摘要： Google 於 2026 年 9 月 10 日發文示範三種賽前準備流程：AI Mode Canvas 產生訓練課表、連結 YouTube Music 後生成跑步歌單，以及用 Shopping Graph 查詢有條件的裝備。文章提醒三者的資料基礎不同，查詢時應明確寫出目標、地點、現況與限制。
跑一趟比賽，靠的不只是耐力與肌力，還有許多沒人主動提醒的雜事：報名、路線、補給、裝備、比賽當天的交通。Google 在 2026 年 9 月 10 日發布了一篇文章，作者是 Peter Schottenfels，把整件事切成三個可以交給 Search 處理的環節。底下整理他寫的內容，再加上我認為產品開發者能從中拿走的東西。
訓練計畫：讓查詢承載個人條件
文中提到，與跑步有關的搜尋今年寫下新高，像是「run club」、「how to choose running shoes」、「how to train for a marathon」。按照 Google 的說法，Search 的 AI Mode 能協助擬定策略，並產生細節完整的計畫：從加號選單進入 Canvas 工具，要求它排出一份課表，還會一併建議交叉訓練與肌力訓練怎麼安排。
文章示範的查詢寫得相當細：目標是 Texas Marathon 跑進 4.5 小時以內，指定 Montrose 附近可以練跑的路線，並交代自己目前一個星期跑四次、最長距離多半落在 7 到 9 英里之間。這個例子真正的看點不在馬拉松，而在查詢的骨架——目標、地點、現況、限制條件全部寫明。對於在做 AI 搜尋或代理工具的人而言，這不過是那個老問題的又一次現身：輸入的品質，直接決定了輸出的可用程度。
歌單與裝備：輔助性質並不相同
第二個環節處理的是心理耐力。文章指出，跑長距離時，無聊帶來的消耗不亞於體力本身；使用者只要把 YouTube Music 帳號與 Search 連結，就能請 AI Mode 做出一份跑步專用的自訂歌單。這裡有個前提：必須先完成帳號連結，它並不是預設就開著的。
第三個環節是裝備。文章說 Search 能處理帶限制條件的商品查詢，比如寬腳板適用的公路鞋、80 美元以下的輕量補水背心、防摩擦的衣物。撐起這些結果的是 Google 的 Shopping Graph，文章說它收錄超過 600 億筆商品列表，可提供個人化推薦、把有現貨的選項並排比較，以及在地供應情況。
這裡值得記上一筆的是：這三項能力背後接的資料來源根本不是同一種。訓練計畫依靠模型推理加上網路內容，歌單依靠已連結的第三方帳號，裝備則依靠結構化的商品資料。全部籠統稱作「Search 的 AI 功能」，會把實作層面的差異蓋掉。
對建構者而言的實際意義
假如你的產品同樣在做「把模糊需求變成可執行計畫」這件事，這篇文章的價值落在它示範的輸出格式上：課表、清單、比較表。這些產物使用者能直接拿去用，而不只是一段讀過就算的說明文字。
另一個訊號是限制條件的份量。價格上限、腳型、每週訓練次數、居住區域——這些欄位若沒有被明確收集起來，模型也只能用猜的。這與我們先前談過的 AI 軟體工廠閘門 是同一條思路：趁代理還沒動手，先把輸入的檢查點定義清楚，遠比事後補救輸出便宜。
該保留的邊界也要說清楚：這篇是 Google 介紹自家功能的文章，沒有給出準確率、延遲或失敗案例的數據；Canvas 產出的課表是否經過任何專業審核，或者 AI Mode 面對訓練建議時會避開哪些高風險情境，文中同樣沒有交代。對於想拿這類功能做產品的人，這些沒揭露的部分，才是必須自己驗證的地方。
測試就從一個明確的限制條件開始：丟給它一個價格上限，或一個地點，觀察它會不會回頭追問缺漏的欄位。想知道它適不適合放進你的流程，這比測試它能不能寫出一份漂亮的訓練計畫有用得多。