三声炮响、山上着火：带着 AI 去意大利旅行
它没有替我看风景，却替我处理了旅行中最消耗人的不确定性。
6月13日晚上7点半，我们正在意大利多洛米蒂山区的奥蒂塞伊小镇闲逛。
这个季节，太阳要到晚上9点多才落山。街道还亮着，远处的山谷安静得几乎没有动静。我也正在悠闲地吃着Gelato。
突然，镇上传来三声沉闷的炮响……
紧接着，教堂钟声大作。
钟声停下，又是三声炮响。然后再次敲钟。
如此循环了将近十分钟。
这显然不是普通的整点报时。但究竟发生了什么，没有人知道。
我在搜索引擎里输入：
多洛米蒂，晚上七点半，三声炮响，教堂钟声。
没有答案。
我又问了几个AI。它们先后给出过婚礼、战争纪念、灾害预警和宗教仪式等猜测，但没有一个答案足以让人信服。
路过小镇上的教堂，教堂外出现了几面此前没有见过的旗帜。白黄、红白、绿白，在风中挂满了建筑外墙。
我把照片发给AI，告诉它具体日期和我们所在的小镇。
这一次，原本零散的线索被串了起来：奥蒂塞伊所在的南蒂罗尔有自己的德语与拉登语文化传统；第二天正是当地的圣心主日；炮声、钟声、教堂旗帜，都属于节日前后的庆典。
但事情……还没有结束。
第二天晚上9点半，我们吃完饭，带着孩子在一座几乎没有人的公园里玩。
抬头时，突然发现对面的山上着火了！
火焰持续燃烧，浓烟从树林间升起。我们开始查意大利的报警电话，认真讨论要不要报警、报警电话打通了怎么说。
我又拍照，又录像，把现场发给AI。
它回复说：
这不是山火，而是圣心主日传统中的“圣心之火”。每年此时，当地人会在山脊上点燃火焰，组成十字、心形或宗教文字。
我再翻回前一天的对话，才发现AI在解释节日时，其实已经写过一句：第二天晚上，山上会点燃圣心之火。
只是我当时根本没有留意。
还好我们没有报警。
这件事，后来成了整趟意大利旅行中，我对AI印象最深的一幕。
因为它让我意识到：
AI真正改变旅行的地方，不是让我们更快地查到一份攻略，而是让一个完全不了解当地文化的外来者，有机会理解眼前正在发生什么。
一次跨越山区与城市的家庭自驾
这次旅行由两个家庭组成，一共四个大人、两个孩子。
我们从威尼斯入境，租车前往多洛米蒂，在奥蒂塞伊住了几天；随后一路南下到佛罗伦萨和托斯卡纳，最后回到威尼斯，从那里离开。
这条路线的跨度很大。
前半段是盘山公路、高原、徒步与户外；后半段则是佛罗伦萨和威尼斯这样的历史城市。
山区需要动力、空间和户外装备，进入城市后，大车和行李却又迅速变成负担。
同行还有两个六岁左右的孩子。每天能走多远、哪些地方值得去、什么时候要休息、去哪里吃饭，都不能按照成年人的方式简单规划。
对我来说，出国自由行真正让人焦虑的，无非几件事：
语言不通；不懂当地规则；带着孩子，行程处处受限；遇到突发状况时，不知道该怎么办。
过去，我们解决这些问题的方式主要是搜索。
在搜索引擎里查，在小红书上收藏攻略，在地图软件里对比评分。
这些工具当然有用。但它们给出的通常是“去意大利的人应该知道什么”，而不是：
我们两家六个人、带着两个孩子、开着两辆SUV、今天住在奥蒂塞伊，接下来应该怎么办？
信息从来不缺。
真正缺少的是和自己当前处境相匹配的答案。
所以这趟旅行开始前，我给AI提供了完整背景：同行人员、孩子年龄、路线、车辆、住宿地点，以及我们大致的旅行偏好。
后来我发现，AI在旅行中最大的价值不是提供资讯，而是提供确定性。
它没有替我开车，却在我脑子里装了一套预警系统
意大利自驾最令人紧张的，不一定是路况，而是那些中国司机不熟悉的规则。
最典型的是ZTL，也就是老城区的限制交通区域。
它的标志只是一个并不起眼的白底红圈。没有经过报备的车辆一旦误入，摄像头就可能记录车牌，导致大额罚款。
