Hacktoberfest 2026 : les issues que les mainteneurs ont marquées pour octobre, ouvertes et accessibles aux débutants. Parcourir les issues Hacktoberfest

【2026飞猪AI旅行创新大赛】行知 · AI 研学伴游

Ouverte
  • Quelque chose ne va pas ?
#187 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Évaluation

Difficulté
1/5
Temps estimé
Moins d'une heure
Accessibilité débutants
25/100
Type d'issue
Documentation
Clarté
À clarifier
Activité
Active
Stack technique
css, html, javascript, machine-learning, node.js
Domaine
ai, documentation

Piste de recherche

The issue provides a project submission and links to the runnable xingzhi-ai-study-companion repository, but does not identify any file or change required in modelstudioai.github.io. First confirm whether this is submission-only or whether the site must publish the project, then follow the target repository's contribution or submission process. Completion depends on that clarification.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

2026飞猪AI旅行创新大赛 showcase

【2026飞猪AI旅行创新大赛】行知 · AI 研学伴游

30 秒了解： 面向 4–15 岁亲子家庭的 AI 研学伴游。行前用 FlyAI 真实库存生成 1 日探索手册；行中拍照即讲，同一件展品按年龄给出故事版 / 探索版 / 专业版，并把「史实 / 传说 / 争议」和来源分开标注；行后生成给家长的成长报告。原型已跑通 百炼真实模型 + FlyAI 实时库存 全链路，6 张真实运行截图见「效果展示」。

参赛项目名称

行知 · AI 研学伴游（Xingzhi · AI Study Companion）

副标题：把每一次家庭旅行，变成孩子自己的发现之旅。

参赛方向：预设方向「游学」。

团队 / 作者与奖品领取人

  • 团队名称：行知团队
  • 主要提交人 GitHub ID（仅 1 位，必填）：iakRulan
  • 其他成员（可选，仅用于署名）：无

旅行场景与目标用户

场景：亲子游学。 4–15 岁孩子的家庭，在周末短途或假期旅行中希望孩子「玩有所获」，但不愿报名同质化、行程僵硬的研学营。行知把讲解、探索任务与成长记录嵌入真实的家庭行程，让博物馆、古迹、自然与街区都成为孩子的课堂。

目标用户：

  • C 端：一二线城市 28–45 岁家长，孩子 4–15 岁；周末高频、假期长途。
  • B 端：研学机构、博物馆/景区、亲子酒店与目的地文旅，可配置自有课程包与讲解内容。

要解决的具体问题：

  1. 研学产品同质化：多为「名校 + 名企」固定模板，孩子收获有限。
  2. 虚假宣传与内容注水：部分「走进大厂」实为公共展馆；高价营内容与定价不符。
  3. 自由行的教育缺口：家长没时间做功课；景区讲解器内容成人化，孩子听不懂、记不住。
  4. 讲解不可信：通用大模型容易把传说讲成史实，缺乏来源标注与分龄表达。

市场依据：

  • 2026 年研学旅游市场规模约 2422 亿元，同比增长约 13.6%；亲子家庭研学需求指数 132.1，为各客群最高（中国旅行社协会《2026年中国研学旅游市场景气调查报告》）。
  • 63% 家长表示愿意让孩子参加研学；超六成接受单次 3000 元以上（艾媒咨询）。
  • 2026 年暑假 AI 主题研学产品订单同比增长 370%（携程）。
  • 亲子游约占国内旅游总消费的 25%–30%，是高频、高客单的稳定基本盘。

我做了什么

一句话： 行知是一个「跟着孩子走的 AI 研学 Agent」——行前生成分龄探索手册，行中拍照即讲、主动出题，行后生成成长报告，并把讲解中的下一步推荐接到飞猪真实库存完成预订。

