专题演讲嘉宾：吕德涛

旅行场景天然存在价格库存实时波动、成交不可逆、产品迭代快等挑战，对 Agent 的准确性要求极高。

飞猪的实践表明，制约旅行 Agent 能力上限的，并非模型代际的强弱，而是框架与边界的设计。模型幻觉（如捏造房型 ID、沿用失效价格）不会随模型升级自然消失——根本原因在于错误代价的不对等：模型输出成本低，但错误撤回成本极高。

为此，飞猪以"错了能不能撤回"为核心原则，划定模型与工程的边界：

• 决策归模型
• 执行归工程
• 表达归产品

本次分享将围绕循环、边界、上下文、评测四个维度，展开飞猪旅行 Agent 落地过程中的思考与实践。

演讲提纲

1. 场景与判据：不可逆性决定边界在哪里

• 旅行场景的难点
• 模型与代码的边界原则

2. Loop：确定性由代码保证，不由模型自述

• 终止判据与中断阈值
• 循环控制与状态治理

3. 职责边界：三件事分别交给谁

• 能算清楚的交给求解器
• 不可逆的动作交给用户
• 呈现方式交给产品

4. Context：模型可见事实，不可见标识

• 模型只接收可读事实
• 标识只在代码侧流转
• 出屏前整批校验

5. 评测：先定位根因，再决定怎么修

• 三层评测结构
• 失败样本分类与修复路径

实践痛点

• 自主性 vs 确定性：要接住口语化的改单就得给模型空间，要让成交可预测就得收紧；旅行的成交动作不可逆，容错窗口比问答类场景窄
• 边界的精确位置没有现成答案：太靠代码，可枚举的分支越铺越多、对话变僵；太靠模型，一次措辞漂移就可能变成资损。熔断阈值同样缺理论依据，只能经验取值，靠单一事实源保证各处一致
• 表达外置的代价：正文的呈现规范交给模型执行后，一致性不再由代码兜底，只能靠评测发现、prompt 迭代收敛；产品每改一版，模型侧就要重新对齐一次
• Judge 模型自身的校准：分数收进代码只解决了漂移，一旦错在事实层，映射只会把错误精确地传下去；而标注集随业务口径变动就得重做，这部分难以自动化

演讲亮点

• 区别于把边界画在“模型能不能做”上，我们按“错了能不能撤回”划：模型只提议方案，票种组合由求解器算定，创单与支付不注册为工具，酒店房型标识不进模型、卡片由代码用当轮检索结果现拼
• 区别于业界只在模型与代码之间划边界，我们把产品态表达也单列一层：卡片字段与正文的排版口吻由产品定义、运行时注入，卡片由代码渲染，模型只按规范组织正文
• 区别于把打分直接交给 Judge 模型，我们让它只输出事实、分数由代码按规则计算：三层评测分层下钻先定位到出错的那一步，同一批样本可复算

听众收益

• 获得一条可复用的边界判据 按“错了能不能撤回”决定每一步交给谁——查询、筛选、改单提议放开给模型，票种组合交给求解器，创单支付交给用户；决策归模型、执行归代码、表达归产品
• 掌握与框架无关的 Loop 与 Context 做法 终止判据只看行为不问模型、阈值收敛为单一事实源、真实标识不进上下文、跨轮改单用显式作废信号
• 带走一套可复算、能回流的评测方法 三层分层下钻控制 Judge 模型调用量，Judge 模型只出事实、分数由代码算，失败样本按根因归类，回流 prompt 迭代与模型定向优化