去奥蒂塞伊镇中心采购时，我们第一次是步行前往。整个小镇建在山坡上，拎着几大袋东西上下坡，走得筋疲力尽。
第二次，我们决定直接开车。
就在环岛准备驶入镇中心时，我抬头看见了那个白底红圈。
一脚刹车，停在入口前。
随后观察了一会儿，发现不少车辆只在路口放下乘客，随即掉头离开，几乎没有车真正开进去。
我第一次清楚地感觉到：出发前看过的那些规则，不再是一段被收藏后就忘掉的攻略，而是在关键时刻变成了一条真正会被触发的警戒线。
停车也一样。
蓝线、白线、黄线分别对应不同规则；有的需要提前缴费，有的免费但限时，有的是专用车位。高速收费站又分电子通道、银行卡通道和现金通道。自助加油机可能需要预付，现金余额也未必会自动找回。
AI把这些内容按照我们的路线和车辆情况，事先整理成了一份“可能在哪里遇到、看到什么标志、遇到以后怎么操作”的清单。
它没有替我踩刹车，也没有替我握方向盘。
但它提前在我脑子里装了一套预警系统。
一路下来，我们没有误入限行区，没有因为停车收到罚单，也没有在收费站开进错误通道。
AI还能翻译一种语言：意大利人的手势
在多洛米蒂和意大利高速上，还有一个非常明显的感受：
当地人开车很快。
尤其在山区盘山公路上，只要速度稍微慢一些，后车很快就会贴上来。高速公路上，所有车辆超车后也会迅速回到右侧车道，很少有人长期占着左侧。
有一次，我前面的车一直占着超车道，后面一位司机紧紧贴着我们，随后把左手伸出车窗，五指捏在一起，不断上下晃动。
我第一次见到这个手势。
下高速后，我把当时的位置、车辆关系和手部动作完整描述给几个AI，最后Claude给出了一个和现场最吻合的解释：
这是一种经典的意大利手势，大意是：
你到底在干嘛？（ma che fai?!）
我赶紧补充：挡路的是我前面那辆车，不是我。
它回答：
那就舒坦了。这个手势是冲你前面那位去的，你只是顺带欣赏了一场正宗的意大利路怒表演。
这大概是AI在旅途中提供过最恰到好处的一次情绪价值。
也是那一刻我发现，AI能够翻译的并不只是文字和语音。
它还可以翻译手势、表情、习俗，以及那些只存在于特定文化语境里的非文字信息。
把菜单翻译成中文，只是最初级的用法
出国吃饭，过去最大的障碍是看不懂菜单。
这次在多洛米蒂遇到的菜单，有英语、意大利语、德语，有时还夹杂当地的拉登语。有些餐厅给一张二维码，打开是一份几十页的PDF；另一些餐厅则只有手写菜单。
我的操作非常简单：
有PDF，就把链接直接发给AI。
没有电子版，就把整份菜单逐页拍照发过去。
AI可以把菜品名称、食材、价格和过敏原整理成一份完整的中文菜单。
但很快我发现，仅仅完成翻译，其实没有解决最重要的问题。
因为“看懂”不等于“会点”。
于是我开始告诉它：
我们是4个大人、2个X岁孩子；今天在休斯高原走了一整天；希望尝到当地特色，但不要点得过多。
这时它给出的不再是一份翻译，而是一套组合：
哪些是当地特色，值得尝试；哪些口味对孩子更稳妥；主食、肉类和蔬菜怎样搭配；哪些菜看起来相似，没有必要重复点；甚至会直接提醒：
这个量已经够了，不要再加面了。
过去我们会问：
这家店有什么好吃的？
但“好吃”是一个没有边界的问题。
更有效的问法应该是：
我们是什么人，今天处于什么状态，有哪些限制，希望得到什么结果？
AI真正擅长的，不是回答“意大利有什么好吃的”，而是回答“这张菜单里，什么适合今天的我们”。
唯一踩坑的一顿饭，来自一份人人都说好的攻略
在佛罗伦萨，我们先通过Google Maps找到了一家牛排馆。
餐厅会认真介绍牛肉来自哪里、怎样熟成，服务员还会把整块生牛排端出来展示。最后上桌的佛罗伦萨牛排，无论品质、服务还是价格，都与它讲述的故事相符。
