Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

【2026飞猪AI旅行创新大赛】弹性日期省钱规划（flex-date-saver）

Aperta
  • Qualcosa non va?
#182 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
3/5
Tempo stimato
1-2 giorni
Idoneità per principianti
12/100
Tipo di issue
Documentazione
Chiarezza
Da chiarire
Stato di attività
Attiva
Stack tecnologico
html, python
Ambito
ai, documentation

Direzione di ricerca

This is a contest entry submission, not a defined change to the repo. The payload names the project repo, the test report at docs/test-report.md, and the test runs under docs/test-runs/, which can be read to check the claims. Done would mean a maintainer confirms the entry is valid and handles it, which the payload does not spell out. Treat it as review work for maintainers rather than a first-timer task.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

2026飞猪AI旅行创新大赛 showcase

参赛项目名称

弹性日期省钱规划（flex-date-saver）：请几天假、哪天走、怎么走最省

团队 / 作者与奖品领取人

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

旅行场景与目标用户

场景：出行日期决策，涉及交通和酒店。手里只有一两天年假，想在一段时间内出去玩一趟，需要决定哪天走、请哪天假、坐哪班车或飞机、住哪里。

目标用户：上下班时间固定、年假有限的上班族，尤其是常住城市没有合适航班、要先坐动车到邻近枢纽再起飞的人，比如苏州、嘉兴、昆山、廊坊、东莞的用户。

痛点：

  • 拼假、错峰省钱需要在「请哪天假 × 哪天出发 × 坐什么 × 住哪里」之间反复比价，往往要来回查十几次。
  • 还要自己算清楚：下班赶不赶得上航班，几点能到家，回来第二天要不要请假。
  • 通用 AI 搜索给不出跨日期的总价比较。我们实测问飞猪 AI 搜索：「10 月 20 日到 11 月 10 日之间，从上海去三亚玩 3 晚，算出往返机票加五星酒店总价最低的出发日期」，它直接回复「无法完成」。

我做了什么

用户在表单里点选自己的约束（也可以直接用一句话描述），智能体基于飞猪的真实机票、火车、酒店报价，算出前 3 个出发方案。每个方案都给出：

  • 总价拆分
  • 在目的地能玩几个完整时段
  • 要请哪几天假
  • 风险提示
  • 每一段的飞猪预订链接

创新点

  1. 精确考虑个人约束：用下班时间、到各个车站/机场的通勤时间和安检缓冲，推算出最早赶得上的航班。可请假的日期在日历上勾选，系统自动区分周末和法定假日（2027 年元旦、春节按预估计算并标注）。回程按「最晚几点到家」倒推。
  2. 邻近城市出发：比如常住苏州，系统会自动尝试「苏州坐动车到上海 → 车站换乘到机场 → 上海起飞」，并校验火车到站、换乘和登机这几段时间能不能衔接上。
  3. 按「完整时段」衡量能玩多久：上午 8–12 点、下午 12–17 点、晚上 18–24 点，只有完整落在「落地后 1 小时」到「返程起飞前 2 小时」之间的时段才算 1 个。这样一眼就能比较哪个方案真的玩得更多。
  4. 特种兵模式：可以接受红眼航班、末班车，回来当天早班机直接上班；凌晨 2 点后落地的那一晚不订酒店。
  5. 三种目标一句话切换：省钱优先、多玩优先、兼顾（按每个可玩时段花多少钱来比）。切换时只重新排序，不重新查价。

完整度

  • 所有价格、时段数、请假天数都由脚本根据飞猪的真实返回计算，模型只负责理解需求和解释结果，不自己估算数字。同一输入多次运行，结果完全一致。
  • 没有可行方案时会说明卡在哪条约束、怎么放宽。例如：「下班后出发的日期都赶不上 22 点前起飞的航班，接受去程红眼航班可以解锁」。
  • 交互上一次问清楚，不反复确认：表单一次填完；用户用一句话描述时，只列出缺的项并给默认值；条件互相冲突时，一条消息把所有问题和可选改法说清楚；开始查价前先复述一遍条件，让用户确认。
  • 有 35 个单元测试，本机做了 4 个场景的真实查价，在百炼上用真实对话跑了 8 条用例并全部通过（含条件冲突追问、飞猪 Key 失效时的兜底）。测试报告见仓库 docs/test-report.md。

