【2026飞猪AI旅行创新大赛】

This issue is a Chinese language competition entry describing a travel Agent prototype and its current capabilities; it does not request a specific change to this repository. Read the linked project materials and the repository contribution guidance to identify whether any concrete follow-up work exists. Done would require a clearly scoped change with an observable result, which this issue does not define.

参赛项目名称

沿途｜计划之外，也有人搭把手。

沿途是你的行中旅行伙伴：结合行程、同行人、时间地点和现场变化，帮你发现值得的体验、选择符合预算的餐馆，在遇到困难时找到可靠资料和求助方式，让下一步更清楚。

团队 / 作者与奖品领取人

• 团队名称：lvmate
• 主要提交人 GitHub ID（仅 1 位，必填）：timetellu

旅行场景与目标用户

面向自由行、自驾和多人结伴旅行用户，尤其是已经做过攻略、到了现场仍需要不断做决定的人。

这个想法来自真实的旅行经历。青甘大环线五个人、十一天，出发前已经排好了每天的路线、景点和住宿，真正上路后仍遇到许多计划覆盖不到的情况；城市返程前，也会有带着行李、受航班时间约束的临时安排需求：

真实经历	用户真正需要解决的问题
刚到西宁，临时想出去看夜景，后来发现了浦宁之珠	今晚有限的时间里，什么体验值得去，能否少走路、早点回来？
早起去青海湖看日出，遇到阴天和云层，没有看到预期景色	要不要早起？到了现场还要不要等？怎样衔接后面的行程？
从黑独山下来，在冷湖美食城连看几家都觉得贵，最后在周边找到合适的店	五个人想吃好、控制预算，怎样减少反复找店的折腾？
德令哈琉璃湖附近自驾爆胎，山区没有信号，又不熟悉租来的 GL8	出发前该准备什么？遇到问题时，怎样获得匹配车辆的资料和人工帮助？
在成都春熙路吃饭，预计13:00吃完，18:30从双流机场T1乘机，还带着行李箱	下午还能去哪里转转？行李如何安置、步行是否方便，以及几点结束游玩去机场，才能留足值机和安检时间？

沿途围绕这些现场决策展开，也将偏好、当地时间和境外准备纳入设计，例如酒店需求、乘车耐受、活动强度，以及入境、通信和用电信息。

我做了什么

我在阿里云百炼 Managed Agents 上搭建了一个对话式旅行 Agent，接入搜索、地图 POI、路线和天气等工具，配套五个旅行 Skill，并通过真实 API 多轮对话检验建议能否落到行动。当前配置为 v18，模型 GLM-5.3。

核心设计是一条连续的服务路径：理解旅程 → 探索不同体验 → 按条件筛选 → 核实关键事实 → 提供可执行的下一步。

1. 理解“这趟旅行”和“现在的你”

复用对话里已经确认的人数、住宿、交通、预算和后续安排，按任务自然了解偏好。酒店是否安静、能接受多久车程、愿不愿意爬坡和早起，都会影响建议；用户临时说累了、吃过饭或预算变了，也应随之调整。

偏好管理区分“本人长期偏好”“本次团队条件”和“当前临时状态”，保留适用成员、来源和有效期。例如父母不适合连续步行，不等于年轻人也不能多走；今天累了，也不应永久覆盖用户平时喜欢徒步的偏好。配套程序支持读取、更正和按范围遗忘，长期保存仍需宿主提供可信身份、授权存储和真实写回。

2. 先发现体验，再做选择

面对“今晚去哪儿”，先探索观景、人文建筑、本地街区、活动等不同方向，再按完整时间成本、步行、费用、天气与开放条件筛选。“少走路、明天早起”作为约束参与比较，避免搜索一开始就只剩夜市或商圈。

3. 把推荐接到实际行动上

推荐景点时查找官方购票或预约入口，推荐地点时提供准确导航入口，涉及境外政策时提供官方正文链接。能自行查清的信息尽量在当前对话内完成，不把“建议去官网查”作为最终交付；暂时查不到的内容明确保留未知。用户需要的交付包括怎么去、怎么买、需要注意什么，减少拿到推荐后继续逐项追问。

4. 接住现场变化

餐馆太贵、排队太久、天气影响观景或临时缩短时间时，保留其他有效条件，重新比较。餐饮按实际菜单、数量和附加费计算，避免把历史人均消费当作当前报价。

5. 主动做有用的准备提示

在当前交互中，结合行程提前提示相关准备：例如进入弱网路段前保存必要资料、确认租车行联系方式；境外出发前核查适用的入境政策、当地时差、通信与用电条件。安全提示结合具体地点、时段和实际行为，不用笼统的国家印象代替核查。主动服务围绕用户当下能采取的行动展开，已有提示没有变化时避免重复打扰。

