在主流消费品类中，旅游的非标准化程度几乎排在首位。
同一个景点，淡季与旺季是两种体验；同一家酒店，商务出差与亲子出行的评价标准完全不同；同一条路线，遇上一场雨就需要整体重排。
旅行产品的“质量”从来不是一个固定值，而是随时间、天气、同行人不断浮动的变量。
这与大模型的工作方式存在结构性张力。模型的能力来自历史数据的规律提取，而旅行恰恰是一种反历史的消费：航班时刻常有调整，酒店价格实时浮动，景区可能临时闭园，节假日政策年年不同。当模型面对这些动态变量时，它给出的答案在语言上依然流畅自信，在事实上却可能已经失效。
更麻烦的是，这类错误的代价不对称。文本场景中的幻觉可以被忽略或纠正，旅行场景中的幻觉会直接转化为浪费掉的半天时间和无处安置的行李。
因此旅游领域AI的合理形态，不是一个纯粹的生成工具，而是一个具备实时校准能力的系统。校准来自两处：一是对底层信息的持续核验，二是对突发状况的即时裁决。前者可以部分自动化，后者目前只能由人完成。
「海星出游」分工正建立在这一点上。AI负责通用场景的覆盖与效率，涉及实时信息核实与现场突发处置的部分，则由真人团队承担。而这套安排还带来一层额外收益：真人处理过的每一个异常案例，都构成后续优化的反馈样本，使系统对非标场景的理解逐步积累。
非标不是AI的敌人，但它确实是AI单独无法跨过的地方。