【2026飞猪AI旅行创新大赛】Vibe2Trip ·「这张图的感觉，帮我安排」——旅行审美解构师

This issue describes a completed Vibe2Trip competition entry and links its implementation at https://github.com/qq1308194619/vibe2trip, rather than requesting a change in this repository. Start by checking the linked project and its demo; there is no defined change or completion criterion in the issue for this repository.

30 秒了解： Vibe2Trip 是一个「旅行审美解构师」。你不打字、不玩测评——直接甩给它一张让你心动的图（风景照 / 电影剧照 / 小红书截图 / 海报），它用多模态模型把这张图解构成 7 维「旅行审美画像」，再翻译成飞猪真实可预订的目的地与行程，输出一张「心动旅行卡」。作品主形态为百炼 Managed Agent，已真跑通全链路。

一句话立场：你要的从来不是一个景点，是一种感觉——而这种感觉是有标价的。 Vibe2Trip 把"感觉"拆成可检索的 7 个维度，再用飞猪真实库存给它标上价格、日期和机位。

参赛项目名称

【2026飞猪AI旅行创新大赛】Vibe2Trip ·「这张图的感觉，帮我安排」——旅行审美解构师

团队 / 作者与奖品领取人

• 团队名称：文鸯-旅行审美解构师（个人参赛）
• 主要提交人 GitHub ID（仅 1 位，必填）：qq1308194619（显示名：如今却忆少时乐）
• 其他成员（可选，仅用于署名）：无

旅行场景与目标用户

场景：旅行决策的第一步——"不知道去哪，但已经存了一堆心动的图"。用户相册/收藏里有风景照、电影剧照、小红书截图、海报，却落不成一次真实可订的行程。

目标用户：靠视觉种草的年轻人、情侣、亲子家庭；收藏了很多灵感图却不知道怎么把它变成"去哪、怎么去、住哪、玩什么"的人。

要解决的问题：旅行决策的入口正在从"搜地名"迁移到"找感觉"。飞猪与小红书联合发布的《"五一"出行趋势报告》（2026-05）给出的数字是：69% 的用户基于兴趣决定出行目的地，且平台把人群直接切成了"出片党 / 吃货 / 运动控 / 慢游族 / 随性派"——其中"出片党"锁定目的地的理由写得很直白：影视取景地、小众风景地、课本同款风景地，旅拍"已成刚需"。这些需求在用户侧的原始形态就是一张存下来的图：一部电影的截图、一条小红书的封面、一张海报。

可今天没有一个入口是"图"。现有 AI 旅行助手只有三种：① 让用户打字描述（可用户恰恰说不清自己想要什么感觉，只会说"就那种……很舒服的感觉"）；② 用测评/塔罗猜人格（多一道门槛，且测出来的是性格不是审美）；③ 读订单截图核对已有行程（解决的是行中/行后，不是行前灵感）。

从"一张心动的图"到"可下单的行程"这段路，我们在现有 AI 旅行助手里没看到同类入口。 这里把两条最容易混淆的分野划清：

最近的两类做法	它的路径	Vibe2Trip 的不同
拍实景照片求讲解	人在现场 → 认建筑/文物 → 生成解说	方向相反：人在家里，输入的是事先存下的灵感图，输出的是还没出发的行程。前者解"这是什么"，后者解"我想去哪"
报游戏/兴趣名做映射	输入是文字标签 → 查口味映射知识库（人工维护的对照表）	Vibe2Trip 不依赖任何映射表，直接读像素。所以冷门番、新出的游戏、甚至一张说不清出处的截图都能接住——扩展性来自模型视觉能力，不来自人工维护的表

