从回答问题到把事办完，消费Agent还缺什么？飞猪新一代 AI 产品 V10 的一次探索 文章

信息检索和Coding，是过去两年率先找到产品市场匹配的AI应用方向。前者改变了人们获取信息的方式，后者则让模型开始理解目标、调用工具并执行任务。但类似的突破尚未发生在消费领域。AI可以完成越来越复杂的代码任务，却仍然很难稳定地处理一次涉及实时供给、交易和后续履约的消费需求。在上周的飞猪新一代AI产品评测会上，飞猪CTO陈烨将这种落差放到了整个AI产业的价值链中观察。在他看来，当前行业的注意力和价值仍然高度集中在基础模型、GPU、算力基础设施和Token层，应用层尚未出现足够多能够承接价值的产品。这种结构并不是一个可持续的终局。一个更加健康的AI生态，价值应该逐渐向下游延伸，进入编排层和应用层。这也把讨论带向了一个更具体的问题：Coding已经证明，应用可以在基础模型之上建立独立价值；这种路径能否进一步进入旅行、电商等真实消费场景？飞猪在评测会上展示的新一代AI产品V10，可以被看作对这一问题的一次阶段性探索：当AI从回答问题走向把事情办完，产品和工程体系还需要补齐什么？Coding已经找到PMF，消费Agent为什么还没有？陈烨提到，AI产品正在经历从大模型、Chat、Coding，到Agent、自进化，再到PhysicalAI的发展过程。当前行业的主要关注点正在进入Agent阶段，下一步则可能走向能够利用工具和环境反馈持续进化的Agent。但消费Agent还没有取得与CodingAgent类似的进展。陈烨认为，AgenticCoding给行业展示了一条重要路径：模型可以理解目标、调用工具，并在执行反馈中修正结果。Coding的一个特殊优势，是大量问题能够以相对封闭的方式进行验证。代码能否运行、测试能否通过，通常可以得到较为明确的判断。消费场景则不同。一张机票是否合适，不只取决于价格，还可能涉及出发时间、中转地点、是否需要过境签、能否过夜以及航司偏好。两家酒店都可能真实存在，但哪一家更适合当前用户，还要结合位置、预算、同行人和个人偏好判断。与此同时，机票和酒店都是高度时间化的商品。日期变化后，库存、价格、房型和可售状态都可能发生变化。交易完成后，还会进入值机、航变、退改和售后等履约环节。从Coding走向消费场景，难点不只是模型能否理解需求，还包括数据能否实时更新、结果能否验证、供应链能否响应，以及交易后的履约能否继续完成。