国庆自驾别把攻略全甩给 AI：河南七天实战的 Agent 用法拆解

国庆出门前做攻略，很多朋友的习惯是丢一句话给 AI："从 X 出发去 Y 玩 Z 天，帮我做份攻略。"AI 确实会交出一份像模像样的行程，但真照着走，问题就来了：行程从早七点排到晚十一点，城际车程算得过于理想，酒店推荐永远停留在"老城区附近"，具体到房型和性价比就语焉不详了。

刚完成的一次河南七天自驾（一家四口带两位老人、开新能源车）让我确认了一件事：AI 做攻略的短板不在模型能力，而在分工方式。把体力活外包给 Agent，把判断权留给自己，攻略质量完全是另一回事。

核心分工：人定主线，AI 细化

一键生成之所以不靠谱，是因为它替你做了所有决定，却不为结果负责。实战里我把流程拆成两栏：

• 人负责：定主题（这次是"看演出加吃美食"）、划半径（以出发地为圆心、单程五百公里画圈排除）、砍景点（绕路严重的直接舍弃）；
• AI 负责：查证规则、算车程、找时间冲突、排细节、排版输出。

四条贯穿全程的原则也值得抄走：能支撑具体决策的信息才是信号，其余扫一眼就扔；涉及时间、门票、预约，必须回到官方原文核对，二手转述必有折损；评论区的真实碎碎念比精心修图的爆款笔记可靠；喂给 Agent 的信息成色越高，产出越扎实。

七步工作流

1. 定目标：先想清楚这次出门到底要什么——打卡、度假还是主题式，主题决定城市取舍；
2. 圈城市：假期长度乘以车程半径，用画圈排除法锁定目的地，多城连线优先考虑环线顺畅度；
3. 挑景点：让 AI 搜索助手按社区笔记打底稿，再交叉比对，宁缺毋滥；
4. 排路线、抢门票：把官方票务规则原文整段贴给 Agent，让它拆解放票时间、优待政策和入园限制，生成抢票日历，设好闹钟逐项勾销；
5. 锁酒店：跟着每日终点走，提前十五天以上下手，优先选"入住当日可免费取消"的房型锁早鸟价；
6. 配餐饮：先广撒网记下高频店名，再反向查差评——多条提及预制菜的直接划掉；
7. 动态调整：天气、人流、体力随时迭代，遇恶劣天气就启动备用方案。

第四步的价值在实战里体现得最明显。原计划第一天看打铁花、第二天看实景演出，核对官方公告才发现：园区平时凭票三天内可反复入园，国庆改成单日一次有效，只有买演出票才送三天不限次入园权益。把规则原文贴给 Agent，它立刻重排了顺序——先凭演出票入园看演出，次日再用权益看打铁花，避免重复购票。这种藏在票面细则里的冲突，靠肉眼排行程几乎必然踩坑。

交付物：一份能离线打开的网页路书

别让攻略躺在聊天记录里。让本地 Agent（能直接读写文件的 Claude Code、智谱 ZCode 这类工具都可以）把定稿输出成单文件 HTML：总览页管全局，点日期切换每日详情，发进家庭群，家人存下来就是离线文档，景区信号差也不影响查阅。

提示词框架不用复杂，三个要素就够：角色设定——严谨务实的路线规划师，拒绝网红流水账；分工约束——人定主线、AI 干体力活、规则以我提供的官方信息为准；分步交互——先问清人员构成、司机作息和核心主题，输出城市取舍建议和路线骨架，确认后再细化每日安排。最后让 Agent 扮演专业导游做一次"反向质询"，专挑体力透支、路线冲突和时间卡点，这一步能捞出不少隐蔽漏洞。

一点观察

用下来最大的感受是：Agent 真正的强项是"有据可依的整理与推演"，而不是"无中生有的决策"。现在的模型倾向于迎合人，你让它改它就改，很少主动质疑你，所以输入端的官方一手信息和输出端的人肉终审，一个都不能省。至于一句话出攻略的产品，临时出门列几个景点够用，认真规划长行程就别指望了——工具用对了分工，才谈得上省心。