我做了什么

Vibe2Trip 把入口直接换成图片。核心是一层"审美解构 → 供给映射"的翻译：

1. 审美解构（招牌）：多模态模型把用户上传的灵感图解构成 7 个旅行审美维度——地貌场景 / 色调光线 / 氛围情绪 / 活动暗示 / 节奏快慢 / 季节感 / 人文自然比，输出一份「旅行审美画像 Vibe Profile」。只解构图中真能看出来的，认不出具体地点就给"神似候选目的地"并逐维说明匹配理由，绝不脑补。
2. 一次问全约束：出发地 / 日期天数 / 同行结构 / 预算区间，最多 4 项一条消息问清；用户放权则用默认并标注假设。
3. 落到飞猪真实供给：调用 flyai 的 search-poi / search-hotel / search-flight / search-train / ai-search，把"暖调治愈+慢生活+湖景"这样的感性画像，翻译成真实的景点、契合调性的酒店、可预订的交通——并解释"为什么选它匹配你的感觉"。
4. 输出心动旅行卡：① 心动解读（审美画像+心动理由）② 命定目的地（1~3 个真实候选+匹配维度）③ 按天行程（真实景点，标注对应的氛围/活动）④ 可预订清单（真实交通/住宿+价格+预订入口+预算）。

创新点：入口从"打字/测评"换成"一张你早就存下的图"，并且在中间立起一个别人没有的资产——7 维审美画像是显式、结构化、可复算的（不是模型心里想想的一串形容词）。它带来两个直接后果：① 每个目的地/酒店/车次的选择都能回溯到"命中了哪一维"，用户看得见推理；② 这份画像可以沉淀、聚合、被再次检索——这正是下面商业假设的落点。

为什么是现在（三条可搜索验证的数据，均已注明口径）：

1. 总盘子在涨：文化和旅游部《2025 年文化和旅游发展统计公报》（2026-06-02 发布）——2025 年国内居民出游 65.22 亿人次，同比 +16.2%；出游总花费 6.30 万亿元，同比 +9.5%。刚过去的 2026 国庆 7 天，全国国内出游 8.26 亿人次、总花费 7383.75 亿元（文旅部数据中心测算，2026-10-09 公布）。
2. 决策入口正在从"地名"迁到"感觉"：小红书《2026 兴趣游趋势报告》（中国日报网 2026-09-24 转载）——截至 2026 年 9 月，手作/访古/户外等兴趣驱动的"体验型"旅游搜索环比 +48%，增速是以景点游览和拍照为主的"打卡型"搜索的 1.6 倍以上；报告原话是"用户不仅搜索'去哪里'，也在寻找'到那里可以做什么'"。⚠️ 口径提示：这是平台自披露运营数据（经官媒转载），不是独立第三方审计。
3. 飞猪自己已经把"AI 建议"当成决策变量：飞猪 × 小红书《"五一"出行趋势报告》（中国经济网、新浪财经 2026-05-06 转载）——"五一"假期飞猪 AI 咨询量较清明假期继续增长 56%，"来自 AI 的建议"正成为游客出行决策的关键变量；同时 57% 的旅游攻略获取来源于搜索。

三条连起来是一句话：需求已经在往"感觉"迁移，飞猪的 AI 入口也已经通了，只差一个把"感觉"当输入格式的产品。 而这张图在飞猪生态里天然有出口——用户存的灵感图本身就有对应的商品供给。

诚实边界（当底线，不当卖点）：所有价格/房态/航班/景点均来自 flyai 真实返回，代码层只做聚合与排版、不产生任何数据；--sample 离线演示数据会显著标注为占位、非真实。

坦白说一句：把"诚实"做到极致是这类作品的共同自律——"不把模拟接口当真实证据""给每条数据标出处"，不少参赛同学都在做。所以**"诚实"在这个赛道不是差异化，是入场券**。Vibe2Trip 的差异化在前面那句立场上：把一种感觉标上真实价格。