6. 用技能和程序承担具体工作

Skill	负责的工作
yantu-discover	探索不同体验，比较候选及其时间、交通、费用和开放条件
yantu-budget	按实际菜品、数量和附加费核算，生成账单明细
yantu-trip-brief	将已确认资料整理为行程、出发准备单或弱网前资料卡
yantu-verify	辅助检查金额、时间、证据适用性及动作状态，提示缺失和冲突
yantu-profile	管理个人偏好、团队条件、临时状态及更正、遗忘

五个技能均已挂载云端。金额核算和偏好处理有可执行程序；核验程序是辅助检查，不能凭脚本通过就认定资料真实，也不能保证模型每次都遵守检查结果。信息密集时可用对比表、账单或准备单展示；图片和视频使用实际取得、与场景相关的来源及链接。

与普通旅行问答相比，沿途把回答的终点设为：结合我现在的情况，下一步该怎么做，依据是什么，从哪里开始。

当前作品为对话式原型。已实现偏好处理程序并挂载技能，但跨会话存储与复用尚未完成端到端验证；精确设备定位、后台自动推送和真正断网后的服务也未作为已实现能力展示。生成准备单不等于已经下载到游客手机。车辆操作不能仅凭“GL8”车型名称给出确定步骤，需要匹配年款、配置、现场条件与可靠资料；条件不足时优先衔接租车行或道路救援。

百炼使用说明（必填）

• 百炼能力 / 模型：阿里云百炼 Managed Agents，当前 Agent 配置为 v18 / glm-5.3（GLM-5.3），配置读取日期为2026年10月20日。官方模型配置说明
• 调用方式：百炼控制台交互，以及自行编写的 Python 客户端调用 Managed Agents REST API 与 SSE 事件流。客户端创建独立会话、发送游客消息并采集实际回答、工具调用和执行结果。另已通过 Qwen Code 接入 Token Plan 模型，完成本地交互式运行验证。
• 使用环节与输入输出：百炼位于运行时链路，承载 Agent 会话、模型推理和工具执行。输入包括用户自然语言、已确认的旅程信息，以及搜索、地图和天气工具返回；输出为候选比较、推荐安排、费用明细、准备清单与行动链接。官方控制台运行说明
• Skill 名称：yantu-discover、yantu-budget、yantu-trip-brief、yantu-verify、yantu-profile，当前均挂载1.0版本。
• 其他工具 / 技术栈：联网搜索增强版、网页读取、垂类搜索、高德地图 MCP 的 POI 搜索、地点详情、路线和天气查询；Python 标准库实现的账单、资料整理、辅助核验与偏好处理程序；JSON/JSONL 留痕及 HTML/Markdown 展示。按实际任务使用相关工具，挂载不等于每轮全部调用。

百炼位于作品的实际运行链路。当前参赛主路径为托管版 Agent；另已调通基于 Qwen Code 的 Token Plan 本地交互版，复用v18完整提示词和五个技能，模型同为GLM-5.3，已验证真实生成、账单脚本执行和搜索MCP调用。该接入供兼容Agent工具内交互使用，不作为应用后台或批量服务；地图及其他原MCP尚未完成本地迁移验收。套餐模型与搜索工具独立核算，原云端托管Agent未改为套餐模型入口。

效果展示

以下为西宁夜游早期测试中的实际工具调用截图：Agent 发起地点搜索、查询西宁站的地图位置，并查询候选地点的驾车路线。截图展示真实调用过程，不作为当前v18完整效果或手机实时定位的证明。

[沿途实际运行：西宁夜游中的 POI 搜索与路线规划]

![沿途实际工具配置]

演示围绕真实经历展开，重点展示以下过程：

演示片段	观察重点
西宁临时夜游	是否探索不同体验，并按住宿位置、可用时间和体力筛选，而非直接给出固定地点清单
青海湖日出决策	是否区分预报、现场观测和推断，并尊重“看不到就宁愿多睡”的偏好
冷湖餐饮与菜单计算	是否保留五人和预算条件，计入新增费用，并提供清楚的最终账单
琉璃湖弱网出发准备	是否提前整理资料和联系人，并明确车辆资料、下载状态及离线能力的边界