第二天，我们去了另一家在小红书上极其热门、需要提前预约的牛排馆。
坐下后，环顾四周，一桌、两桌、三桌……全是华人面孔——应该都是看了小红书来的。
我心里当时就产生了一种不太好的预感。
后来果然如此：服务冷淡、等待漫长、价格更高，牛排品质却明显不如前一天。
如果我在佛罗伦萨只吃过这一家，或许也会拍一张足够漂亮的照片，然后在社交平台上写下“性价比很高”“一定要提前预约”。
但有了对比之后，事情就变得非常明显。
当然，一顿饭不能证明某个平台上的所有推荐都不可信。
它只是提醒我：当所有人都在复制同一份答案时，流量会不断强化流量，最后形成一个很难被打破的循环。
AI不会天然消除虚假信息，它依然需要信息来源。
但它至少可以把地图评分、评价数量、菜单内容、地理位置和我们的具体需求放在一起比较，而不是只告诉我“大家都去哪里”。
攻略仍然有价值，只是不应该再作为标准答案，而应该退回为决策的原材料。
最好用的实时翻译，最后并不是大模型
旅行前，我原本以为实时翻译已经不再是问题。
毕竟现在的大模型都可以听懂语音、直接对话，理论上只要告诉它“接下来你是一个中意双向翻译”，就能让两个人各说一句，它翻译一句。
实际使用时，却没有那么顺利。
有的产品会把对方说的话理解成是在向它提问，于是直接用意大利语回答对方；有的只能单向翻译；有的支持实时双向翻译，却偏偏不支持意大利语。
最后问了Gemini，找到了真正解决问题的App——iPhone自带的“翻译”应用——我甚至不知道手机上自带了这个App。
它的面对面模式把屏幕分成两半。我说中文，它把内容翻译成意大利语并自动播放；对方说意大利语，另一侧则直接显示中文。
这一定不是旅途中最AI的产品，却是当时最好用的工具。
在托斯卡纳的一家酒庄里，这种变化尤其明显。
当我们让酒庄老板用英语介绍时，他只能磕磕巴巴地说：
这瓶酒很好，是当地的，比较传统。
改用意大利语后，他一口气讲了一分多钟。
他告诉我们用了什么葡萄，这种葡萄在托斯卡纳意味着什么，为什么酒庄坚持这种酿造方式，以及这瓶酒应该呈现怎样的口感。
语言不再要求对方迁就我们之后，一个原本沉默的人突然变得丰富起来。
那一刻我才意识到，翻译工具最重要的价值，不是让游客完成一次交易，而是让当地人有机会用自己最熟悉的方式，完整地表达自己。
也正因为如此，我并不认为旅行中一定要坚持使用某一个AI产品。
真正的智能，不是什么事情都要自己完成，而是知道什么时候应该把工作交给更合适的工具。
从一整面货架里，找到真正属于当地的东西
买伴手礼也是一个典型场景。
过去我的方法通常是提前搜索“意大利必买”，或者看到包装上写着意大利语，就默认它足够具有当地特色。
这次，我直接把整面超市货架拍下来发给AI，并给出几个条件：
当地品牌、当地生产、有代表性、适合带回办公室分享。
它先让我排除掉在中国也很常见的全球品牌。
随后，我挑中一款包装精美、写满意大利语的巧克力，它又告诉我：这是德国品牌，也并非意大利生产。
最后选中的，是一家意大利本土的老牌巧克力。独立包装，适合分享，里面还有带文字的小纸条。
它并不是货架上最贵、包装最华丽的那一款，却最符合我真正想买的东西。
同样的方法还可以用来鉴别街边纪念品、童装品牌、文具和酒。
旅程结束后，我们还遇到了另一个非常现实的问题：两个家庭一路混着付款，回来时已经分不清每一笔消费究竟是什么。
我把银行卡消费记录发给AI。
它根据商户名、金额、日期和我们当天所在的位置，逐笔推测：哪一笔是超市，哪一笔是门票，哪一笔是索道，哪一笔是纪念品。
最后再区分哪些应该共同承担，哪些属于个人消费。
于是AI又从旅行顾问，临时变成了一名财务审计师。
