Travel Planner — 旅行计划制定助手

触发条件

用户说出以下任一类意图时自动加载本 skill：

• "帮我规划旅行""我想去 XX 玩""做个路书""亲子游怎么安排"
• "带家人去 XX""自驾游路线""XX 日游"
• 给了目的地和时间但没说清楚需求 → 自动进入 Phase 1

核心流程（6 Phase）

Phase 1: 需求收集 → Phase 2: 方案生成(2.0 降级决策 → MCP/WebSearch 双路径)
    → Phase 3: 决策辅助 → Phase 4: 订房(可跳过) → Phase 5: 路书交付 → Phase 6: 闭环

Phase 1：需求收集 🎯 弹窗式交互

目标：通过结构化弹窗一次性收齐所有关键信息，不回锅，避免来回拉扯。

交互方式：用 AskUserQuestion 工具分 2-3 轮弹窗，让用户"点选 + 填空"，而非手写长文本：

• 点选 = 预填 2-4 个常见选项，覆盖 80% 场景
• 填空 = 选 Other 走自由输入，覆盖长尾需求
• 多选 = 勾选多个标签（multiSelect: true）
• 全部 2 轮内问完，最多 3 轮（条件触发）

触发话术（开场，避免冷启动）：

"行，去云南玩！先对一下基本信息——下面弹窗点几下就完事，复杂的走 Other 自由填。"

第 1 轮 · 基础信息（4 个问题，一次问完）

调用一次 AskUserQuestion 抛出 4 题。

Q1 出发地：默认给一线 + 新一线城市，其他城市走 Other 填空

• 北京
• 上海
• 广州 / 深圳
• 成都 / 重庆

Q2 目的地范围（多选，云南热门组合）：

• 昆明（省会 + 中转）
• 大理 + 丽江（经典北线）
• 香格里拉（高原藏区）
• 西双版纳（热带雨林）

Q3 出行月份：

• 7-8 月（暑期雨季）
• 9-10 月（秋季最佳）⭐ 推荐
• 11-12 月（冬季避寒）
• 春节 / 寒假

Q4 行程天数：

• 5-7 天（短假）
• 8-10 天（中长假）⭐ 推荐
• 11-14 天（深度游）
• 14 天以上（自驾大环线）

第 2 轮 · 人员与偏好（4 个问题，一次问完）

Q1 同行人结构：

• 情侣 / 夫妻 2 人
• 家庭带娃（孩子 3-12 岁）
• 家庭带老人（65 岁+）
• 全成人朋友聚会

Q2 交通偏好：

• 全程自驾
• 飞机到昆明 + 当地租车 ⭐ 推荐
• 火车 + 当地租车
• 全程包车

Q3 食宿预算（每人每天）：

• ¥300-500（经济）
• ¥500-800（舒适）
• ¥800-1500（轻奢）⭐ 推荐
• ¥1500+（高端）

Q4 住宿偏好（多选）：

• 品牌连锁（希尔顿 / IHG / 万豪等）
• 特色民宿 / 客栈
• 亲子友好
• 景观房 / 网红打卡

第 3 轮（条件触发）· 加分项

仅当 Round 2 同行人 = 家庭带娃 / 带老人，或目的地已锁定具体线路时触发。普通用户可跳过，直接进入整合输出。

Q1 必去景点 / 体验（填空，Other 必填） Q2 不想去的地方（填空，Other 可空） Q3 驾驶能力：

• 老司机，长途无压力
• 偶尔长途
• 不熟悉
• 不能开（只坐车）

Q4 旅行节奏：

• 紧凑刷景（每天 2-3 个点）
• 适中留白（每天 1-2 个点）⭐ 推荐
• 慢游发呆（半天玩半天休）
• 随性而定

整合输出：需求卡

弹窗收齐后，输出一份结构化需求卡给用户最终确认（不直接进 Phase 2）：

## 需求卡

| 字段 | 你的输入 |
|------|----------|
| 出发地 | 北京 |
| 目的地 | 大理 + 丽江 |
| 出行时间 | 9-10 月 / 8 天 |
| 同行人 | 家庭带娃（孩子 5 岁）|
| 交通 | 飞机到昆明 + 当地租车 |
| 预算 | ¥800-1500 / 人 / 天 |
| 住宿 | 品牌连锁 + 亲子友好 |
| 必去 | ... |
| 不去 | ... |
| 节奏 | 适中留白 |

