搜里程票Workflow？
AI Agent自动化占票可行性引发技术路径探讨与质疑。
1. 关键信息
- 原有四步流程回顾：楼主 #1 提出的标准流程为：① seats.aero 初筛库存（建议灵活选择 IAH/SFO 等周边机场）；② AI (Claude/Gemini) 解析 MR/UR/TYP 规则及税费；③ roame.travel 查询转点 Bonus（如 UR→法航、Amex→VS 曾有20%-30%加赠）；④ FlyerTalk/论坛核实 DP 接驳段及 YQ 避坑。
- 流程痛点确认：#4、#7、#9、#10、#12 等多层回复指出，该手动流程耗时过长，在大规模放票窗口（通常仅1-2小时）内无法完成，导致“查完票已无”。核心批评在于缺乏自动化或 Agent 直接占票手段，且 seats.aero 初筛速度往往落后于实际库存变化。
- 特定航线限制：#5、#11 指出目标日期不放票是根本矛盾，且亚美航线资源极少，任何流程均难奏效。
2. 最新动态与需求变化
- #13 @credit_addiction 提出核心疑问：“应该用什么工具？”并明确表示愿意考虑付费版工具，反映出社区用户对提升搜票效率、解决“手速/流程慢”痛点的强烈刚需。此回复标志着讨论从“流程优化”转向“工具替代方案寻求”。
- #14 @simula 针对 #13 的付费意愿提出关键质疑：“啥agent还能占票”，直接挑战了当前社区对于AI Agent具备自动占票能力的普遍认知或假设，将讨论焦点引向技术可行性验证。
- #15 @Aga 提出具体技术构想：认为现有的 Workflow 可以封装为 Skill 或 MCP (Model Context Protocol) 协议，从而完全交由 AI 进行自动化操作和判断。这一建议试图从架构层面解决人工操作延迟问题，将讨论引向 AI Agent 的具体落地形态。
3. 争议与不同意见
- 流程必要性之争：#5 认为搜票流程无关紧要，根本在于热门日期不放票；#9 建议放弃复杂流程，看到有票直接下手。
- 效率瓶颈共识：多数用户（#4, #7, #10, #12）认同现有免费/半自动 Workflow 在实战中失败率高，主要受限于信息获取速度和人工操作延迟。
- 技术可行性质疑：#14 的提问揭示了社区内部对于“AI Agent自动占票”这一概念存在认知偏差或信息不对称，暗示目前可能并不存在成熟可靠的此类付费工具，或者用户对现有工具的功能边界存在误解。
- 策略补充：#6 建议引入“甩尾”策略（利用虚拟出发地或票价洼地绕道），但未被广泛采纳为通用解法。
4. 行动建议
- 技术路径验证：针对 #15 提出的 Skill/MCP 构想，需关注 AI Agent 在航空订票领域的实际集成能力。目前主流 LLM 尚不具备直接操作第三方票务网站进行“占票”的权限或接口，需警惕夸大宣传的工具。建议优先寻找经过社区验证的自动化脚本或 API 接口服务，而非依赖通用 AI Agent。
- Alert 设置优化：继续利用 seats.aero 和 roame.travel 设置 Alert，但需配合 FlyerTalk/泥潭等社区的实时放票新闻订阅，缩短信息滞后时间。
- 心态调整：对于亚美航线或极度热门日期，降低里程票预期，考虑现金购票或灵活日期搜索；若使用 Workflow，务必做好“看到即下手”的准备，减少中间验证步骤。