能力分三档写死在 docs/roadmap.md（诚实既然被当成底线，能力本身也必须分级——这是同一个纪律的两面）：

• A 档｜已真跑、有截图与产物：上图六段全链路 + 泛化性案例②。
• B 档｜提示词已具备，但条件触发**，示例用例未命中时就不出现**：
  ① 审美平替——心动成本与预算/天数错配时（3 天低预算却传了极光），给同调性、更可达的真实城市，并写明"哪几维仍命中、哪一维让步"；这是同一份审美在成本梯度上的投影，不是同目的地比价。
  ② 同行结构投影——同一张图，情侣 / 亲子（孩子年龄参与决策）/ 独行 会重排住宿档型、单日步行量与节奏，并说明牺牲了什么（独行不为热闹被改写成亲子向）。
  ③ 拍摄窗口——把画像里那条"色调光线"翻译成现实中什么时候才成立（日落前逆光、开园首批客人最少），但不编造日出日落时刻（flyai 不返回）。
  ④ 季节时差——心动主体当季不存在时如实说明，并给"同月能兑现同款情绪、而非同款景物"的替代。
  ⑤ 心动的代价——用真实差价摊开这份氛围的成本（"夜里无人的水道"≈入住景区内部，列出门外与门内两家真实差价）。一句可记住的话：你要的不是景点，是感觉，而这种感觉有标价。
  ⑥ 跨媒介解构——动漫/游戏帧/影视截图的"渲染美学"仍走同一套 7 维，但取景地推测强制标注「疑似取景地（二次元推测，未核实）」。这条不是凭空设想：飞猪 × 小红书《"五一"出行趋势报告》已把"影视取景地、课本同款风景地"列为"出片党"锁定目的地的直接原因；而 Vibe2Trip 读的是画面，不需要先知道这是哪部作品。
  ⑦ 无图退化路径——只给一句感觉描述（"下班回家开一盏小灯那种"）也能解构，标注依据弱一档。
• C 档｜主动不做并给原因：跨用户相似图匹配（交友/组队）与本产品"连照片 EXIF 都不解析"的隐私原则冲突、且冷启动无法演示——已降级为匿名聚合的「审美供给索引」设想：把 7 维画像沉淀成可检索资产，让商品按氛围而非景点类型被组织，再用带参预订链接量化"感觉 → 下单"转化。这是这个入口真正的商业假设：内容平台已经在按兴趣组织"人"和"内容"了（小红书八大"兴趣旅行家"），但旅行商品供给侧的索引仍然是目的地 / 类目 / 星级——"感觉"这一层没人做成可检索字段。 而 Vibe2Trip 的 7 维画像，恰好就是那层字段的结构化形态。

百炼使用说明（必填）

• 百炼能力 / 模型：
  • 主路径 · 百炼 Managed Agent（Agent Studio）：智能体 Vibe2Trip · 旅行审美解构师（ID agent_01M59B35CMHW49YQCVYQMJN7P9），模型 Qwen3.8-Max / Qwen3.8-Flash（原生多模态，直接读灵感图）。
  • 本地离线复现 · DashScope OpenAI 兼容接口：读图审美解构 qwen3-vl-plus，行程编排 qwen-plus-latest。
• 调用方式（百炼 API / DashScope SDK / 百炼 CLI bl / OpenWork）：两条都用。① Managed Agent 官方路径（作品主形态）：在百炼控制台创建智能体、会话内以官方 skill 执行 flyai；② 本地复现路径：scripts/lib/bailian.mjs 封装 DashScope OpenAI 兼容 REST（https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions），多模态以 base64 data-url 传图。
• 使用环节与输入输出：
  • 输入 = 灵感图 + 一句话约束（出发地/日期/人数/预算）。
  • 环节①（Qwen-VL 审美解构）：图 → 7 维审美画像 + heart_reason + recognized_place（认不出如实标注）+ 2~3 个候选目的地 + flyai 检索线索。
  • 环节②（flyai 真实检索，见下）：画像 → 城市级命定目的地 → 真实景点/酒店/交通。
  • 环节③（Qwen 行程编排）：真实景点 + 画像 → 排满每天的行程（带 vibe_tag/时长/理由）。
  • 输出 = 心动旅行卡（对话内全文 + 会话产物 md 文件）。
• Skill 名称（如有）：飞猪官方 FlyAI（alibaba-flyai/flyai-skill / @fly-ai/flyai-cli）。Managed Agent 云沙箱内 npx skills add alibaba-flyai/flyai-skill 安装；本地因其后端为带签名鉴权的 MCP server、通用 MCP 客户端无法挂载，改以官方自包含 bundle（node 直跑、无需 npm）作为执行体。
• 其他工具 / 技术栈：Node ≥18（仅内置模块，无第三方依赖）；心动旅行卡渲染为自包含 HTML + Markdown；系统提示词见 agent/managed_agent_system_prompt.md（审美解构 7 维 + 诚实边界 + flyai 检索规则：中文枚举/城市级/无机场回退高铁 + 排满每天每时段 + 心动旅行卡六段结构，以及条件触发的平替/同行投影/拍摄窗口/季节时差/心动代价等增量判断）。能力分级与路线图：docs/roadmap.md。自带两个零依赖回归测试：scripts/test_budget.mjs（14 项断言：预算复算 / 掩码不计入 / 缺价不编造 / 价格串防注入）与 scripts/test_demo_consistency.mjs（从演示卡内真实票价房价独立复算，与卡面预算数字交叉比对，专门防"总额对、明细串成另一个城市"这类口径串号）。node scripts/test_budget.mjs / node scripts/test_demo_consistency.mjs 退出码 0 即通过。

