武汉大学游览攻略 ChatGPT的应用场景畅想：旅游篇-上

– 小程序名称：携程

– 小程序参数：目的地=上海

最后，输出结果，例如：

– 小程序返回结果：飞猪为您找到了从当前位置到上海的机票，请选择您喜欢的一项

– 小程序返回结果：携程为您找到了上海的酒店武汉大学游览攻略，请选择您喜欢的酒店

– 展示结果：您好，这是飞猪和携程为您找到的机票和酒店武汉大学游览攻略，请问您有没有满意的呢？

用小程序接入的这种方式更简单高效，无需重新生成一个新模型。

当然，这取决于小程序本身能够提供多少功能和参数，以及能够理解和生成该领域的多少专业用语。

2、个性化的旅游攻略

我们可能发现，用生成旅游攻略，有时并不是那么靠谱。

比如每天安排的景点太多，每天安排爬一座山，操作可行性较低。

这可能的原因是，的【预训练语料】不够丰富或质量不够高，导致生成的文本缺乏专业知识及常识。

国内的网站通常是按地点进行分类的，比如搜索“北京”，会出现该城市的热门旅游景点，像北京环球度假区、故宫博物馆、八达岭长城等等。

对这些语料进行简单的整合，所以有可能会制定出一天时间内游玩故宫博物馆+八达岭长城这样比较透支体力的行程。

面对这种情况，解决方案有两种：

1、使用更高质量或更相关的预训练语料，如专业的旅游网站或杂志的文章，它们可以提供更多的旅游信息和建议。

2、使用更充分或更匹配的微调数据，如针对特定目的地或主题的旅游攻略，它们可以提供更具体或更个性化的内容。

以美国旅游杂志Food & 为例，这本杂志介绍了世界各地的美食、饮品、文化和冒险体验，可以作为很好的预训练语料之一。

（图片来源：Food & 官网截图）

在该旅游杂志网站上，有一个48 Hours City （48小时城市游）的专栏，以时间为维度，重新整理全球城市的48小时旅程。

（图片来源：Food & 官网截图）

那么，用这些内容作为预训练语料，将能更好地为用户提供个性化旅游攻略。

我们需要将文章转换成【对话格式】，即将每个段落或句子变成一段用户或的发言。这样能够更好地理解用户的输入和上下文内容，从而输出更有针对性的回答。

比如，在Food & 网站上有一篇关于西班牙巴利亚多利德的48小时城市游文章。我们可以将它转换成对话格式，并用生成了回应。

用户：你好，我是Alice。我想去巴利亚多利德旅游，你能给我一些建议吗？

：你好，我是，一个由开发的对话生成模型。我可以和你聊聊巴利亚多利德，这是一个优雅而历史悠久的西班牙城市。

用户：太好了，谢谢你。我想知道巴利亚多利德有什么值得看的地方？

：巴利亚多利德有很多值得看的地方，比如它的古老建筑、美丽公园和丰富艺术。你可以从它的主广场开始，那里有市政厅、圣母大教堂和圣本笃修道院。你还可以参观国家雕塑博物馆，那里收藏了从中世纪到现代的雕塑作品。

用户：听起来很有趣。那么巴利亚多利德的美食呢？有什么特色菜肴吗？

：巴利亚多利德的美食以其简单而美味而闻名。它的特色菜肴有烤乳猪、羊肉汤和莱昂香肠。你还可以品尝当地的葡萄酒和奶酪，它们都非常优质。

用户：嗯，我已经饿了。你能推荐一些好的餐厅吗？

：当然可以。你可以去La ，这是一家传统的西班牙餐厅，提供地道的烤乳猪和其他美味佳肴。你也可以去Los ，这是一家创意的塔帕斯酒吧，提供各种小吃和鸡尾酒。如果你想吃点甜点，你可以去La de la ，这是一家著名的面包店，提供各种蛋糕和糕点。

用户：谢谢你的推荐，我会试试看的。

：不客气，希望你在巴利亚多利德玩得开心。

在大量的学习后，就能更好地回应用户多元化的需求，提供个性化的旅游攻略。

当然，在旅游场景中的应用远不止这两项。

比如还可以提供旅游咨询，解答用户的问题和疑惑，类似于签证、租车等问题；

可以根据用户的旅游主题和风格，自动创作内容，为用户省下凹朋友圈文案的时间；

可以根据用户在聊天对话框中输入的内容，实时提供相关的旅游广告、优惠券、活动等，提供更加精准的营销服务。

也许在不久的将来，我们能看到一个更综合的旅游服务平台，通过AI整合多种功能和服务，让我们更好地规划和享受旅程。

本文来自微信公众号“叁言梁语”（ID:），作者：，36氪经授权发布。