Hacktoberfest 2026：维护者为十月标记出来的 issue，仍然开放、适合新手。 浏览 Hacktoberfest issue

【2026飞猪AI旅行创新大赛】

未关闭
  • 哪里不对？
#172 0 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看

还没有人认领这个 Issue。

评估

难度
5/5
预计耗时
一周以上
新手友好度
20/100
Issue 类型
功能
描述清晰度
基本清楚
活跃度
活跃
技术栈
node.js, python
领域
ai, documentation

调研方向

This is a complete AI travel-planning project submission rather than a scoped change request. For context, read src/cli.py, demo-interactive/server.js, prompts/system_prompt.md, and agent/agent-config.md; run the local reproduction command with a configured FLYAI_API_KEY and compare its output with demo/sample_output.md. No specific code change or completion criterion is requested in the issue.

由索引模型根据 Issue 内容生成。

描述

2026飞猪AI旅行创新大赛 showcase

参赛项目名称

游纪 · AI 旅行内容官（TravelContent AI）

团队 / 作者

sin0317（刘峻豪，个人参赛）

旅行场景与目标用户

  • 旅行场景：目的地行程规划 + 旅行内容创作。用户输入「目的地 + 天数」（如「开封 2 日游」），应用调用飞猪实时真实数据（景点 / 门票 / 酒店 / 机票），生成结构化行程，并进一步产出一条可直接用于抖音 / B站 / 小红书的旅行攻略口播脚本。
  • 目标用户：① 文旅 / 古城出游人群（默认以历史古迹等类别切入，适配开封、西安、杭州等文旅城市）；② 旅行短视频创作者，需要"真实数据 + 可拍脚本"的一键素材。

我做了什么

  1. 真实数据底座：所有行程与价格来自飞猪 Fliggy MCP 实时返回，绝不臆造；支持 search-poi / search-hotel / search-flight / keyword-search 四类查询。
  2. 脚本优先 + 资源对齐（差异化亮点）：输出结构改为「短视频口播脚本 → 脚本中提到的景点 / 酒店 → 补充景点 / 酒店」。脚本 richer（约 60–90 秒，含开场钩子、每日上午/下午分镜、转场、住哪儿、结尾 CTA），并把脚本中真实用到的资源优先展示，贴合短视频创作者"先看脚本、再对资源"的工作流。
  3. 双形态交付：① 阿里云百炼 Managed Agent（系统提示词驱动，开箱即用）；② 本地可跑的 Python 工程（纯标准库，零模型依赖，便于评审一键复现）。
  4. 文旅契合：默认以历史古迹等类别切入，呼应古城 / 文旅城市，已用「开封 2 日游」跑通真实样例（见 demo/sample_output.md）。

百炼使用说明（必填）

本作品以阿里云百炼 Managed Agent 作为运行载体：在百炼智能体中安装飞猪 Skill，由百炼大模型完成「真实数据编排 + 短视频脚本生成」。仓库内另含一套可本地复现的 Python 工程（不依赖百炼也能跑通），作为评审一键复现的兜底路径。

  • 百炼能力 / 模型：百炼 Managed Agent（托管智能体）+ 通义系列大模型（百炼默认配置，可在控制台切换 qwen-max / qwen-plus 等）
  • 调用方式（百炼 API / DashScope SDK / 百炼 CLI bl / OpenWork）：百炼 Managed Agent 控制台部署；系统提示词见仓库 prompts/system_prompt.md，部署步骤见 agent/agent-config.md
  • 使用环节与输入输出：输入 = 用户自然语言（如「开封 2 日游，给我真实景点和酒店，再写一条抖音口播脚本」）→ 百炼智能体调用飞猪 Skill 拉取真实景点 / 酒店 / 机票 → 百炼大模型编排成结构化行程 + 短视频口播脚本 → 输出 = Markdown 行程卡（含图片 / 预订链接）+ 口播脚本
  • Skill 名称（如有）：alibaba-flyai/flyai-skill（飞猪 Skill，提供 hotel / flight / poi / keyword 搜索能力）
  • 其他工具 / 技术栈：@fly-ai/flyai-cli（Fliggy MCP 本地调用）、Python 3 本地复现工程（src/，纯标准库）

效果展示

  • 在线交互 Demo（公网可访问，输入任意城市实时生成）：https://travelcontent-ai.app.workbuddy.host/ —— 在页面输入目的地 + 天数（可选类别），实时调用飞猪数据生成「景点 + 酒店真实价格 + 短视频口播脚本」。已验证 开封 / 西安 / 杭州 等均返回飞猪实时真实数据。
  • 后端为 Node 服务（demo-interactive/）：server.js 调 @fly-ai/flyai-cli 取真实数据，FLYAI_API_KEY 仅在服务端、不暴露给前端。
  • 百炼运行截图：
Image Image
  • 真实数据示例（本地工程产出）：见仓库 demo/sample_output.md —— 开封 2 日游，先生成短视频口播脚本，再列出脚本中提到的 4 个真实景点（地址 + 购票链接）、2 家脚本酒店，最后给出补充酒店 8 家（均含真实价格）。

项目链接与复现方式

  • 在线交互 Demo（公网，可输入任意城市实时生成）：https://travelcontent-ai.app.workbuddy.host/
  • GitHub 仓库：https://github.com/sin0317/travelcontent-ai
  • 本地复现步骤：
    1. git clone https://github.com/sin0317/travelcontent-ai.git && cd travelcontent-ai
    2. npm i @fly-ai/flyai-cli（飞猪 Skill 本地 CLI）
    3. cp .env.example .env 并填入 FLYAI_API_KEY（申请：https://flyai.open.fliggy.com/）
    4. python src/cli.py 开封 --days 2 --category 历史古迹 --out demo/out.md 生成行程 + 脚本
  • 百炼复现步骤：见 agent/agent-config.md（装 flyai-skill → 贴 prompts/system_prompt.md → 配 FLYAI_API_KEY → 对话验证）。
  • 注意：仓库已通过 .gitignore 排除 .env，不提交任何 API Key / 敏感信息。

踩坑记录（可选）

  1. 飞猪 CLI 安装：@fly-ai/flyai-cli 需 Node 18+，局部安装即可；trial 模式无需 Key 可拉到少量脱敏数据，配 FLYAI_API_KEY 后价格完整、数据更全。
  2. 密钥安全：FLYAI_API_KEY 仅存本地 .env，已被 .gitignore 忽略，确认未进入 GitHub 仓库（仓库仅含 .env.example 模板）。
  3. 推送 GitHub 走代理卡死：本机 http_proxy 会让 git push 卡住，使用 env HTTPS_PROXY= HTTP_PROXY= NO_PROXY=140.82.112.3,github.com git push 绕过直连成功。
主要语言
HTML
星标
11
派生
3
30 天内没有已合并 PR

环境准备

这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。

从这里开始

  1. 先读完整个 Issue，再读项目的贡献指南。
  2. 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
  3. Fork 仓库，在一个分支上完成修改。
  4. 提交 Pull Request，并在描述里引用这个 Issue 编号。

modelstudioai/modelstudioai.github.io 的其他 Issue

查看 modelstudioai/modelstudioai.github.io 的全部 Issue

相似的 Issue

更多 AI Infra & Agents Issue

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。