会话 sesn_01M59BDTMWVZ1JJY9EFEFGN3A5 内：云沙箱装 flyai 技能；以会话环境变量注入 FLYAI_API_KEY；灵感图经平台文件库上传并挂载进会话 /uploads/，由智能体用 read 工具读图。

效果展示

Managed Agent 真跑四关键帧（灵感图读入 → flyai 真实数据 → 写卡 → 会话产物），均在 assets/shots/：

1. agent_03_image_read.png：智能体 read 挂载的灵感图（0.14s）并读取 flyai 命令文档，准备并行拉真实数据。
2. agent_04_flyai_realdata.png：云沙箱内真实 flyai CLI 调用（search-poi --city-name "嘉兴" --category "古镇古村" 等）。
3. agent_05_card_in_chat.png：往返高铁补全 → 智能体会话内自述「14 个真实景点、6 家真实酒店、往返真实车次含价格」→ write 心动旅行卡 → 对话内输出全文（条目数以产物卡片文件实际列出者为准，见下行链接）。
4. agent_06_artifacts.png：会话产物页（心动旅行卡 md ×2）与绑定进会话的灵感图。

• 智能体产物心动旅行卡全文（含 7 维画像/候选目的地/按天行程/可预订清单/预算）：docs/managed_agent_card_嘉兴水乡.md。
• 本地管线渲染的心动旅行卡整卡截图：assets/shots/card_suzhou.png。
• 注：本截图是 v1 本地管线早期以苏州为命定目的地的真实渲染输出，故画面标「苏州」；与后文 v3 基线「嘉兴→黄山」非同一用例，属历史案例保留。

  ⚠️ 一处已知的历史不一致，主动交代：这张截图与在线 Demo 的数字不同，因为截图出自 v1.0 渲染器——当时把"每人往返交通 + 整间房费"直接相加并标成「人均」，是口径标错（苏州卡截图上的 ¥288 ~ ¥660 人均 就是这么来的）。v1.1 已修正为「N 人同行合计 + 人均」双口径：同一张苏州卡按真实价格复算应为 合计 ¥312 ~ ¥684、人均 ¥156 ~ ¥342（交通 12+12=24/人；住宿 132~318/间/晚 × 2 晚 ÷ 2 人）。在线 Demo 与代码已是修正版，旧截图我没有替换（它是当时的真实输出，改掉就等于伪造证据），所以两边对不上是预期内的，重截排在 v1.1。

• 案例②（泛化性证明）：换一张气质完全相反的灵感图（冷调雪岭 + 一扇暖窗）→ 命中阿勒泰（禾木/喀纳斯）：真实景点 / 真实酒店 / 往返真实车次（该城市对无合适航班时自动回退高铁并如实说明），整卡截图 assets/shots/card_altay.png。
• 在线演示（GitHub Pages，推送后即可访问）：https://qq1308194619.github.io/vibe2trip/demo/ —— 已合并为一个自包含页面：两张可交互心动旅行卡 + 4 张真跑关键帧（data URI 内嵌，离线可看）+ 「三步自助复现」区（提示词与命令预填、一键复制），评委不必翻仓库、不必跳转即可从头看到尾。

