Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

【2026飞猪AI旅行创新大赛】别白跑 · AI 旅行攻略体检官

Đang mở
  • Có gì không ổn?
#211 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
1/100
Loại issue
Tính năng
Độ rõ ràng
Cần làm rõ
Mức độ hoạt động
Sôi nổi
Công nghệ
css, html, javascript, json, playwright, python
Lĩnh vực
ai, tooling, web-dev

Hướng nghiên cứu

The issue describes a completed travel itinerary auditing prototype and links its source repository, but does not identify a change to make in this repository. For a contribution, first inspect the repository and the linked project’s validator.py, tests/, and report.html to find a concrete open task. The issue gives no acceptance criteria for additional work.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

2026飞猪AI旅行创新大赛 showcase

参赛项目名称

别白跑 · AI 旅行攻略体检官

Slogan：让每一份攻略，都真正走得通。

普通 AI 帮你生成旅行攻略，「别白跑」帮你发现攻略里的隐藏风险：交通能否衔接？景点是否开放？返程来不来得及？哪些数据有证据，哪些只是估算？

本作品基于 阿里云百炼 Managed Agent、飞猪 FlyAI 旅行查询能力、Python 确定性校验器及卡片式交互报告，探索一种更可信的 AI 旅行规划方式。

团队 / 作者与奖品领取人

  • 团队名称： HansTeam
  • 主要提交人 GitHub ID： wuhanwoaini521

旅行场景与目标用户

谁需要「别白跑」？

面向以下旅行者：

  • 无车自由行用户： 依赖高铁、地铁、公交和打车，对交通衔接更加敏感。
  • 周末短途旅行者： 两三天时间有限，任何换乘失误都可能影响后续安排。
  • AI 攻略使用者： 通过 AI、社交平台获得行程，希望出发前检查是否合理。
  • 历史文化与自然旅行爱好者： 不希望因为错误的开放时间、接驳方式而白跑一趟。
真实需求场景：宁波两日无车旅行

时间： 2026 年 11 月 14–15 日
人数： 2 名成年人
出行方式： 不自驾
硬性约束： 第二天 19:00 前必须返回宁波站

原始攻略：

  • DAY 1： 下午抵达宁波站 → 天一阁 → 月湖 → 南塘老街
  • DAY 2： 上午东钱湖 → 下午前童古镇 → 返回宁波站

表面上，这是一份常见的两日游攻略。

但它可能存在跨区域交通衔接、景点开放窗口、列车预售与换乘缓冲等问题。单纯让 AI 生成更漂亮的行程，并不能解决这些问题。

「别白跑」要做的是：先体检，再修订。

我做了什么

1. 识别并保留用户约束

解析旅行日期、人数、交通方式、目的地及返程时间。

特别避免 AI 擅自更改用户已经确定的条件，例如把「下午抵达」改成「上午抵达」，或忽略 19:00 前返程的要求。

2. 使用百炼与飞猪旅行查询能力辅助核验

通过百炼 Agent 会话，结合飞猪 FlyAI 景点、列车查询及公开资料，整理景点位置、开放时间、参考车次、交通方式等信息。

为每条事实记录来源与查询时间，并区分：

  • 已核实
  • 部分核实
  • 待核验
3. 识别攻略中的隐藏风险

本次宁波案例重点发现：

风险 A：跨区域交通衔接困难

原计划上午东钱湖、下午前童古镇，需要跨区域移动和多次换乘。对于无车游客，交通耗时可能明显挤占游览时间。

风险 B：返程列车选择受限制

飞猪查询返回的参考班次存在较大的时刻间隔。但查询时目标日期尚未进入铁路常规预售期，因此不能将参考班次视为已确认可购买的车次。

体验提醒：景点内部设施开放情况

前童古镇童氏宗祠有修缮暂停开放信息。古镇并非因此整体关闭，需要调整参观预期，而不是直接取消旅行。

4. 尽可能保留景点，最小修改攻略

AI 提出调整第二天游览顺序：

原计划：

东钱湖 → 前童古镇 → 宁波站

建议方案：

前童古镇 → 东钱湖 → 宁波站

尝试采用「先远后近」的方式，减少返程前的跨区域交通压力。

这一方案属于基于现有证据的候选修订方案，并非已经确认所有换乘和返程班次都可执行；未核实的交通时间仍然标记为待审核。

5. 使用 Python 确定性规则校验

仅依靠大模型判断「应该能赶上」并不可靠。

因此项目增加了 Python 校验器，覆盖以下检查：

  • 火车票预售日期计算
  • 错过车次后的备选班次时间方向
  • 行程节点时间顺序与区间重叠
  • 交通接驳与候车时间记录
  • 用户原始约束是否被修改
  • 证据 ID、来源类型及支持范围
  • 返程时间与截止时间的计算一致性
  • 未确认结论是否被错误标注为已核实

如果证据无法支持某项结论，系统保留「待审核」状态，不把计算一致性等同于实际可达性。

6. 生成可交互的卡片式报告

将体检结果展示为网页，支持：

  • 不同风险等级筛选
  • 原始攻略与修订攻略切换
  • 行程时间轴
  • 交通风险提醒
  • 证据和查询来源展开
  • 桌面端及移动端适配

核心创新：不是让 AI 再写一份攻略，而是在攻略交付前增加可追溯、可复核的检查环节。

应用前景

未来可作为旅行平台、攻略社区、行程规划助手的「出发前体检」模块，帮助用户在预订和出行前发现潜在冲突，减少行程调整成本与旅行体验损失。

当前交付的是离线可复现参赛原型，尚未实现面向任意新攻略的全自动实时服务。

百炼使用说明（必填）

使用的百炼智能体
  • 平台： 阿里云百炼（Model Studio）
  • 智能体形态： Managed Agent
  • 作品角色： 「别白跑」AI 旅行攻略体检官
  • 模型配置： 初始配置采用 AUTO 模式
  • 任务： 理解用户攻略、调用可用旅行查询能力、分析风险、生成结构化攻略体检结果

