旅行灵感助手需开启多轮对话记忆并配置动态约束解析：用正则提取显性预算与天数，用llm推断隐性需求，再通过多插件协同筛选poi，最终生成贴合用户真实场景的结构化行程卡片。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要为用户定制一份真正贴合其兴趣、预算和时间的旅游攻略，而不是套用模板生成千篇一律的行程单。扣子（Coze）平台提供可视化 Bot 编排能力与多源插件支持，但直接堆砌天气、景点、交通插件无法自动理解“带老人慢游苏州”或“预算3000元内打卡小众咖啡馆”这类隐含约束。
配置基础 Bot 并启用多轮对话上下文
进入 Coze 管理后台 → 创建新 Bot → 命名“旅行灵感助手”，在「设置」页开启「多轮对话记忆」开关。
这一步必须打开，否则 Bot 无法记住用户前一句说的“我带孩子”，后一句问“适合亲子的博物馆”时就会丢失关键主语。关闭状态下所有提问都被视为孤立请求，生成结果必然脱节。
在「知识库」中上传一份《中国主要城市高铁时刻简表.csv》，文件需含“出发站、到达站、最短耗时（分钟）、二等座均价（元）”四列，系统将自动建立表格索引。
构建动态约束解析节点
在 Bot 工作流中新增「逻辑判断」节点，连接用户初始输入文本：
方法一：用正则提取显性数值约束
匹配规则写为：预算[是|约|大概|控制在]?(\d+)元 → 提取数字并存为变量 budget_value；
匹配规则写为：玩[\s]*(\d+)[\s]*(天|日) → 提取数字并存为变量 trip_days。
方法二：用 LLM 意图识别补全隐性需求
当用户输入“想找个安静点的地方过周末”，触发「LLM 调用」节点，提示词设定为：“请从以下维度推断用户未明说的需求：1. 偏好节奏（快/中/慢）；2. 排斥类型（人流密集/夜间营业/需体力消耗）；3. 潜在陪伴对象（独自/情侣/老人/儿童）。仅输出 JSON，字段名固定为pace_preference, avoid_types, companion。”
【避免直接用 LLM 解析全部输入，会导致成本飙升且响应延迟。显性数字类约束必须用正则硬匹配】
调用插件组装行程卡片
第一步：根据用户定位城市，调用「高德地图POI搜索」插件，关键词设为“博物馆”，筛选条件勾选“评分≥4.2”+“有无障碍通道”。
第二步：对返回的 POI 列表逐个调用「大众点评商户详情」插件，提取“人均消费”“建议游览时长”“是否需要预约”字段。
第三步：执行过滤逻辑——若 budget_value 存在，则剔除人均消费＞budget_value÷trip_days÷3 的选项；若 companion 包含“老人”，则剔除无无障碍通道或建议游览时长＞2.5 小时的条目。
第四步：将剩余 POI 按“距离用户输入住宿地直线距离＜3km”二次筛选，调用「百度地图路线规划」插件计算步行/地铁实际耗时，保留总耗时＜40 分钟的结果。
最终将符合条件的 POI 组装为结构化卡片，包含名称、地址、推荐理由（如“距平江路步行5分钟，馆内设长椅休息区，适老导览册可现场领取”）、当日建议时段。
