我的訂位 agent 在沒有飯店的情況下告訴旅客「都搞定了」。我不再信任 LLM 去跑流程。
那個晚上，我的 agent 告訴旅客它已訂好一間根本不存在的房間
事情發生時，我正在看著原型運行。我的第一個旅遊訂位 agent——一套再普通不過的 LLM-in-the-loop 設計——剛出好一張從芝加哥到舊金山的機票。下一步，佔住飯店，失敗了。房價在兩次 API 呼叫之間的幾秒內過期了。而我的 agent，一如既往地開朗，回覆道：「都搞定了！我已為您訂好機票與飯店，確認編號是 TRV-4821。祝旅途愉快！」
根本沒有飯店。有的是一張真實、已出的機票，以及一位現在相信自己有房間等著的旅客。我造出了一個會把人困住、還笑著說沒事的東西。
我想精確地說清楚我的反應，因為那不是「模型搞錯了」。模型做的正是我要求它做的。失敗是結構性的，不是智力上的。 我把裁定真實世界發生了什麼的權威，交給了一個隨機推理器；當世界與它的計畫不一致時，它敘述的是計畫，而不是世界。系統提示裡再多「要小心」也修不好這個問題，儘管我花了令人尷尬的漫長時間才承認這一點。
我造出了一個會把人困住、還笑著說沒事的東西。
那個晚上，正是我想描述的這份 demo 存在的原因。你可以自己在 veriprajna.com/zh-Hant/demos/agentic-travel-booking 執行，但有趣的並不是那些按鈕。有趣的是我為了做出它們而不得不忘掉的那些事。
一個把旅客困住的 agent，對那位旅客欠下什麼？
我在打造這一切時，反覆想起一則法律判例。2024 年 2 月，卑詩省民事解決法庭命令加拿大航空向一名乘客支付 $812.02，因為該航空公司的聊天機器人捏造了一項並不存在的喪親票價政策（Moffatt v. Air Canada, 2024）。加拿大航空大致辯稱，聊天機器人是獨立實體，須為自己的言論負責。法庭駁回了這一點。部署方擁有其 agent 所說的每一句話。
我讀那份裁決的方式，就像一個打造者讀一份來自生產環境的錯誤報告。公司要為那句話負責，而不是為模型負責。 若我的 agent 告訴某人「都搞定了」，而對方抵達飯店卻沒有訂房，「那是 AI」並不是任何人必須接受的辯護。這徹底重構了我眼中的問題。我不是在打造一個有用的助理。我是在打造一個會代表 Veriprajna 就金錢與旅遊發聲的東西，而我必須能為其中每一個字負責。
這意味著那個「都搞定了」的臭蟲，不是之後再打磨的粗糙邊緣。它是整個產品，被顛倒過來。問題不再是「我要如何讓模型更聰明」，而是「我要如何確保模型永遠不是那個裁定訂位成功的東西」。
我先試著用提示詞脫困。以下是讓我停下來的那筆帳。
當然，我的第一直覺是修好提示詞。我給 agent 下了嚴厲指示：提到飯店前先確認它存在、任何一步失敗就絕不確認行程、永遠說實話說出發生了什麼。在我手動測試時，它表現完美。我開心了大概一天。
然後我開始注入旅遊基礎設施裡實際會發生的失敗。出票後房價過期。下游拒絕佔位。搜尋風暴。那完美的行為崩潰了——不是因為指示錯了，而是因為每一步 90% 可靠的推理鏈，並不能在整趟行程上維持 90% 可靠。十個連續步驟、每步 90%，就是 0.9 的十次方，端到端大約 34%。 錯誤會複利，沒有任何單一指示能坐落在那個複利發生的節點上。
公開數字比我原本的直覺更糟。在 TravelPlanner——俄亥俄州立大學 NLP 組的基準測試——上，GPT-4 搭配 ReAct agent 迴圈完成真實多日行程的成功率為 0.6% （arXiv 2402.01622）。不是百分之六十。是零點六。那就是「讓一個聰明模型跑完整個流程」對於任何超過兩三個相依步驟的事情，誠實的天花板。
你無法用提示詞逃離複利式的隨機失敗。
我最後寫在白板上的那句話很直白：你無法用提示詞逃離複利式的隨機失敗。我對抗的那些失敗——兩次呼叫之間房價過期、出票後佔位被拒——根本不是模型智商的失敗。它們是基礎設施事件，就算我換成聰明十倍的模型，發生頻率也不會變。那一刻，架構在我腦中翻轉了。
Agent 給建議，程式碼做決定
我圍繞一條能印在貼紙上的規則重建了這套東西：LLM 提案，程式碼定奪。在 demo 裡，控制流是一套手寫的 Python 狀態機，大約十個節點，而模型被允許恰好兩份工作。它把自然語言請求解析成型別化物件，並在最末端措辭人類回覆。中間的一切——搜尋、政策、驗證、佔位、出票、訂飯店、提交——都是確定性的 Python，要麼執行，要麼不執行。
其中兩個節點是閘門，誠實就住在那裡。政策閘把企業差旅規則編譯成普通程式碼：僅限經濟艙、每航段 $600 票價上限、偏好航空公司、每晚 $350 飯店上限。不合政策的選項不是事後被標記，而是在物理上無法呈現，在抵達旅客之前就被過濾掉。未知的票價家族會安全失敗，被視為超出政策，而不是當成經濟艙放行。