搜索引擎给我结果，AI开始理解我的处境
回头看这趟旅行，AI完成过很多小事：
它帮我检查签证材料，指导儿童申请表中赞助人等字段应该怎样填写；甚至根据要求重新拼接PDF页面，生成可以直接双面打印的A3版本。
它解释ZTL、停车线、高速通道和自助加油。
它阅读菜单，推荐菜品，识别酒标和超市商品。
它起草与酒店、民宿和工作人员沟通的文字。
它根据票据和支付记录，帮助我们整理账目。
但这些事情仍然只是表面。
真正的变化在于：过去的搜索，是我先把问题压缩成几个关键词，再从大量结果中自行拼凑答案。
而在这趟旅行里，AI始终知道：
我在哪里，和谁在一起，开着什么车，孩子多大，今天走了多少路，以及接下来准备去哪里。
所以当我发去一张菜单时，它看到的不只是菜单。
当我发去一个交通标志时，它知道我是一名开着租赁车辆的外国游客。
当我发去山上的火焰时，它还记得前一天的炮声、钟声、日期和教堂旗帜。
这就是Search与Interact之间的区别。
搜索提供的是一张张互不相干的网页。
对话提供的，是一个持续存在的上下文。
它不只是告诉我世界上有什么，也开始理解此时此刻的我需要什么。
我总结出的五条旅行用AI方法
这次旅行之后，我的使用方式也变得更加明确。
第一，不要花时间憋一个完美的Prompt
遇到问题，先用自然语言说出来。
炮声的答案并不是一次问出来的。我先描述声音，再补充日期、地点，后来又上传旗帜和教堂照片。
大语言模型本来就擅长理解语言，没有必要先把自己训练成一台格式化输入机器。
第二，有什么材料，就直接给什么材料
菜单PDF、网页链接、现场照片、语音、账单和票据，都可以直接提交。
不要先替AI截图、抄写、转格式和整理字段。
让它看见原始材料，往往比我们手工转述更准确。
第三，把自己的背景交出去
不要只问：
这家店有什么推荐？
而应该问：
我们是四个大人、两个六岁孩子，孩子不吃辣和生食，今天在户外活动了一整天。请根据这份菜单搭配一桌当地特色，避免重复，控制预算，并标出不适合孩子的菜。
万能公式其实很简单：
多模态素材 + 我的具体情况 + 我需要的输出方式。
第四，明确允许它说“不知道”
三声炮响的第一轮回答里，几个AI都给出过错误猜测。
面对陌生文化、医疗、安全和法律问题时，要明确要求它区分：
哪些是已经确认的事实，哪些只是推测，哪些还缺少证据。
允许它说不知道，往往比要求它必须给出答案更重要。
第五，不要忠于某一款工具
复杂文档交给擅长长文本的产品，货架识别交给多模态和搜索能力更强的产品，实时翻译则交给当时真正好用的面对面翻译工具。
目标是解决问题，不是替某一个AI品牌完成全场景能力测试。
AI没有替我们旅行，它只是把旅途还给了我们
旅行中最破坏心情的，往往不是风景不够好。
而是找不到路、看不懂菜单、担心被罚款、害怕被偷、无法和当地人沟通，以及面对突发状况时那种持续的心智内耗。
AI没有让多洛米蒂的山峰变得更高。
没有让佛罗伦萨的教堂更加壮丽。
也没有让威尼斯的水面多一层夕阳。
它只是接管了那些不断侵蚀注意力的琐碎不确定性。
于是我们可以少盯一会儿手机，少争论一次该往哪里走，少因为不知道发生了什么而焦虑，把更多注意力留给身边的人和眼前的风景。
过去，旅行攻略试图给所有游客提供同一份标准答案。
未来，更好的旅行助手或许会记得每个人的家庭、偏好、体力、预算和经历，再从无数人的真实经验中，为此刻的你重新组织出一份答案。
它消除的不只是语言障碍。
而是“外来者”与“当地人”之间的信息鸿沟。
在这趟意大利旅行以前，我认为最重要的旅行装备是护照、信用卡、手机和充电宝。
回来之后，这张清单里多了一样东西：
一个能够持续理解我的对话框。
