腾完以后，我最大的感受并不是：

• • ChatGPT 不行
• • Gemini 不行
• • Claude 更强

而是：

很多现实任务，真正的难点根本不是“理解用户在说什么”，而是“把正确的动作重复执行足够多次”。

而这，恰恰不是今天聊天式 AI 最擅长的部分。它们很擅长：解释、总结、提建议、帮你改 prompt、帮你设计流程

但如果你真的想解决问题，往往还是要给它：

• • 合适的工具
• • 可靠的数据源
• • 清晰的执行边界
• • 能落地的脚本

这就是  Claude Code 这类编程 Agent 比较擅长的了。

这个机票搜索的 Skill，我这两天会整理一下开源，欢迎持续关注。

你有类似的找机票的需求么？AI 有帮到你么？欢迎在评论区分享。

如果觉得这篇文章有用，欢迎帮忙点赞、转发给有需要的朋友。

我是李志伟，一名拥有 8 年实战经验的 AI 算法工程师，正走在一人公司的创业之路上。我喜欢研究 AI 的前沿进展，但也希望用 AI 帮助更多普通人。

欢迎关注我，愿我们在 AI 实践中一起持续进步，走得更远。

感谢您读完这篇文章。如果您使用 AI 提效或工程落地实践方面有任何问题，欢迎加我微信，交个朋友，一起交流探讨、共同成长。

后记：一些其他（失败）尝试

搞定这个需求以后，我还是挺开心的。但是我突然想起：朋友没有技术背景，一时半会儿用不了 Claude Code Skill……

不过，经过这么多尝试以后，我对需求和方案逐渐清晰：找个 Agent，在目标时间范围内反复查询 google flight，然后对比得到最优惠的价格。

这个过程可以通过脚本代码的方式实现（用我开发的 skill），也可以用一个能在浏览器点点点的 Agent 实现。

我又想起 ChatGPT，虽然它的聊天模式搞不定，但它还有个代理模式（Agent mode）。

后来我又试了 ChatGPT Agent Mode

1. 1. 我按照下面的方式打开 Agent Mode

再一次，我把我的 prompt 发给 ChatGPT

在 Agent Mode 下， ChatGPT 会打开一台云端电脑，然后就像我们一样，开始进行鼠标和键盘操作。和人一样，它会打开日期网格比价。

最终，他给了我一个报告：

这个报告像模像样的，最后给出的这个日期，恰好价格也是对的，甚至比我上一次查的最低价还低。我以为这 ChatGPT Agent 也可以。于是，我迫不及待地推荐给朋友。

直到我写这篇文章，才发现，它的报告里还包含「调研方法」，它竟然直接说：为了简化，我直接把往返价格。

于是，我只好再加了个要求：

它重新开始工作，不过这一次，它不看「日期网格」图了，开始一个个翻条形图和记录

可是，它最终给我的报告依然充满 “幻觉”：

• • 它像模像样地在结论里给出截图，但截图和它的结论里的时间都不一样
• • 它最终的推荐方案是 7.22-9.13，也不满足 8.25 前返回的要求。

Claude in Chrome

最后，我想起 Claude Code 进行浏览器操作很卡。我尝试了 Claude in Chrome 这个浏览器插件。据说它可以实现浏览器操控。那我岂不是可以让他也点点点？但实际尝试下来，它的操作也是非常非常慢…… 基本没法用。

5 分钟过去了，它终于把温哥华输入出发地点了，但过了 10 分钟还没确认。所以，我放弃了。

国内订票应用的内置 AI

在这个过程中，我忍不住想起我之前用过 “海鲜市场” 的 AI 智能搜索还挺好用的。会不会国内的机票销售平台，也有类似功能？毕竟他们有自己的数据，应该能做出点东西吧？

于是，我尝试了下面这些应用的 AI，很可惜。它们都没法正确理解我的意图……

这个 AI，刚开始的的意图理解还行，但是只推荐了国航。我没来得及看，是不是他也没有加拿大航空的信息。但是它有个明显的问题：在同一个聊天框里继续发消息，他没有记住之前的上下文。一开始，因为它给出的机票建议是 7.14-7.20 的，不满足待 25-45 天的需求。所以我强调：8.25 之前回，要在北京待 25 天以上，结果它就开始给我推荐 4 月的机票了。

当我重新开启窗口，输入完整的需求，它连最开始的唯一选项都找不到了。

这个 AI 呢，一直没有理解我在时间上的要求…… 试了几次失败以后，我没有耐心了。

当然，也可能是因为我没有花很多时间尝试这些 AI ，所以 prompt 没有写好？或者是因为这个需求太复杂了？

你怎么看？有类似的找机票的需求么？有用上 AI 么？欢迎在评论区分享。

引用链接

[1] SKILL.md: http://SKILL.md