核心功能（已在原型中实现并跑通）：

  1. 行前：一键生成探索手册。 输入孩子年龄、兴趣、目的地；服务端串行调用 FlyAI 搜索真实景点/酒店，再由 qwen3.8-max 编排成 3 个景点的 1 日路线，并生成分龄任务（找一找、数一数、画一画、问一问）。每个任务绑定可验证知识点，动线考虑亲子节奏。
  2. 行中：拍照即讲，分龄切换。 孩子拍文物、建筑、动植物或展品，qwen3-vl-plus 识别后输出故事版、探索版、专业版三套讲解。支持连续追问与语音朗读；每条讲解标注资料来源，明确区分「史实 / 传说 / 争议」。
  3. 规则化事实校验。 对旗舰演示对象（霸王龙）做确定性纠错：统一“每条前肢只有两根手指”的事实、统一权威来源、把任务约束到照片中可见的细节，避免模型把传说讲成史实或编造展品。
  4. 主动服务。 结合停留时长与现场情境给出提醒（如“已停留 25 分钟，试试用画一画换个节奏”），任务完成后即时发放徽章。
  5. 行后：成长报告。 汇总完成任务、提问、徽章与知识点，由模型生成标题、总结、知识地图、给家长的三条建议与下一站；支持分享/复制。
  6. 真实交易闭环。 讲解与任务中推荐的景点、酒店，通过 FlyAI 返回真实商品与预订链接，一键进入飞猪；截图中的浙江自然博物院、西湖、杭州博物馆与亲子酒店均来自实时搜索。

创新点：

  • 从「卖固定研学营」到「把任何一次家庭旅行变成研学」： AI 原生、轻量、按需，不依赖固定营期与大巴团。
  • 分龄多模态讲解 + 可验证来源： 直接针对行业「同质化、虚假宣传、内容水」的痛点，用规则校验与来源标注把「讲得对」变成产品能力。
  • 空间感知与主动服务： 讲解不是被动问答，而是根据孩子的位置、注意力与现场环境动态编排，符合大赛鼓励的「多模态、主动服务、空间感知」方向。
  • 家长侧成长报告： 把一次旅行的教育价值可视化，解决「玩完就忘」与「家长不知道怎么陪」的问题。

百炼使用说明（必填）

  • 百炼能力 / 模型（均为实际调用）：
    • qwen3.8-max：行前规划、任务设计、多轮追问、成长报告；
    • qwen3-vl-plus：拍照识别文物、建筑、动植物、展品；
    • qwen3-tts-flash：故事版 / 探索版 / 专业版讲解朗读；
    • 百炼 OpenAI 兼容 API 为主；TTS 走 DashScope 原生 multimodal-generation 接口。
  • 调用方式： 百炼 API（业务空间 OpenAI 兼容地址，/chat/completions）；TTS 使用 DashScope 原生接口；结构化任务关闭 enable_thinking，规划延迟从分钟级降到约 30 秒。开发期也可用百炼 CLI bl 调试 Prompt；本原型通过 Node 服务直接调用 API。
  • 使用环节与输入输出：
    • 行前：输入孩子年龄/兴趣/目的地 → 调 FlyAI 拿真实 POI → 输出 3 个景点、任务地图、动线与预订链接；
    • 行中：输入照片 → 输出识别主体、三套分龄讲解、史实/传说/争议、来源、追问问题与现场任务；
    • 追问：输入孩子的问题 + 当前讲解上下文 → 输出 80–140 字回答、信息类型、来源、继续观察的引导；
    • 行后：输入行程、主体、问题、完成任务、徽章 → 输出成长报告与家长建议；
    • 事实校验：对霸王龙等旗舰对象做规则纠错，低置信度内容标注“争议/待考证”。
  • Skill 名称： flyai（航班、火车、酒店、景点/POI 搜索与预订链接）。本原型通过官方 @fly-ai/flyai-cli 调用，与 Skill 使用同一套能力；可按 OpenWork / Agent Skills 方式接入。
  • 其他工具 / 技术栈： Node.js 24（原生 HTTP 服务）、原生 Web（HTML/CSS/JS，无构建步骤）、@fly-ai/flyai-cli、localStorage 会话、系统分享/复制。