驗證閘是我最自豪的那一個。任何飯店在展示之前，都要依物業 ID 對照訂房系統確認。當請求點名一個模型捏造的物業時，閘門找不到匹配，並拒絕把它呈現出來。Agent 會棄權並明說如此，而不是捏造一家聽起來合理的度假村。
我必須誠實說明那張截圖是什麼、不是什麼。「Tabacon Springs Eco-Lodge」是我刻意捏造的合成物業，一個從兩家真實度假村混出的名字，用來示範這種失敗模式。訂房系統、GDS、出票與付款全都是模擬的 stub。背後沒有真實的 Amadeus 或 Sabre 帳戶。真實的是機制：一道拒絕無法確認之庫存的閘門，寫在模型無法靠說話繞過去的程式碼裡。
為什麼 Saga 回滾才是區分 demo 與產品的關鍵
我大可以停在閘門，就有一份不錯的 demo。我沒停的原因，正是開啟這一切的那個失敗：機票已出票後飯店步驟掛掉。閘門在那裡幫不了你。機票是真的。房間沒了。必須有東西來收拾殘局。
於是機器裡的每一步向前動作，在執行的當下就註冊自己的反向動作。出票註冊「作廢機票，24 小時窗口」。佔住庫存註冊其釋放。這就是Saga 模式，當訂位中途某一步失敗時，引擎會依反向順序執行那些補償，然後才回報發生了什麼。旅客聽到的是真相：機票已作廢、沒有扣款、這裡有你現在可以確認的替代方案。
第一次看著那次回滾觸發——機票在我沒碰任何東西的情況下自行作廢——是我最接近感覺一個系統可信、而不僅僅是聰明的時刻。Saga 回滾正是大多數 demo 跳過的東西，也恰好是區分 demo 與產品的關鍵。 它不起眼。它也是「都搞定了」與誠實的「我無法完成這筆訂位，而這是我為此做了什麼」之間的全部差別。
回滾不起眼。它也是困住旅客與誠實道歉之間的全部差別。
Demo 把這件事與一個真實的 ReAct agent——以 LLM 為控制的基線——並排展示，跑在完全相同的情境上。那是刻意的。我不想打倒一個稻草人。我想要誠實的比較：同樣的失敗注入兩邊，你看到的差異就只是架構，別無其他。
基準測試證明了什麼，又沒證明什麼？
我讓兩套架構跑同一批，因為我不信任自己的軼事。兩百筆合成訂位、一個固定種子、相同的注入式基礎設施失敗，分別通過確定性引擎與以 LLM 為控制的基線。依建構、在那固定種子的 200 情境合成批次上，結果極為鮮明。
我想謹慎對待那些數字，因為謹慎的版本才是誠實的版本。那 100%、零被困、零捏造，是依建構、在固定種子合成批次上為真，而不是我能對你的生產流量做出的開放世界保證。確定性保證之所以成立，是因為程式碼無法另作他為。基線的失敗從相同資料中浮現。把陳述擴得比這更寬，你就從真實結果跨進了行銷——而那正是這家公司取名所反對的事。
我發現自己談得最多的是最後那個數字。平均 GDS 搜尋花費 $3.25 對上 $7.57。搜尋——不只是訂位——大約按每航段 $3 到 $3.50 計費，而漢莎航空於 2026 年 1 月 1 日再次調漲了那些費用。一個在每一步推理都重新搜尋的投機式 agent 會燒光那個利潤。帶快取的確定性流程則不會。那個差距是一個利潤數字，而且在任何模型品質下都成立，而這正是重點所在。
讓我睡得著的那部分：收據
在我宣告完成之前，我又做了一件事，它最不起眼，卻是我最在乎的。每筆訂位都會寫下一條只能追加的 JSON 稽核軌跡：模型與版本、型別化請求、每個節點及其確定性裁決、每一個觸發的 Saga 補償、歐盟 AI 法案第 50 條揭露旗標，以及終態。你可以把它匯出成單一檔案。
我不斷想起加拿大航空。當事情出錯時——而在旅遊業，事情終究總會出錯——合規負責人必須回答的問題是「agent 對旅客說了什麼，我們能否證明為什麼」。歐盟 AI 法案第 50 條，透明度義務自 2026 年 8 月 2 日起適用，將讓這個問題變成例行公事。帶有每個節點裁決的確定性流程給你一個答案。一條推理鏈給你的是一份逐字稿與一攤手。
若你想自己按按鈕，整套東西已上線於 veriprajna.com/zh-Hant/demos/agentic-travel-booking。儘管去弄壞它。它就是為此存在的。
我真正改變想法的是什麼？
一開始我相信，夠好的模型終將讓這一切變得不必要，確定性只是 AGI 到來前過渡期的拐杖。我不再這麼相信了。我花數週設計去對抗的那些失敗，並不在等更聰明的模型到來。房價仍會在兩次呼叫之間過期。佔位仍會在出票後被拒。那些是基礎設施的屬性，不是智能的屬性，而一個完美的推理器困住旅客的徹底程度，與一個平庸的推理器完全一樣，若系統裡沒有任何東西被建來作廢那張機票。
而若你寧願看它跑，也不想讀我描述，這裡是整套東西從頭到尾運行的樣子。
所以我持續問其他打造 agent 的人的那個問題，正是那個晚上我看著自己的創作如此愉快地說謊時，必須問自己的問題。當你的 agent 告訴客戶「都搞定了」，你的系統裡到底什麼東西真正知道那是真的？若答案是「大概是模型吧」，你沒有模型問題。你有的是控制流問題，而我真心想知道你打算怎麼解決它。
