你過去的旅行知道你喜歡什麼

目錄

• 重置按鈕問題
• Wanderlog 和 TripIt 漏掉了什麼
• Atlas 記憶層
• 一個真實例子
• 為什麼其他產品沒這樣做

重置按鈕問題

每次旅行規劃都像從零開始。你打開一個規劃 App，輸入目的地和日期，然後又面對同樣的問題：想去哪、想吃什麼、喜歡快節奏還是慢節奏、哪些街區值得停留、哪些地方值得专門繞路。

這很奇怪，因為最好的答案已經在你的手機里。過去的旅行相片、筆記、路線和地點記錄，已經展示了你真正會被什麼吸引。它們知道你在哪里放慢腳步，哪一餐變成了故事，哪個觀景點值得早起，哪些博物館你其實只是路過。

但多數旅行規劃 App 把這些記憶當作不存在。它們只問下一站去哪，却不看之前的旅行。推薦往往來自熱門榜單、商业庫存和通用搜尋模式，而不是你真實喜歡過的東西。

你的相簿，比通用旅行推薦更懂你的偏好。

Wanderlog 和 TripIt 漏掉了什麼

Wanderlog 在做地圖、清單和多人行程時很有用。但它的 AI 推薦常常落在最安全的中間值。你問東京，它就給出澀谷十字路口、淺草寺、東京塔、teamLab、築地這類標準答案。這些地方未必不好，但這並不說明 App 懂你，只說明它懂東京的遊客表層。

TripIt 則從另一端錯過問題。它擅長解析電子郵件，把航班、酒店和租車確认整理成行程。但確认電子郵件不會告訴它你喜歡什麼。它知道入住時間，却不知道樓下那家咖啡館成了你最喜歡的一小時。它知道返程航班，却不知道你每天早上都在找安靜花園。

已經關閉的 Google Trips 也有同樣模式：訂單、離線城市指南、熱門景點都能整理，却沒有用旅行者自己的回憶建立長期偏好。它知道很多人去哪，却不知道你下一次可能真正關心什麼。

Atlas 記憶層

Wimemo 從相反方向理解這個問題。一次旅行在成為計劃之前，已經是個人旅行記憶的一部分。Atlas 已經知道你去過哪里、似乎喜歡什麼，因為它整理的是真實相片和地點，而不是抽象偏好表。

你拍了四張相片的餐廳？Atlas 記得這個地點。你走了两個小時去看的日出觀景點？Atlas 記錄了地點和時間。小文具店、茶館、甜品櫃台、山路、两天內反復回去的街區，都不是隨機碎片，而是信號。

Planner 可以調用這層已有記憶。如果 Atlas 顯示你經常拍舊書店，Planner 就不應該只給新城市的十大地標，而應該推薦文學街區、獨立書店、附近安靜咖啡館，並留出真正能瀏覽的時間。

一個真實例子

Zoe 在 2023 年去了京都。她的 Atlas 顯示，她停過三家不同茶館，給每一份抹茶甜點都拍了照，在東山一帶停留的時間也比大型商圈更久。她沒有填寫偏好問卷，只是正常旅行、拍照，然後留下了模式。

两年後，Zoe 為即將到來的台北旅行打開 Planner。普通規劃器可能推薦台北 101、士林夜市、中正紀念堂和標準博物館列表。Wimemo 可以更具體：因為 Atlas 記得京都，Planner 會建議貓空茶區、傳統茶席體驗，以及大安附近好吃的抹茶店。它會為喝茶留出慢一點的上午，而不是把一天塞滿地標。

為什麼其他產品沒這樣做

大多數旅行 App 是以單次旅行為中心的：開始日期、結束日期、訂單、筆記、地點。旅行結束後，這個容器就變成存檔或雜物。產品的思路是開始、規劃、出行、結束、刪除、重複。

這種模型很難做記憶感知的規劃。如果每趟旅行彼此隔離，系統就無法自然地跨旅行學習。京都的餐廳、成都的茶館、首爾的陶瓷市集和台北的茶山，可能都在描述同一種偏好，却被當成互不相關的資料。

Wimemo 更像以記憶為中心的系統。Atlas 會跨越旅行長期存在。地點、相片和時間線不會在行程結束後失效。因為它是本機優先架構，記憶可以留在裝置上，同時繼續為未來規劃提供線索。