又到了一年一度全網(wǎng)都在研究「如何搶票」的春運(yùn)季節(jié)。今天，2026 年春運(yùn)正式開啟，人流預(yù)估數(shù)字再創(chuàng)新高：95 億人次。 鐵路、民航客運(yùn)量預(yù)計分別將達(dá)到 5.4 億人次和 9500 萬人次。

正是焦躁的時候，一位國外網(wǎng)友分享的「作弊」型買票 prompt，在推上火了，瀏覽量超過 108 萬次。

看上去有點(diǎn)東西的樣子。春運(yùn)在即，機(jī)票預(yù)定的確是一個容易讓人煩躁的事。火車票好歹還算個「計劃經(jīng)濟(jì)」，票價由距離和席位固定，而且準(zhǔn)點(diǎn)放票。而機(jī)票價格每秒鐘都在波動，受到余票、日期、淡旺季等許多因素影響。

訂機(jī)票的過程就更煩了，看價格、抓時間、看退改簽行李額，還有銜接的交通。當(dāng)中有許多信息不對稱，讓用戶根本無法判斷現(xiàn)在的價格是「地板價」還是「殺熟價」。

這也是為什么這個博主的 prompt 能有一百萬次瀏覽：他的寫法是典型的策略化路線，讓 AI 分析大量歷史和實(shí)時數(shù)據(jù)，幫助購買決策。

然而，然而 ——當(dāng)我滿懷期待地用這套號稱能「作弊」的 Prompt 去給 AI 上強(qiáng)度，試了幾輪發(fā)現(xiàn)，emmmm，好像不是這么回事。

這幾個 Prompt 真能「拯救票價」

開始的頭幾個問題，效果看著還不錯。在 Gemini 和千問上，都給出了同樣的分析：票價呈倒 V 型變化——畢竟有 Google Flights 的血脈，再掉鏈子也掉不到哪兒去。

千問更熟悉國內(nèi)情況 ，直接指出海航前陣子由于訂票系統(tǒng)故障，出現(xiàn)了超級 bug 價，Gemini 沒抓住這個信息點(diǎn)。

反而是 ChatGPT，表現(xiàn)很一般，連貨幣換算都出差錯了，匯率不存在了是吧 。

豆包的表現(xiàn)比較平均，不功不過，像是新聞的整合，行文都保留了新聞通稿的口吻。

這幾個 AI 都屬于泛用型，而非基于平臺的 agent。泛用型 AI 的優(yōu)點(diǎn)不在于它能給你最低價，而在于它能基于歷史數(shù)據(jù)給你非常多的周邊信息和邏輯。訂票 App 的界面往往限制了想象力，也會因?yàn)楦鞣N彈窗、倒計時，徒增很多心理壓力，但AI 可以在對話框里「做功課」，而非只是比價。

「信息差」依然是決定泛用型 app 表現(xiàn)的金標(biāo)準(zhǔn)。尤其是在訂機(jī)票這件事上，最考驗(yàn) AI 的「信息毛細(xì)血管」。千問和 Gemini 的對比，簡直就是「地頭蛇」與「外賓」的區(qū)別。

千問的信息源深度嵌入了國內(nèi)的中文互聯(lián)網(wǎng)生態(tài)，它能敏銳地捕捉到那些官方通稿之外的消息。比如前陣子海航訂票系統(tǒng)的那個「超級 Bug 價」，在其它 AI 的被草草帶過，或者被歸類為「極端異常波動」，但千問能直接定位到具體的事故新聞，并給出「這并非常態(tài)價格，不建議作為回程參考」的決策建議。

反觀 ChatGPT，顯然不懂「中國式放票」的潛規(guī)則。當(dāng)你問它春運(yùn)期間的候補(bǔ)策略時，它會一本正經(jīng)地用邏輯推演出一個概率學(xué)上的最佳購票時間，但是不是真的能抓到巨大的 bug 價，就不好說了。

好用，但不是你以為的那種好用

博主給了 20 個 prompt，但是在我實(shí)際用下來時發(fā)現(xiàn)：很多 prompt 真正進(jìn)入 AI 對話框里，并不能有效激發(fā)模型的「創(chuàng)造力」，逼出來的很多信息始終是重復(fù)的。

