ChatGPT算优惠券翻车？开源工具让麦当劳半价

当AI遇到优惠券：ChatGPT的数学短板

让ChatGPT计算麦当劳优惠券组合，结果可能让你多花冤枉钱。这不是玩笑——大型语言模型在确定性计算任务上并不可靠，尤其是叠加优惠、满减、折扣券等复杂规则时，它们容易产生幻觉或计算错误。YouTube频道近期展示的开源工具“MCD Saver Strategist”正是针对这一痛点而生。据该视频介绍，ChatGPT在优惠券数学上频频失败，而这个工具通过确定性代码将AI agent与麦当劳实时点单数据连接，直接算出最低价。

LLM的“幻觉”与算术缺陷：大型语言模型（如ChatGPT）本质上是基于概率的文本生成器，其输出并非通过确定性计算得出，而是根据训练数据中的模式预测下一个词。这种机制导致它们在处理精确算术、逻辑推理或规则组合时容易产生“幻觉”（即生成看似合理但实际错误的内容）。尤其当涉及多步骤计算（如叠加优惠券、满减、折扣）时，模型可能遗漏约束条件或混淆计算顺序，从而给出错误结果。这并非模型“不聪明”，而是其架构不适合做确定性运算。因此，在需要精确性的场景中，业界通常将LLM与外部计算工具（如计算器、规则引擎）结合，让LLM负责理解与调度，而将计算委托给传统代码。

工具如何工作：从“猜折扣”到“算折扣”

MCD Saver Strategist的核心思路很简单：不让AI去“猜”折扣，而是让AI调度确定性的代码逻辑。视频中提到，该工具在实时优惠券堆叠上运行确定性代码，遍历所有可能的组合，找到最低价格。测试对象是一个巨无霸套餐，最终结算价被砍掉了53%——相当于半价。

这种设计巧妙地将LLM的语义理解能力与规则引擎的精确计算分离：AI负责理解用户意图和抓取数据，数学部分交给传统代码。这避免了LLM在算术上的不确定性，也提高了结果的可信度。

确定性代码与规则引擎：确定性代码指无论运行多少次，给定相同输入都产生相同输出的代码逻辑。在优惠券组合场景中，确定性代码会枚举所有可能的优惠券使用顺序和组合，并严格按照规则计算最终价格，避免任何随机性或近似。规则引擎则是专门用于执行一组业务规则的软件系统，它将规则与代码分离，便于管理和更新。MCD Saver Strategist正是利用确定性代码遍历所有组合，确保找到真实最低价，而非依赖LLM的“猜测”。这种“AI调度+确定性计算”的混合架构，在需要高可靠性的任务中越来越常见。

现实门槛：区域锁定与开发者配置

视频作者也坦承了工具的局限。首先，它目前仅在中国市场可用，这限制了全球其他地区的用户。其次，工具需要开发者级别的配置，普通消费者难以直接上手。作者将其归类为“underweight”——概念惊艳，但区域锁定。

启发：AI代理的“确定性计算”模式

尽管MCD Saver Strategist本身还很粗糙，但它指向了一个重要方向：AI代理不应包揽所有计算，而应成为确定性工具的调度者。在涉及价格、库存、优惠规则等场景时，将LLM的推理与代码的精确执行结合，可能是更可靠的架构。对于开发者而言，这种“AI+规则引擎”的思路可以复用到电商比价、旅行预订、外卖优惠等领域。

视频作者在结尾邀请观众评论“test”以获取链接，显示出社区对这类工具的兴趣。不过，在区域限制和配置门槛解决之前，它更像一个概念验证，而非大众产品。

AI代理（Agent）架构：AI代理指能够感知环境、自主决策并执行动作的智能系统。在LLM驱动的代理中，模型充当“大脑”，负责理解用户意图、规划步骤和调用工具。然而，代理的可靠性取决于其调用的工具是否可靠。将LLM与确定性工具（如计算器、数据库查询、规则引擎）结合，形成“工具调用”模式，可显著提升代理在复杂任务中的表现。例如，在比价场景中，代理可先解析用户需求，再调用价格API获取数据，最后用确定性算法比较价格。这种架构既发挥了LLM的语义理解优势，又规避了其计算短板，是当前AI应用的重要趋势。

总结

ChatGPT在优惠券数学上的失败揭示了LLM的边界，而开源工具MCD Saver Strategist用确定性代码补上了这一课。虽然目前仅限中国且需开发者配置，但其设计思路值得关注：让AI做它擅长的事，把计算交给代码。