效果展示

以下截图均为 2026-10-17 在本机真实运行时截取（430 × 900），内容由百炼模型实时生成，景点与预订链接来自 FlyAI 实时搜索。

首页 行程
首页 行程
拍照讲解 追问与任务
拍照讲解 追问
成长报告 FlyAI 预订入口
成长报告 预订

实测表现： 行程生成约 27–30 秒；拍照识别与讲解约 19 秒；追问约 3 秒；成长报告约 8 秒。FlyAI 体验模式限流时自动串行 + 重试，模型超时自动回退本地示例，演示不中断。

项目链接与复现方式

  • GitHub 仓库： https://github.com/iakRulan/xingzhi-ai-study-companion
  • 本地复现：
    1. npm install（会安装 @fly-ai/flyai-cli）；
    2. 本机已配置 .env.local，直接 npm start；新环境先 cp .env.example .env.local 并填入百炼 API Key 与业务空间 Base URL；
    3. 打开 http://127.0.0.1:8787；
    4. 选择 7 岁、恐龙 + 绘画、杭州，生成手册；
    5. 进入「发现」，点「用示例照片试试」（或上传自己的照片），体验讲解与追问；
    6. 完成任务后进入「成长」，生成报告。
  • 仓库内含可运行的 Node 服务、移动端 Web、FlyAI 封装与完整 README；.env.local 已被 .gitignore 排除。

不要提交 API Key、密码等敏感信息；公开 Issue 中不填写手机号、收货地址等隐私信息。

踩坑记录（可选）

  • FlyAI 体验模式限流： 并行调用 4 个 CLI 会触发 429。改为模块级串行队列 + 一次 429 重试后稳定；生产环境应申请正式 API Key。
  • 业务空间端点不支持 TTS： 业务空间专属域名对 multimodal-generation 返回 400；TTS 改走经典 DashScope 端点并显式指定 language_type=Chinese。
  • 模型思考延迟： 结构化输出开启长思考时，规划请求可达 90 秒以上并超时；关闭 enable_thinking 后规划约 30 秒、追问约 3 秒、报告约 8 秒。
  • 事实错误： 视觉模型曾把霸王龙前肢写成“三指”。加入提示约束 + 规则化事实校验后，统一为“两根手指”，并统一来源与任务，明确“以现场展签为准”。
  • 报告地点幻觉： 报告曾把路线标题里的“西湖”误当成现场地点。加入“不得根据路线标题推断地点”的约束后修正。
  • 儿童注意力： 长讲解完播率低。任务卡控制在 30 秒可完成，完成后即时发徽章。
  • 隐私与安全： 儿童照片只在单次请求中转为 base64 发送给模型，不落盘；本地仅保存行程、问答与报告；公开 Issue 不提交任何个人隐私信息。

与评审维度的对应

  • 创新性（40%）： 不是再做一个月行程规划器，而是把「研学」做成随行的分龄 Agent：拍照即讲、任务化探索、主动服务、成长报告；多模态与空间感知是核心交互。
  • 完整度（30%）： 行前规划 → 行中讲解/追问/任务 → 行后报告 → 真实预订入口，已在本机跑通；FlyAI 真实库存与百炼真实模型调用均可复现。
  • 市场前景（30%）： 研学市场约 2422 亿元、亲子游占国内旅游消费 25%–30%；以「轻量、按需、可验证」切入同质化与虚假宣传的行业痛点，可向研学机构、景区与亲子酒店输出 B 端能力。

奖品说明： 每个团队最多发放 1 份奖品。同一团队即使提交多个参赛作品，也只登记 1 位奖品领取人；其他团队成员可以共同署名，但不重复发放奖品。

Langage dominant
HTML
Étoiles
11
Forks
3
Aucune PR mergée en 30 j

Préparer son environnement

Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de modelstudioai/modelstudioai.github.io

Toutes les issues de modelstudioai/modelstudioai.github.io

Issues similaires

Plus d'issues AI Infra & Agents

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.