业务价值：每个方案都对应一组可以直接下单的「机票 / 火车 + 酒店」。错峰推荐还能把需求从高峰日引到平峰日。

百炼使用说明（必填）

  • 百炼能力 / 模型：Managed Agent（托管智能体运行时）+ 通义千问 qwen3.8-max（单次完整规划约 13 万输入 token）；Skill：自建的 flex-date-saver 和百炼官方的 flyai；云端运行环境（预装 @fly-ai/[email protected]，网络策略为 unrestricted）。
  • 调用方式：百炼 Managed Agents API（/files、/skills、/environments、/agents、/sessions）。仓库里的 tools/deploy_bailian.py 一条命令完成打包上传 Skill、创建运行环境、创建智能体和冒烟测试。
  • 使用环节与输入输出：用在运行时链路，流程如下：
    1. 用户发消息：表单生成的「规划需求单」，或者一句话描述
    2. 智能体理解需求、补齐缺项，并复述条件请用户确认
    3. 智能体调用自建 Skill 里的 Python 脚本：校验需求 → 生成候选日期 → 按限流规则调用 flyai-cli 查询机票、火车、酒店 → 计算并排序
    4. 脚本输出 plan.json
    5. 智能体据此生成方案对比表、每个方案的明细和预订链接，用户之后可以一句话切换目标或修改条件
  • Skill 名称：flex-date-saver（自建，脚本和配置都放在 Skill 内）、flyai（百炼官方）
  • 其他工具 / 技术栈：Python 3（无第三方依赖）、飞猪 flyai-cli、单文件 HTML 表单（部署在 GitHub Pages）、unittest

效果展示

1. 表单页：点选约束，一键生成需求单（即下面百炼会话中粘贴的那份需求单：上海出发，三亚 vs 厦门）

表单页

2. 百炼控制台实拍（会话 sesn_01M4ZD54N24D2E6X316F7Z1B6N，左侧为工具调用记录，右侧为智能体回复）

复述确认：

百炼控制台-复述确认

查价完成后的方案回复：

百炼控制台-方案结果

3. 智能体回复全文（控制台右侧面板较窄，下面是同一会话中两条回复的原文渲染，内容未做任何修改）

复述确认表：

复述确认

方案对比与各目的地最优：

方案对比

方案 1 明细（含预订链接）与不可行原因：

方案明细

一个真实案例（2026-10-15 百炼智能体 + 飞猪实时报价，即上面截图中的会话）

  • 条件：常住上海，三亚和厦门二选一，玩 2 到 3 晚，2 人；可以请 11-20、11-23、12-04、12-07 中最多 1 天；18:30 下班，只坐直飞；四五星酒店每晚 900 元以内；多玩优先，总预算 6000 元。
  • 前 3 个方案：
    1. 厦门 11-21（周六）→ 11-23（周一），请假 1 天，可玩 6 个时段，2 人总价 ¥1834
    2. 厦门 12-05（周六）→ 12-07（周一），请假 1 天，可玩 5 个时段，¥1524
    3. 三亚 11-20（周五）→ 11-22（周日），请假 1 天，可玩 5 个时段，¥3468
  • 首选方案明细：
    • 去程：11-21 14:05 乘 9C8807 从虹桥飞厦门，¥380/人
    • 回程：11-23 20:10 乘 FM9262 从厦门飞回虹桥，22:45 到家，¥445/人
    • 酒店：每晚参考起价 ¥92 × 2 晚
    • 推荐理由：比方案 2 贵 ¥310，但多玩 1 个时段（请假的周一能玩到下午）
  • 会解释没方案的原因：智能体同时给出「各目的地最优方案」对比，并说明「周五下班后出发的日期赶不上 22 点前起飞的航班，放开去程红眼可解锁」「不接受中转，放开后可能更便宜」。

