ChatGPT自動盯梢游戲打折，真能撿漏嗎？

如果你讓AI每天幫你刷一遍全平臺的游戲折扣，它能比你自己蹲守更聰明嗎？

這是Tom's Guide編輯Ryan Epps最近做的一個實驗。他用ChatGPT的任務功能（Tasks）設置了自動提醒，結果兩周內鎖定了兩筆"無法拒絕"的低價——其中一款甚至來自他原本沒關注的平臺。

任務功能是什么，為什么值得折騰

ChatGPT Tasks是OpenAI在2024年底推出的自動化功能，允許用戶設置周期性指令，讓AI在指定時間執行并推送結果。與單次對話不同，Tasks可以"記住"你的偏好，持續運行。

Ryan的用法很直接：每天下午6點，ChatGPT會自動搜索PS5、Xbox和Switch平臺的游戲促銷，按他的喜好篩選后生成簡報。他不再需要手動打開三個商店的頁面，也不用訂閱一堆郵件通知。

兩周測試期內，Tasks推送了47條折扣信息。其中大部分是他已知的常規促銷，但有兩條觸發了他的購買決策——這個命中率讓他意外。

撿漏案例一：跨平臺價格差被AI逮到

第一筆交易是《霍格沃茨之遺》豪華版。Ryan原本在PS5愿望單里躺了三個月，心理價位是40美元以下。

Tasks在某天簡報里標注了一條異常：Xbox商店該版本限時降至29.99美元，而PS5同期仍維持59.99美元。價差來自微軟的"春季促銷"活動，但Ryan作為PS5主力玩家，平時根本不會打開Xbox商店頁面。

「我同時擁有兩臺主機，但我的瀏覽習慣是割裂的。」Ryan在文中寫道。AI的跨平臺掃描彌補了這個盲區。

他最終通過Xbox Series X購買，省下的30美元正好覆蓋了Xbox Game Core三個月訂閱費——這個連鎖反應不在他的原始計劃內。

撿漏案例二：獨立游戲的"沉默降價"

第二筆是《空洞騎士：絲之歌》……的初代作品《空洞騎士》。Tasks檢測到Switch eShop出現了一次非促銷期的臨時調價：原價15美元降至7.49美元，持續72小時。

這類"沉默降價"是獨立游戲的常見策略。開發者不投放廣告、不發社交媒體，僅靠算法推薦和偶然瀏覽觸達用戶。Ryan承認，如果不是AI每日掃描，他"幾乎不可能撞上這個窗口"。

更具諷刺意味的是，他此前在Steam愿望單里標記過這款游戲，但Switch版本的降價從未進入他的信息繭房。

任務功能的隱性成本

實驗并非全無摩擦。Ryan記錄了三個實操痛點：

第一，指令調試耗時。他的初始提示詞過于籠統，導致AI連續三天推送了Xbox Game Pass庫內已包含的游戲——這些對他而言不是"折扣"，是信息噪音。最終定稿的提示詞長達217詞，包含排除列表、價格閾值和平臺優先級。

第二，時效性落差。Tasks的執行時間固定，而游戲促銷常有時效極短的"閃購"。有兩次Ryan收到推送時，折扣已過期4-6小時。

第三，平臺覆蓋盲區。任天堂eShop的API限制導致部分區域價格抓取不完整，Tasks曾漏報過一次澳大利亞區的史低。

為什么這個實驗值得關注

Ryan的測試揭示了一個被忽視的場景：AI自動化正在從"幫你寫"轉向"幫你盯"。

游戲折扣搜索是典型的低頻次、高信息分散度任務。用戶需要同時監控三個以上平臺，處理動態定價、區域差異和促銷周期——這些特征使其成為人類注意力的低效消耗區，卻恰好匹配AI的批量處理能力。

更深層的變化在于決策權的轉移。傳統比價工具（如IsThereAnyDeal）依賴用戶主動查詢，而Tasks模式是AI主動推送。后者的信息篩選邏輯是否透明、是否存在商業合作偏向，目前尚無公開信息。

OpenAI在2025年1月的更新日志中提到，Tasks的"個性化推薦"功能正在內測，但未披露訓練數據來源。Ryan的實驗顯示，即使是基礎版的規則過濾，已能產生可量化的購買行為改變。

給想嘗試者的實操建議

基于Ryan的試錯，他總結了一套最小可行配置：

提示詞結構 = 目標平臺 + 價格錨點 + 排除項 + 輸出格式。示例："每日掃描PS5/Xbox/Switch數字商店，篩選我愿望單內游戲降至30美元以下、或Metacritic評分85+且折扣≥50%的條目。排除訂閱服務已包含、或我庫中已有的游戲。按節省金額降序排列，標注歷史最低價參考。"

執行頻率建議設為每日一次，時段選擇當地時間的下午——多數美區促銷在上午10點（太平洋時間）更新，下午執行可覆蓋當日上新，同時避免深夜閃購的時效損耗。

最后，他建議保留人工復核環節。Tasks曾將《最后生還者 第一部》的"完整版"誤判為"標準版"折扣，價差達20美元——AI對版本命名的理解仍有漏洞。

一個未解的問題

Ryan在文末提出了一個他自己也無法回答的疑問：當足夠多的用戶用類似方式自動化搶購，平臺是否會調整促銷策略？

目前的游戲定價模型假設用戶注意力有限、信息獲取有成本。如果AI代理大規模介入，"限時閃購"的稀缺性邏輯可能被削弱，進而推動平臺轉向更復雜的動態定價——比如基于用戶自動化程度的差異化報價。

這個推測尚無證據支撐。但值得玩味的是，Ryan在實驗結束后保留了Tasks設置，卻關閉了推送通知。他的解釋是：「我想繼續觀察它發現什么，但不想再被它訓練成即時反應的消費者�！