其中，菜单计算测试使用演示价格：烤鱼 168 元、番茄炒蛋两份共 56 元、青菜 22 元、米饭 15 元，合计 261 元；补充 30 元锅底费后为 291 元，减少一份 28 元的番茄炒蛋后为 263 元。此片段仅展示费用计算，不代表真实商家报价，也不据此保证五个人的分量足够。

本地交互版另完成两项接入验证：实际执行yantu-budget原账单脚本，生成合计263元、预算差额17元的明细；通过EnhancedSearch实际发起搜索并取得返回。已保存实际对话、模型及工具调用记录和账单产物。接入成功仅证明这两条执行链路可用，不代表全部旅行事实已核实或8场评测已通过。

此外，已构建8个典型多轮场景，覆盖西宁夜游、青海湖日出、冷湖餐饮、带父母游杭州、弱网出发准备、山路爆胎、巴西行前准备和抵达里约后的主动服务。判据同时检查条件是否保留、来源是否适用、费用与时间是否一致、入口是否可执行，以及是否虚报完成状态。

已通过真实API完成过8场25轮基线采集，并保留后续定向测试的实际对话、工具事件、配置快照、逐轮输入输出和文件校验记录。历史测试暴露的问题用于完善当前设计；当前v18尚未完成全量回归，不提供未经验证的当前版本通过率。偏好处理程序的34项本地测试通过，只证明该程序的本地规则，不代表百炼跨会话记忆或旅行场景整体通过。

真实旅行经历用于说明问题来源；Agent 的效果以实际对话和工具返回展示，不将旅途中他人的帮助记作 Agent 完成的动作。

项目链接与复现方式

• 百炼控制台项目：沿途 Agent · v18。这是控制台配置入口，需要登录及对应工作空间权限，尚未验证为公开免登录体验链接。
• 当前完整提示词：沿途系统提示词。内容对应云端v18。
• 当前锁定的五个Skill包：体验发现、菜单预算、资料准备、辅助核验、偏好管理。对应当前云端挂载版本。
• 多轮体验脚本：8场景游客话术。

上述本地文件为当前版本的打包源材料，不是公开下载地址。早期公开的提示词与复现压缩包不作为v18复现依据；公开截图仅用于展示已发生的实际运行过程。

体验时可依次输入：

我们五个人刚到西宁，今晚想出去看看，明天还要早起，不想走太多路。

我们今晚住黑马河，本来打算明早看日出。要是看不到，我宁愿多睡一会儿，后面还得赶路。

我们五个人刚从黑独山下来，现在在冷湖找晚饭，想吃米饭和炒菜，总共三百以内，不想再一家家绕了。

我们五个人准备从德令哈自驾去琉璃湖附近，租的 GL8，听说途中有些地方没信号。出发前你能帮我准备什么？

每段不同旅行场景可以新开会话，并自然补充住宿位置、日期、实际菜单或时间变化。天气、营业、价格和政策会变化，体验时应重新查询，不要求复现固定的推荐地点或数字。

自行配置时，在百炼 Managed Agents 中新建智能体，选择 glm-5.3，填入当前完整系统提示词；上传上述五个Skill包，扫描通过后挂载对应版本，连接搜索、地图与天气服务。准备可用运行环境后新建会话，逐轮输入游客话术即可体验。仅上传Skill不等于已配置长期记忆；跨会话偏好还需要可信用户身份、存储读写权限和独立验证。修改Agent配置后需要新建会话，已有会话保持创建时的配置快照。官方会话说明

复现者需自行开通百炼和相关 MCP 服务，配置个人账号下的合法访问凭证。材料不包含 API Key、密码或作者的工作空间访问权限。

踩坑记录（可选）

• 地图查到地点，并不等于体验已经可执行：停车、步行、停止入场、返程和休息时间都可能影响选择。
• 日级天气不能直接说明某个观景点清晨的能见度；历史帖子、搜索摘要和当前事实需要区分。
• “建议提前买票”还没有解决用户的问题，查清对应官方入口和票种，才能减少后续操作。
• 提示词可以约束服务方式，但不能凭空增加定位、通知、存储或离线能力，相关功能需要工具接入与实际验证。
• 技能程序通过检查，不代表上游资料真实或最终回答可靠；评测需要同时查看真实工具返回、程序输出和游客最终看到的建议。
• 偏好不能只存成一张标签表：同行人的限制、临时疲劳和长期兴趣需要分开处理，更正和遗忘也要保留明确作用范围。