其他场景的真实结果（苏州经上海联程出发、特种兵模式、跨春节预估假期）见 docs/test-report.md。

项目链接与复现方式

  • GitHub：https://github.com/thinsten/flex-date-saver
  • 在线表单：https://thinsten.github.io/flex-date-saver/web/（可直接打开填写，生成的需求单可粘贴给智能体）
  • 完整对话记录：仓库 docs/test-runs/ 下有 8 条百炼真实会话（含工具调用），不部署也能看到智能体的实际表现
  • 智能体运行位置：部署在作者的百炼 Managed Agent 上（智能体 flex-date-saver）；评委如需亲自体验，可按下面「部署到百炼」一条命令部署到自己的百炼工作空间
  • 本地真实查价： 
    npm i -g @fly-ai/[email protected]
flyai config set FLYAI_API_KEY <你的Key>
cd skill/flex-date-saver
python3 scripts/run_plan.py --request ../../tests/requests/sample_suzhou_sanya.json --out /tmp/plan.json
  • 不联网回放（使用仓库里录好的真实返回）：上面最后一条命令加上 --cache-dir ../../docs/demo-cache/flyai --replay
  • 部署到百炼：在 ~/.flex-date-saver.env 里写入百炼 API Key 和 workspace，然后执行 
    python3 tools/deploy_bailian.py --form-url <表单地址> --smoke
    创建会话时，在会话环境变量里填写 FLYAI_API_KEY。

踩坑记录（可选）

  1. 飞猪 Key 没生效却不报错
    • 现象：查询调用量一直不下降。
    • 原因：flyai-cli 读不到 Key 时，会静默改用内置的试用 Key，返回结果末尾带「体验模式」，不扣自己的额度。
    • 解法：每次部署后检查返回结果里有没有「体验模式」。
  2. 百炼密钥库导致 401
    • 原因：密钥库会在出网时替换 Authorization 请求头，而 flyai-cli 会对这个请求头做签名，替换后签名对不上。
    • 解法：改用会话环境变量传 FLYAI_API_KEY。
  3. CLI 版本不一致
    • 现象：旧版本 1.0.5 没有火车查询命令，酒店命令名也不同。
    • 解法：运行环境固定安装 1.0.16。
  4. 限流和风控
    • 官方限流是 QPS 2。此外安全侧还有基于行为的风控：短时间内频繁、规律的调用会被判为脚本，返回 HTTP 451；同一个 Key 一天内多次被封，冷却时间会越来越长。
    • 解法：先实测出一套稳妥节奏（请求间隔 2.5 到 4 秒随机，每分钟不超过 20 次，每 10 分钟不超过 40 次，单次规划 20 次），后来联系飞猪给参赛 Key 加白，改为只限 QPS ≤2；同时保留 30 分钟查询缓存和风控熔断（一旦触发，所有进程一起暂停 20 分钟）。未加白的 Key 可以切回稳妥节奏，参数在 config/defaults.json。
  5. 服务端缓存忽略时段参数
    • 现象：5 分钟内查询同一航线、同一天，会拿到之前按起飞时段筛过的结果，甚至是空的。
    • 解法：航班查询不带时段参数，起飞和到达时间在本地筛选。
  6. 接口行为与文档不一致
    • 往返查询在正式 Key 下返回空，改为两段单程价格相加。
    • 火车座席参数不生效，余票字段为空，改为在本地按座席过滤。
    • 酒店的区域关键词不生效，品牌字段也不可靠，改为按酒店名称里的品牌词识别连锁。
    • 详细记录见 docs/api-notes.md。
  7. 百炼账户与会话配置
    • 在控制台新建会话时如果没填环境变量 FLYAI_API_KEY，智能体会用公共试用 Key，额度很快用完并被限流；会话要在「环境变量」里填 Key。
    • 账户余额不足时，会话接口返回 403「AccessDenied.Unpurchased」，充值后恢复。
  8. 百炼部署
    • 上传的 zip 要等文件审核变为 available 后才能创建 Skill。
    • 和官方 Skill 同名会被拒绝。
    • 更新智能体时要带上当前版本号。
    • 会话会锁定创建时的智能体版本，改了智能体要新建会话才生效。
    • 沙箱闲置后会被回收，代码要及时推到 GitHub。
Lingua principale
HTML
Stelle
11
Fork
3
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di modelstudioai/modelstudioai.github.io

Tutte le issue di modelstudioai/modelstudioai.github.io

Issue simili

Altre issue su AI Infra & Agents

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.