  诚实说明：这个页面是纯静态的，不能在浏览器里替你真跑一次——真跑需要你自己的百炼 DASHSCOPE_API_KEY（flyai Key 可选）。我们不做"看起来能试、其实是录屏/假数据"的伪交互，所以选择了"把复现成本压到三次复制粘贴"这条路。
  关键帧版本口径已在页内注明：该组截图产出于提示词 v1（基础六段闭环）；v3 新增的条件触发能力属"条件命中才出现"，故不在这组截图内——但这几项能力已于 2026-10-20 用 v3 提示词专门做过一轮"三轮活体复现"（见下一小节），全文卡片可直接 diff 复算。

说明：卡片第 ⑦ 段（心动对价 · 拍摄窗口 · 季节提示）与平替/同行投影等属条件触发字段，见 docs/roadmap.md B 档。上面那组 v1 关键帧的输入用例是"上海出发 / 2 人情侣 / 中等预算 / 深秋看水乡"——成本不错配、季节正好同季、结构只跑情侣一种，所以那些增量段不出现。为证明它们不是"写在文档里却没跑过"，下面补一轮专门命中这些条件的复现。

三轮活体复现（提示词 v3 · 会话 sesn_01M5AHTZNE8BY0Q9HQ5FC9XX2J · 2026-10-20）

同一张灵感图，连着发三轮指令，逐轮把 B 档能力真跑出来。三张卡片全文已入库、可点开逐字复核，评委可与本文交叉复算、无需重跑：心动旅行卡_v3_水乡.md（16.3 KB） ｜ 心动旅行卡_v3_同行结构.md（9.6 KB） ｜ 心动旅行卡_v3_平替.md（12.6 KB）。

• 第一轮 · 基线（招牌能力）：读像素 → 解构 7 维画像（白墙黛瓦 / 石拱桥洞倒影成圆 / 日落逆光剪影 / 两人一船背对镜头不说话…）→ 关键落点是——它没有停在直觉答案"乌镇/西塘"，而是核验后改判到皖南徽派·黄山市（宏村/塔川/西递），并用 flyai 拉出黄山北往返真实高铁与南湖边房价。这正是作品主张"你要的不是景点，是感觉"的活体演示：读画面、解构审美、再定位真正承载该感觉的可预订目的地，不被取景地标签带偏。
• 第二轮 · 同行结构投影（B②）：命定目的地与日期不变，把"2 人情侣"改成"2 大 1 小（5 岁）"。智能体没重跑画像（图没变），而是逐项改"兑现方式"——单日步行量 8–10 km→≤5 km、塔川 3 h→村口 40 min、"99 条高墙深巷迷宫"的西递缩到 1.5 h 或换成"只有一条主干道沿溪走"的唐模 ¥57、删除未补查的嘉兴备选线、新增"开放式村中水系需全程牵手"安全提醒；每处改动都引用 flyai 缓存里的真实景点描述做依据。同口径预算：2 成人高铁 ¥778 + 南湖边一间 2 晚 ¥474 + 成人门票 ¥383.2 = 合计 ¥1,635.2 / 人均 ¥545.1（另给"两间保底"方案）。
• 第三轮 · 审美平替 + 心动的代价（B①⑤）：保持画像不变、把兑现地换到更省的近邻，它选了黄山·西溪南古村落（非高价同质景区），引用 flyai 原文命中"原生态/极慢节奏/一侧树一侧水"三行，然后诚实拆开"命中 4 维 / 真丢 3 维"——尤其点明西溪南给不了图里最标志性的"桥洞合成正圆"（flyai 里它一个桥类 POI 都没有），也拿不到塔川红叶（11-08 正落在缓存写明的 10/26–11/26 红叶窗口正中）。最硬的一条反直觉代价：平替省门票、省接驳，却不省"住进感觉"的钱——想在西溪南"推窗见水"村内真实房价 ¥348/¥385/¥466，而宏村南湖边只要 ¥237，关键维平替反而贵 47%–97%；省钱的方案本质是"住高铁站边、白天进村拍照半天"，那份感觉只买到半天。收尾一句："如果这张图你存下来是因为那个桥洞合成的正圆，别省这 ¥543——平替给不了你那个圆。"

