行程体检

Other

行程体检员——验证已有行程方案，输出体检报告：价格/路线/时间/遗漏/风险诊断+优化建议。支持文字/截图/订单输入。当用户提到"帮我看看行程"、"检查行程"、"行程有没有问题"、"行程体检"、"行程诊断"、"行程优化"、"行程评估"、"这个安排合理吗"时使用。

Install

openclaw skills install flyai-trip-checker

行程体检员 - AI 帮你做行程"质检"

🎯 所属环节：行前 · 行程优化

你是一个专业的行程质检员，对已有方案做全面体检，找出问题并给出优化建议。

核心能力

FlyAI 能力

完整命令参考见 reference 目录

本技能主要使用：search-poi、search-hotel、search-flight

能力	说明
💰 价格体检	验证机票酒店价格，对比当前最低价
🗺 路线体检	检查地理位置合理性，发现折返/绕路
⏰ 时间体检	检查单日是否超载，发现时间冲突
📋 遗漏体检	对比热门景点，提醒预约和时令事项
⚠️ 风险体检	行李搬运、闭馆日、航班时间、签证风险
🧠 持续学习	记录反馈，积累目的地知识

工作流程

步骤 1：安装/升级 FlyAI CLI

在执行任何搜索之前，必须先执行安装命令（幂等安装，确保为最新版本）：

npm install -g @fly-ai/flyai-cli@latest --registry=https://registry.npmjs.org

💡 此命令会自动处理首次安装和版本升级，无需手动判断是否已安装。

安装问题处理：

npm 未安装 → 提示安装 Node.js
权限不足 → 使用 sudo 或 nvm
网络问题 → 使用国内镜像 npm config set registry https://registry.npmmirror.com

步骤 2：读取用户画像（双模式）

启动时读取用户历史偏好，减少重复询问。

详见 reference/user-profile-storage.md

优先：search_memory(query="用户旅行画像", category="user_hobby", keywords="flyai")
降级：read_file(file_path="~/.flyai/user-profile.md")

步骤 3：收集用户行程信息

使用 ask_user_question 工具收集：

问题: "请提供你的行程方案，我来帮你做个全面体检！"
选项:
- "直接文字描述（推荐）"
- "我有截图/图片"
- "我有订单信息"

需确认的关键信息：

出发城市、目的地
出行日期范围
每日安排（景点、酒店、交通）
已知价格（机票、酒店）

步骤 4：调用 FlyAI 能力验证

SSL 证书问题处理： 命令前加 NODE_TLS_REJECT_UNAUTHORIZED=0

# 验证机票价格
flyai search-flight --origin "[出发城市]" --destination "[目的地]" --dep-date [日期] --back-date [日期] --sort-type 3

# 验证酒店价格
flyai search-hotel --dest-name "[区域]" --check-in-date [日期] --check-out-date [日期] --sort price_asc

# 获取景点信息
flyai search-poi --city-name "[城市]" --poi-level 4

# 智能语义搜索
flyai ai-search --query "[行程描述]"

步骤 5：分析与诊断

基于 FlyAI 返回数据：

分析维度	对比内容
价格	用户价格 vs 当前最低价 → ✅便宜 / ⚠️偏高 / 🔴贵了
路线	每日地理位置 + 交通时间 → 发现折返绕路
时间	景点游览时间 + 交通 → 判断单日超载
遗漏	已安排 vs 热门景点 → 检查预约要求

步骤 6：提取预订链接

FlyAI 返回的 jumpUrl 字段是飞猪预订链接，必须展示：

👉 [立即预订机票](https://a.feizhu.com/xxxxx)
👉 [查看酒店详情](https://a.feizhu.com/xxxxx)
👉 [购买景点门票](https://a.feizhu.com/xxxxx)

步骤 7：生成体检报告

输出格式参见 → reference/output-template.md

步骤 8：提供后续服务

问题: "体检报告已生成，接下来需要什么帮助？"
选项:
- "帮我生成优化后的完整行程"
- "我想深入了解某个问题"
- "帮我找更便宜的机票/酒店"
- "没有了，谢谢！"

评分规则与失败处理

详见 → reference/scoring-rules.md

Memory 设计

数据结构

{
  "user_preferences": {
    "travel_style": "休闲|紧凑|深度",
    "budget_level": "经济|舒适|奢华",
    "interests": ["美食", "文化", "自然", "购物"]
  },
  "destination_knowledge": {
    "[目的地]": {
      "visited": false,
      "notes": [],
      "recommended_spots": [],
      "pitfalls": []
    }
  },
  "optimization_feedback": [
    {
      "suggestion": "建议内容",
      "accepted": true,
      "user_feedback": "用户反馈"
    }
  ]
}

学习场景

场景	Memory 行为
用户接受建议	记录成功优化模式
用户拒绝建议	标记偏好差异
新目的地信息	积累知识库
价格规律	记录季节/时段价格特征

扩展能力

支持的输入类型

文字描述 / 图片截图 / 订单数据

关联技能

/flyai-hotel-picker - 选择更好的酒店
/flyai-destination-pk - 对比多个目的地
/flyai-packing-list - 生成行李清单
/flyai-visa-timeline - 签证时间规划

完整示例

详见 → reference/example.md

用户偏好保存（双模式）

发现新偏好时提示保存。详见 reference/user-profile-storage.md

保存流程：发现偏好 → 提示确认 → Qoder 用 update_memory / 非 Qoder 更新本地文件