用户回复"确认 / OK / 走起"后进入 Phase 2 区域扫描；如需调整则直接说改哪一项。

Phase 2：方案生成与迭代 🔗 MCP 驱动

2.0 降级决策：MCP 可用性检查

必须在进入 2.1 之前执行。 检查 ctrip-wendao 和 amap-maps 连接状态：

情况 A：两个 MCP 均已连接 ✅

→ 走标准流程（2.1 问道扫骨架 + 高德补坐标 → 2.2 问道出骨架 + 高德拉里程）

情况 B：部分或全部 MCP 未连接 ⚠️

先告知用户，同时给出选择：

"检测到以下 MCP 未连接：{缺失的 MCP 名称}。

• A 方案：先去连接器管理页面安装这些 MCP，回来继续走完整流程（精度高、体验好）
• B 方案：我先用 WebSearch 帮你跑一版，精度会打折但能快速出结果。路线里程用网络搜索估算代替高德实测，景点推荐用搜索引擎代替携程问道"

用户选 A → 等待 MCP 就绪后走标准流程。 用户选 B → 走降级流程（WebSearch 兜底），细则如下。

降级模式标志：进入降级模式后，所有里程标注为 WebSearch 估算，所有方案标注 ⚠️ 降级版（MCP 缺失）。

降级：2.1 区域扫描（WebSearch 替代 ctrip-wendao）

用 WebSearch 替代 ctrip-wendao 完成区域扫描：
- 搜索："{目的地} 旅游攻略 必去景点 经典路线 {出行月份}"
- 搜索："{目的地} 亲子游 自驾游 推荐"
- 从搜索结果中提取：城市/区域列表、景点梯队排名、季节适配建议
- 数据来源标注"WebSearch"，非"携程问道"

降级：2.1 坐标获取（WebSearch 替代 amap-maps）

用 WebSearch 替代高德 POI 搜索获取坐标：
- 搜索："{景点名} 经纬度" 或 "{景点名} 位置坐标"
- 从百度百科/马蜂窝等页面提取坐标信息
- 无法获取坐标的景点标注"坐标估算"，在路书中使用城市中心坐标近似
- 注：降级模式下跳过营业时间获取（WebSearch 难以准确获取）

降级：2.2 方案骨架（WebSearch 替代 ctrip-wendao）

用 WebSearch 替代 ctrip-wendao 生成行程骨架：
- 搜索："{目的地} {天数}天 自驾游路线 行程安排"
- 搜索："{目的地} 经典环线 自驾"
- 从马蜂窝/携程攻略/穷游等结果中提取成熟的行程骨架
- 人工整理成 2-3 版方案（仿问道骨架格式）

降级：2.2 里程数据（WebSearch 替代 amap-maps）

用 WebSearch 替代高德 directionDriving 获取里程：
- 搜索："{城市A} 到 {城市B} 自驾 多少公里 多长时间"
- 从搜索结果（百度地图网页版、马蜂窝攻略）提取距离和预估时间
- 所有里程标注为"WebSearch 估算"（非"高德实测"）
- 如果搜索不到某段里程，用相近城市间直线距离 × 1.3 粗略估计，标注"粗略估算"

降级对后续 Phase 的影响

• Phase 3 决策辅助：降级模式下「事实层」和「路由层」数据源改用 WebSearch，精度下降但不影响四维决策框架
• Phase 5 路书：降级模式下的路书在封面标注 ⚠️ 降级版，所有里程标注 WebSearch 估算，地图仍用高德瓦片渲染（瓦片源不依赖 MCP 连接）

2.1 区域扫描 —— "问道扫骨架、搜索补血肉"

第一步：携程问道扫骨架（降级模式见 2.0）

调用 ctrip-wendao（携程问道 MCP）：
- 目的地全域扫描：有哪些值得去的城市/区域？
- 景点梯队排名：第一梯队（必去）、第二梯队（顺路）、第三梯队（可跳过）
- 口碑与季节适配：当前季节最适合什么？

第二步：高德补坐标（降级模式见 2.0）

调用 mcp__amap-maps__maps_text_search：
- 对问道扫出的每个城市/景区，用 keywords=景区名+city=所在城市 搜 POI
- 获取精确坐标（GCJ-02）和营业时间