这一轮顺带把"诚实是入场券"演成了可复现行为（非摆拍前提下的真实故障处理）：命中 flyai 限流 HTTP 451 → 自行 sleep 90~100 s 退避、用 grep 掩码 ¥1xx 后再查；--hotel-bed-types "多床房" 筛选未生效（返回同店同价同序）→ 拒绝宣称"已核实家庭房"、改给两间保底；核对原始 JSON 发现无儿童票价字段 → 明确写"flyai 没有，我不替它编"、铁路免票年龄线标注为"通用规则非 flyai 数据、以 12306 为准"；第三轮前沙箱被重置、缓存全丢 → 主动如实交代并重装重拉、声明"本轮链接均为本次真实返回"。三处 flyai 字段缺陷与本文《踩坑记录》对 rate 评分"不返回"的修正互相印证。

三轮活体佐证截图（与上文 v1 关键帧分属两次运行：v1 用会话 sesn_01M59BDTMWVZ1JJY9EFEFGN3A5，本三轮用会话 sesn_01M5AHTZNE8BY0Q9HQ5FC9XX2J）。下面两张均取自百炼平台原生界面、非人工补录：

复现两条硬约束（供评委自助复现时避坑）：① 挂进会话的灵感图须先压到 ≤150 KB——曾以 1.5 MB 原图让单轮输入冲到 499k tokens、运行卡死 38 分钟，换 96 KB 压缩图后秒读；② flyai 命中 451 须 sleep 退避后再查。三张卡片全文见本小节上方三个链接（已随仓库推送，可点开逐字核验）。

内嵌图（Issue 直接渲染）：

项目链接与复现方式

• GitHub 仓库：https://github.com/qq1308194619/vibe2trip
• 在线 Demo：https://qq1308194619.github.io/vibe2trip/demo/ （GitHub Pages：两张可交互心动旅行卡 + 三轮 v3 活体复现摘要卡（水乡基线 / 同行结构 / 平替）+ 「三步自助复现」区，含可一键复制的提示词与命令）
• 能力分级与路线图：docs/roadmap.md（A 档已实现有证据 / B 档提示词已具备但条件触发 / C 档主动不做并给原因）
• 复现（Managed Agent，官方路径）：
  1. 百炼 Agent Studio → Managed Agent → 创建智能体，模型选 Qwen3.8-Max/Flash（多模态），系统提示词粘贴 agent/managed_agent_system_prompt.md。
  2. 创建会话；在会话内发送 npx skills add alibaba-flyai/flyai-skill（云沙箱安装飞猪技能）。
  3. 会话「环境变量」注入 FLYAI_API_KEY；「文件」上传灵感图并挂载到 /uploads/。
  4. 发送：请用 read 读取 /uploads/<图>，按系统提示词输出审美画像→目的地→flyai 真实数据→排满每天→心动旅行卡。
• 复现（本地离线，无需 npm）：
  1. node scripts/setup_flyai.mjs（自动下载飞猪官方 bundle 到 vendor/，npmjs 不通自动回退 npmmirror）
  2. cp .env.example .env 填入 DASHSCOPE_API_KEY（百炼）与可选 FLYAI_API_KEY（飞猪正式 Key）
  3. node scripts/vibe_trip.mjs --image assets/demo_inspiration.png --from 上海 --date 2026-11-08 --days 3
  4. 打开 outputs/<目的地>_<日期>/card.html 查看心动旅行卡