比如：下面兩條 prompt 通過不同的時間維度分析機(jī)票價格，一個長期，一個短期。

但是，在 AI 看來，這兩者調(diào)取的底層數(shù)據(jù)幾乎完全重合。AI 也會自動把長短期的價格波動情況都一股腦堆出來。換個問法，并不會讓 ChatGPT 突然變成一個真正的搶票外掛，相反，給出的內(nèi)容不過是變著花樣重復(fù)。

這一點(diǎn) Gemini 會稍微好一點(diǎn)，它很快就把訂票這個行動放進(jìn)對話中，不斷地給出選項(xiàng)，用這種方式催促用戶完成訂票的行動。

再比如：「根據(jù)歷史數(shù)據(jù)，出發(fā)前的最佳預(yù)訂窗口是什么時候？請解釋一下價格通常在什么情況下飆升，又在什么情況下趨于穩(wěn)定」，收到的回答和一開始做周期分析得到的答案，是高度類似的。

聊得久一點(diǎn)也能發(fā)現(xiàn)，每一輪對話中都要出現(xiàn)一些「已知信息」，就像是老師敲著黑板，說這部分內(nèi)容更要考要考，但最后也沒考。

說這些倒不為了「打假」和唱反調(diào)，這套 prompt 能獲得百萬級流量，確實(shí)是有其道理的 ：在思維框架上，它為普通用戶提供了一個想不到的切點(diǎn)。

如果你只是問「哪家航司票便宜」，AI 默認(rèn)會進(jìn)入「客服模式」，給你一個穩(wěn)妥、保守、但毫無信息增量的回答。但當(dāng)你用一種做工程的方式切入這個問題，AI 的表現(xiàn)也就隨之不同了。

最典型的是，它不是簡單地去解決「多少錢」，而是要求 AI 去對比不同影響因素的力度，或不同航司的規(guī)則規(guī)律。

還有，它里面有很多關(guān)于數(shù)據(jù)化的東西，比如「Price Drop Probability」（降價概率） 這種明確了需要以數(shù)字呈現(xiàn)結(jié)果的指令。雖然我們知道 AI 有可能在「一本正經(jīng)地胡說八道」，但對于正焦慮糾結(jié)的訂票者來說，這種量化的分析提供了極強(qiáng)的心理抓手，把「我要不要現(xiàn)在買」的糾結(jié)，轉(zhuǎn)化成了一個邏輯討論。

這種做法吧，說是說提供情緒價值 ，但是能把 AI 從一個搜索引擎的傳聲筒，變成了一個幫你整理爛賬的咨詢顧問，體驗(yàn)顯然是升級了。即便它最后給出的結(jié)論和攜程并無二致，但它幫你拆解「為什么這個價格合理」的過程，極大地緩解了用戶在面對機(jī)票價格波動時的焦慮感。這種輔助做決策的心理價值，往往大于那幾十塊錢的價格差。

到底，這套 prompt 真正好用的地方，并不在于它能百分之百幫你搶到那張不存在的「0 元票」，而是在于它幫我們建立了一個關(guān)于「如何科學(xué)買機(jī)票」的認(rèn)知框架。

對于不差錢的「氪佬」來說，訂票只是隨手刷刷數(shù)字，差不多就直接買吧，時間成本永遠(yuǎn)高于那幾千塊的差價。但對于學(xué)生黨、初入職場的社畜、或者是每一分錢都要花在刀刃上的窮游驢友，訂機(jī)票從來不是一個簡單的消費(fèi)動作，而是一個需要提前布局、到處切換、甚至需要帶上點(diǎn)黑客精神去完成的系統(tǒng)工程。

這套 prompt 就不僅是讓 AI 完成任務(wù)，也是 它教你不要只看總價，要看「價格趨勢」；它教你不要只看直飛，要學(xué)會拆解多段航程，也多看看不同的機(jī)場；它教你利用 AI，去對抗航司動態(tài)定價的算法黑箱。

它讓每一個認(rèn)真生活的普通人意識到：即便我們沒有私人管家，也能通過這些公開的 Prompt 工具，把 AI 變成自己的旅行顧問。這種對規(guī)則的掌握感，有時候比省下的那幾百塊錢更讓人踏實(shí)。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請隨簡歷附上項(xiàng)目/作品或相關(guān)鏈接）