第三步：搜索补血肉

用 WebSearch 补细节（小红书/马蜂窝/百度）：
- 最近游客真实评价（尤其亲子/老人友好度）
- 小众路线、隐藏玩法
- 闭馆日/维修期/季节限制

输出：一份"全域目的地手册"，含坐标、梯队、口碑、季节适配建议。

2.2 方案骨架生成 —— 里程实时拉取

第一步：携程问道出骨架（降级模式见 2.0）

调用 ctrip-wendao：
- 基于需求卡 + 全域手册，生成 2-3 版行程骨架
- 每版含：城市节点序列、推荐景点、住宿城市

第二步：高德实时拉里程（关键！6.1 前置到这里）（降级模式见 2.0）

对每条骨架的相邻城市节点，调用：
mcp__amap-maps__maps_directionDriving({
  origin: "起点经度,纬度",
  destination: "终点经度,纬度"
})

获取：总距离(米)、预估时长(秒)、路线步骤

为什么用高德不用腾讯地图？ 腾讯地图 MCP directionDriving 有约 30 分钟级并发限流冷却（实战踩坑），高德 directionDriving 无此问题，且坐标系同为 GCJ-02。

里程标注规则：

• 每段数据必须标注来源：高德实测 vs 规划估算
• 生成阶段即拉实测，不留"事后修正"尾巴

第三步：出方案文档 方案文档格式：

## 方案 X：[一句话概括]

**路线骨架**：城市A → 城市B → ... → 城市C
**节奏**：松/紧/适中
**取舍逻辑**：为什么选这些点

| 日期 | 行程 | 住宿 | 开车 | 亮点 |
|------|------|------|------|------|
| D1   | A→B  | B    | Xkm/Yh(实测) | ... |
...

**每日详情**（含景点时间建议、餐厅推荐）

2.3 迭代原则

• 用户说"太松" → 加密版（加密景点、提早出发）
• 用户说"太赶" → 拆分版（中间多住一晚）
• 每次迭代只改 1-2 个变量，不推倒重来
• 里程已实测，迭代时不需重新拉（除非改城市节点）

Phase 3：决策辅助

当用户面临二选一（如"镜泊湖 vs 伊春"），走四维决策框架：

输出：一份对比报告，给出推荐（带理由），不等用户做选择题。

Phase 4：订房执行 🔗 携程问道 · 可跳过

触发条件：用户确认最终方案后触发。用户可以跳过（说"酒店我自己定"）。

4.1 酒店推荐

标准模式（ctrip-wendao 可用）：

逐城调用 ctrip-wendao：
"在[城市名]推荐3家亲子友好酒店，靠近[核心景点/区域]，
预算约[预算范围]/晚，含评分、价格、特色"

降级模式（ctrip-wendao 不可用，见 2.0）：

用 WebSearch 替代 ctrip-wendao 搜酒店推荐：
- 搜索："{城市} 亲子酒店 推荐 {预算}元"
- 搜索："{城市} {酒店名} 携程 评分"（验证评分和价格）
- 从携程/马蜂窝/大众点评结果中提取酒店信息和预订链接

输出格式：每城 3 选 1 对比表（必须含预订链接）

### [城市名]住宿推荐

| 酒店 | 评分 | 参考价/晚 | 位置 | 亲子亮点 | 预订 |
|------|------|-----------|------|----------|------|
| A    | 4.8  | ¥XXX     | ... | ... | [预订](链接) |
| B    | 4.6  | ¥XXX     | ... | ... | [预订](链接) |
| C    | 4.5  | ¥XXX     | ... | ... | [预订](链接) |

推荐：A，理由：...