本作品在既有旅行助手的基础上，将系统提示词调整为面向无车旅行的「攻略核验与修订」工作方式。

百炼参与了哪些环节？
环节 百炼 / FlyAI 的作用
需求理解 提取日期、景点、人数、交通方式和返程约束
旅行信息查询 利用已有会话中的 FlyAI 景点、列车查询结果
风险分析 分析景点顺序、接驳风险、开放时间和返程条件
行程修订 提出最小修改方案，并标注未确认信息
结构化产出 在 Agent 会话中整理报告数据及初版文件

在此基础上，使用本地 Python 校验器检查结构化数据，再由 HTML 页面展示卡片式报告。

工具与调用记录
  • 飞猪 FlyAI： 旅行景点查询 search-poi、火车票查询 search-train
  • 百炼内置工具： bash、web_search、文件读写等
  • 报告记录： search-poi 4 次、search-train 2 次、web_search 8 次

以上调用次数来自百炼 Agent 历史报告及结构化摘要，仓库未提供可独立核验的 FlyAI 原始工具响应日志，因此不将这些数字宣传为已经完成独立审计的调用统计。

百炼 Agent 操作截图

以下为已有百炼 Agent 会话或控制台操作截图，用于展示本作品的百炼使用过程：

百炼 Agent 操作截图

其他技术栈
  • Python 3 标准库：确定性校验器
  • JSON：结构化旅行数据及校验结果
  • HTML / CSS / JavaScript：可交互攻略报告
  • Playwright + Chromium：离线浏览器与响应式测试
  • GitHub：源码、测试记录及演示材料托管

实现边界： 本次是百炼 Agent 参与分析、整理数据，再由本地工具完成校验和展示的原型。各阶段需要人工触发，尚未实现「输入新攻略后自动完成所有查询、校验和网页发布」的完整在线闭环。

效果展示

桌面端 · 攻略体检报告

别白跑桌面端界面

移动端 · 响应式攻略卡片
别白跑移动端界面
更多效果截图
📱 点击展开：移动端其他界面 别白跑移动端其他界面
🖥️ 点击展开：桌面端完整长图

别白跑桌面端完整报告

本地测试与验证

当前参赛包记录：

测试范围 结果
原项目自带测试 15/15 通过
独立回归测试 14/14 通过
Chromium 页面渲染、交互与安全检查 33/33 通过

浏览器测试覆盖桌面与手机布局、风险筛选、行程切换、证据展开、数据加载失败和脚本注入防护。

浏览器检查运行了真实 HTML/JavaScript，并在测试中模拟 JSON Fetch 响应；由于执行环境限制，不将其等同于已完成线上部署端到端测试。

相关记录保存在源码仓库的 evidence/、tests/ 和 screenshots/ 目录中。

项目链接与复现方式

GitHub 源码仓库

https://github.com/wuhanwoaini521/biebai-travel-auditor

在线演示

https://wuhanwoaini521.github.io/biebai-travel-auditor/demo_offline.html

在线地址依赖 GitHub Pages 发布状态。也可以从源码仓库下载 demo_offline.html 后直接在浏览器打开。

演示页面使用封存的宁波案例，不需要百炼 API Key，也不会发起新的付费模型调用。

本地复现

下载或克隆源码仓库后，在项目目录执行：

python validator.py report.json --output validation.json
python validator.py --test
python -m unittest discover -s tests -p test_validator.py -v
python -m http.server 8765

浏览器打开：

http://localhost:8765/report.html

可以筛选风险、切换行程、查看修订前后差异及核验依据。

不希望安装 Python 的体验者可以直接打开 demo_offline.html。

已知限制
  • 2026 年 11 月 15 日的火车班次在原查询时间尚未进入常规预售期，属于参考信息，不保证实际车次、票价及库存。
  • 小普陀返回宁波站的约 65 分钟属于估算，实际接驳及候车时间尚未确认。
  • 部分门票价格、公交发车间隔和打车等候时间需要进一步核实。
  • 当前规则校验器验证数据内部一致性和已定义的约束，不保证所有外部旅行事实均正确。
  • 尚未实现完全自动的百炼实时查询与报告生成工作流。

踩坑记录（可选）

开发过程中发现了几类典型的 AI 旅行规划问题：

  1. 日期计算错误： 曾将尚未进入预售期的火车票误判为已经开售。
  2. 车次时间倒序： 曾在错过 11:22 的车次后，错误推荐 10:34 的更早车次。
  3. 交通时间遗漏： 曾忽略地铁站到景区之间的公交接驳。
  4. 用户约束丢失： 曾将用户「下午抵达」擅自改为「上午抵达」。
  5. 时间轴与报告不一致： 曾出现跨天分组、时间重叠和返程时间不一致。
  6. 证据过度解读： 曾将参考班次和估算耗时直接描述为已核实可行。

针对这些问题，项目引入结构化时间字段、Python 确定性校验、反向测试和证据分级。

我们希望验证一个简单但重要的思路：

AI 不仅需要告诉用户「可以怎么玩」，还应该告诉用户「为什么这样安排、有哪些风险，以及哪些事情它还不能确认」。

别白跑 · 让每一份攻略，都真正走得通。

Ngôn ngữ chính
HTML
Star
11
Fork
3
Không có pull request nào được merge trong 30 ngày

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của modelstudioai/modelstudioai.github.io

Tất cả issue của modelstudioai/modelstudioai.github.io

Issue tương tự

Thêm issue về AI Infra & Agents

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.