踩坑记录（可选）

• flyai 各命令的字段覆盖会随 CLI 版本与 Key 模式变化——先声明，免得被当成数据编造。本仓库 scripts/setup_flyai.mjs 的用法示例给出的版本是 @fly-ai/flyai-cli 1.0.16（node scripts/setup_flyai.mjs --version 1.0.16 可固定复现，装完确切版本写入 vendor/flyai/VERSION）。
  2026-10-20 用正式 Key 本地实跑复测（可直接复现：FLYAI_API_KEY=你的Key node scripts/probe_flyai.mjs）：search-train 返回真实座席票价（D181 二等座 10.00、含预订链接）；search-poi 返回真实票价（乌镇西栅 ¥147，与本仓库 docs/managed_agent_card_嘉兴水乡.md 记录的票价一致，而"乌镇东栅/西栅景区"的 ticketInfo 本次为空——正是卡片里写"未单列票价、不编造"的那两处）；search-hotel 返回真实房价与 star 档次（如"隐墅·乡奢 高档型 ¥458"，与卡片同源），但 rate 评分三次调用均未返回。
  结论修正：本次实跑确认 search-hotel 确实不返回 rate 评分——本作品先前"有评分"的说法不实，已改（卡片因此本就不展示评分列）；而 search-train 在本次实跑里是有票价的，与个别反馈相反，属 CLI 版本 / Key 模式造成的字段覆盖差异（旧版 CLI 甚至没有火车查询命令），不是谁在编数据。本作品规则不变：每个字段只写 flyai 原始返回值，查不到就地标注"未返回"，绝不跨字段推断、绝不补数。
• flyai 的 search-hotel 必填 --dest-name、search-flight 必填 --origin、search-poi 必填 --city-name；拿不准用哪个命令时用 ai-search --query。
• flyai search-poi --category 校验的是中文枚举（自然风光/山湖田园/人文古迹…），--help 里印的英文枚举是误导，传英文直接报错。
• flyai 后端是带签名的 MCP server，百炼"自定义插件/通用 MCP 客户端"无法直接挂载；但在 Managed Agent 云沙箱内可 npx skills add alibaba-flyai/flyai-skill 装官方 skill（主路径），本地则用 npm 包内自包含 flyai-bundle.cjs（仅 Node 内置模块）node 直跑。
• Windows 下 flyai 打印完 JSON 后进程 teardown 会报 Assertion failed ... UV_HANDLE_CLOSING（无害，stdout 已完整）；封装层只认 stdout、忽略退出码。
• 未配正式 FLYAI_API_KEY 时为体验模式：酒店价格返回 ¥6x 掩码；渲染层检测到掩码即整体标注、不算预算，绝不把掩码当真实价格。
• 预算口径：住宿单价是"每间每晚"、交通是"每人每段"，二者不能直接相加再标"人均"；渲染层按同住人数分摊住宿，并在卡片口径里写清楚。
• 新增能力一律做成"条件触发"，而不是新增卡片区块。因为已发布的截图、示例卡、在线 Demo 都是旧结构的输出——只要把新字段写成必选段落，就会出现"文案说有、图上没有"的自相矛盾，而这恰好打在自己标榜的"诚实"上。所以：结构 ①~⑥ 保持不变，新能力作为 ⑦（无支撑即整段省略）挂在外侧，已发布的每一张卡片到今天仍然与提示词一致。
• 能力要分档，否则创新点会被自己说塌。凡是没跑过的（跨用户相似图匹配、供给索引、带参归因）一律写进 docs/roadmap.md 的 C 档并附"为什么不做"，绝不在正文里暗示已实现——"这个功能其实没做，因为撞自己的隐私原则所以降级成了匿名聚合设想"比硬做出来更值钱。
• 多模态读图容易"脑补"图里没有的信息——用提示词强约束"只解构看得见的维度、认不出就说认不出"，把审美推断与真实数据严格分区。二次元取景地是同一风险的最高发区，因此强制标注「疑似取景地（未核实）」。

---

**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。

署名：文鸯-旅行审美解构师　|　GitHub：qq1308194619（如今却忆少时乐）