4.2 预订链接（⚠️ 铁律：每家必须配链接）

每家推荐酒店必须附带携程预订链接，不允许出现"请在携程搜索"这类无链接输出。

调用方式：

用 WebSearch 搜索：
"[酒店完整名称] 携程 预订"

从搜索结果中提取 hotels.ctrip.com/hotel/ 或 hotels.ctrip.com/hotels/ 开头的链接。

⚠️ 注意：携程问道（ctrip-wendao）不提供直接预订 URL，多次验证均返回"无法直接提供可点击的预订URL"。因此预订链接统一通过 WebSearch 获取，不依赖问道。

输出格式：每家酒店行末追加 [预订](链接)。

铁律：链接缺失 ≠ 跳过，WebSearch 搜到为止。

4.3 跳过机制

用户说以下任一句即跳过 Phase 4，直接进入 Phase 5：

• "酒店我自己定"
• "不用推荐酒店"
• "订房我自己来"

Phase 5：路书交付

5.1 受众适配

5.2 技术栈（固定规范）

地图：

• 引擎：Leaflet（CDN 引入）
• 瓦片源：高德 https://webrd0{s}.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=7&x={x}&y={y}&z={z}（style=7，浅色底）
• 子域名：1-4 轮询
• 坐标系：GCJ-02（高德、腾讯地图同系）
• 每个地图页面独立创建瓦片层（Leaflet 不能共享实例）

照片：

• 源：Wikimedia Commons（https://commons.wikimedia.org/wiki/Special:FilePath/文件名）
• 校验：请求后检查是否 404
• Fallback：占位文字"实景以现场为准"

格式：

• 单文件 HTML（免部署、手机可看、打印友好）
• 原生 CSS + JS，无框架依赖
• 吸顶导航 + 打印样式 + 手机适配

里程/时间标注：

• 标准模式：所有里程从 Phase 2 高德实测数据填入
• 降级模式：所有里程从 Phase 2 WebSearch 估算填入，统一标注 WebSearch 估算
• 每段标注"约 X 小时（含休息建议预留 Y 小时）"

5.3 路书结构

封面（标题 + 日期 + 路线概要 + [降级模式时追标 ⚠️ 降级版]）
总览页（全程路线图 + 总览表 + 亮点速览）
逐日页 D1-DN（每日路线图 + 景点照片 + 文字描述）
实用信息（天气参考、装备清单、注意事项）

5.4 生成后自检清单

• 所有 map div id 合法（不能有 /、空格等特殊字符）
• 逐日地图独立验证（每个 map 能加载瓦片）
• 城市标签为中文（不能用拼音）
• 成员姓名已清除（如用户要求不显示）
• 地图瓦片能加载（高德 style=7 可用，style=6 返回 404）
• 图片不 404（有 fallback）
• 文件路径写完整绝对路径

5.5 关键技术要点

WGS-84 → GCJ-02 转换（见 references/wgs84_to_gcj02.py）

Leaflet 多地图共享瓦片实例 Bug：

// ❌ 错误：全局共享 tiles 实例，只挂到最后一个地图
var tiles = L.tileLayer(...);
tiles.addTo(map1);
tiles.addTo(map2); // 实际上不会显示

// ✅ 正确：每个地图独立创建
function initMap(mapId, ...) {
    var map = L.map(mapId).setView([lat, lng], zoom);
    L.tileLayer(url, opts).addTo(map);  // 独立实例
    ...
}

HTML 生成建议：

• 用 Python f-string 模板生成（批量替换数据，避免手动拼 HTML）
• 数据字典（城市坐标、路线坐标、景点名称、图片 URL）独立维护

Phase 6：闭环

• 逐项确认：所有里程 = 实测值、所有图片可加载、所有链接有效
• 将最终路书 HTML present 给用户
• 如果用户要求订房，确认预订链接可访问
• 不需要事后补数据（Phase 2 已拉完实数）

自动化任务

如果数据拉取因 MCP 限流等外部原因中断，建一次性 automation 待冷却恢复后继续：

automation_update(mode="create", scheduleType="once", ...)

自动化 prompt 要求：

• 写清楚"不碰已实测数据"
• 写清楚"严格串行、不并发"
• 写清楚"限流时暂停 X 分钟重试，不无限循环"
• 完成后 present 更新后的路书

设计原则

MCP 依赖

本 skill 优先依赖以下 MCP 连接器，缺失时有 WebSearch 降级方案（详见 Phase 2.0）：

前置检查：Phase 2 开始前，先确认两个 MCP 连接状态。

• 均已连接 → 走标准流程
• 缺失任一 → 执行降级决策（AskUserQuestion 让用户选 A 装 MCP 或 B 降级走 WebSearch）
• 绝不卡在"请安装 MCP"不动——用户选 B 则立刻用 WebSearch 兜底推进