你过去的旅行知道你喜欢什么

目录

• 重置按钮问题
• Wanderlog 和 TripIt 漏掉了什么
• Atlas 记忆层
• 一个真实例子
• 为什么其他产品没这样做

重置按钮问题

每次旅行规划都像从零开始。你打开一个规划 App，输入目的地和日期，然后又面对同样的问题：想去哪、想吃什么、喜欢快节奏还是慢节奏、哪些街区值得停留、哪些地方值得专门绕路。

这很奇怪，因为最好的答案已经在你的手机里。过去的旅行照片、笔记、路线和地点记录，已经展示了你真正会被什么吸引。它们知道你在哪里放慢脚步，哪一餐变成了故事，哪个观景点值得早起，哪些博物馆你其实只是路过。

但多数旅行规划 App 把这些记忆当作不存在。它们只问下一站去哪，却不看之前的旅行。推荐往往来自热门榜单、商业库存和通用搜索模式，而不是你真实喜欢过的东西。

你的相册，比通用旅行推荐更懂你的偏好。

Wanderlog 和 TripIt 漏掉了什么

Wanderlog 在做地图、清单和多人行程时很有用。但它的 AI 推荐常常落在最安全的中间值。你问东京，它就给出涩谷十字路口、浅草寺、东京塔、teamLab、筑地这类标准答案。这些地方未必不好，但这并不说明 App 懂你，只说明它懂东京的游客表层。

TripIt 则从另一端错过问题。它擅长解析邮件，把航班、酒店和租车确认整理成行程。但确认邮件不会告诉它你喜欢什么。它知道入住时间，却不知道楼下那家咖啡馆成了你最喜欢的一小时。它知道返程航班，却不知道你每天早上都在找安静花园。

已经关闭的 Google Trips 也有同样模式：订单、离线城市指南、热门景点都能整理，却没有用旅行者自己的回忆建立长期偏好。它知道很多人去哪，却不知道你下一次可能真正关心什么。

Atlas 记忆层

Wimemo 从相反方向理解这个问题。一次旅行在成为计划之前，已经是个人旅行记忆的一部分。Atlas 已经知道你去过哪里、似乎喜欢什么，因为它整理的是真实照片和地点，而不是抽象偏好表。

你拍了四张照片的餐厅？Atlas 记得这个地点。你走了两个小时去看的日出观景点？Atlas 记录了地点和时间。小文具店、茶馆、甜品柜台、山路、两天内反复回去的街区，都不是随机碎片，而是信号。

Planner 可以调用这层已有记忆。如果 Atlas 显示你经常拍旧书店，Planner 就不应该只给新城市的十大地标，而应该推荐文学街区、独立书店、附近安静咖啡馆，并留出真正能浏览的时间。

一个真实例子

Zoe 在 2023 年去了京都。她的 Atlas 显示，她停过三家不同茶馆，给每一份抹茶甜点都拍了照，在东山一带停留的时间也比大型商圈更久。她没有填写偏好问卷，只是正常旅行、拍照，然后留下了模式。

两年后，Zoe 为即将到来的台北旅行打开 Planner。普通规划器可能推荐台北 101、士林夜市、中正纪念堂和标准博物馆列表。Wimemo 可以更具体：因为 Atlas 记得京都，Planner 会建议猫空茶区、传统茶席体验，以及大安附近好吃的抹茶店。它会为喝茶留出慢一点的上午，而不是把一天塞满地标。

为什么其他产品没这样做

大多数旅行 App 是以单次旅行为中心的：开始日期、结束日期、订单、笔记、地点。旅行结束后，这个容器就变成存档或杂物。产品的思路是开始、规划、出行、结束、删除、重复。

这种模型很难做记忆感知的规划。如果每趟旅行彼此隔离，系统就无法自然地跨旅行学习。京都的餐厅、成都的茶馆、首尔的陶瓷市集和台北的茶山，可能都在描述同一种偏好，却被当成互不相关的数据。

Wimemo 更像以记忆为中心的系统。Atlas 会跨越旅行长期存在。地点、照片和时间线不会在行程结束后失效。因为它是本地优先架构，记忆可以留在设备上，同时继续为未来规划提供线索。