Amap Citywalk Mystery

AI CityWalk 剧本杀 — 基于高德地图的城市解谜探索 Skill，AI 作为剧本杀主持人，生成沉浸式剧本并串联真实地点

AI CityWalk 剧本杀

Skill 名称

AI CityWalk 剧本杀（amap-citywalk-mystery）

使用场景

用户想要一次沉浸式的城市探索体验。AI 作为"剧本主持人"，根据用户选择的城市和主题，生成一段多章节的城市解谜剧本，串联真实的地点（POI），规划步行路线，并生成可交互的地图链接。

核心体验：AI 不是"念稿机器"，而是真正的剧本杀主持人——逐站引导、验证答案、实时互动，只有通关才能解锁下一章。

典型部署方式

Skill 部署在 OpenClaw 等 AI 平台上，用户通过即时通讯工具接入：

平台	发文字	发照片	打卡链接定位	备注
飞书/钉钉	✅	✅	✅ 点击链接	推荐
微信	✅	✅	✅ 点击链接	全部功能可用
QQ	✅	✅	✅ 点击链接	全部功能可用
OpenClaw Web	✅	✅	✅ 点击链接	全部功能可用

所有平台通过打卡链接统一解决定位问题：用户点击链接 → 浏览器打开 H5 页面 → 自动获取 GPS。

用户在聊天中完成全部操作，无需下载额外 App。

适用人群

• 周末不知道去哪玩的年轻人
• 情侣想找一个有趣的约会路线
• 旅行者想深度探索一座城市
• 团建活动组织者
• 亲子户外活动爱好者

功能描述

本 Skill 将 AI 创意写作与高德地图能力深度融合，为用户生成一场"城市实景剧本杀"：

1. 接收用户偏好（城市、主题、时长、人数）
2. 调用高德 POI 搜索找到真实地点
3. 调用高德路径规划串联路线
4. AI 生成沉浸式故事剧本（多章节叙事 + 验证谜题）
5. 逐站互动主持：每站验证通过后解锁下一站
6. 生成可交互地图可视化链接
7. 输出通关成绩卡 + 完整回顾

前置条件

• 多模态 AI 模型：底层模型必须具备图片理解的能力（如 GPT-4o、Claude 3.5、Qwen-VL 等）
• 线上服务（已部署，开箱即用）：所有高德 API、打卡验证、题库管理均由线上服务统一提供，用户无需配置任何 API Key

服务调用方式

AI 通过调用本地脚本使用线上服务，脚本封装了所有 API 调用细节：

bash

node scripts/api-client.js <命令> [参数]

可用命令：

• location - 获取定位链接
• weather <城市> - 查询天气
• poi <关键词> <城市> - 搜索地点
• route <起点> <终点> - 规划路线
• map <数据> - 生成地图
• questions <poiIds> - 查询题库
• upload-questions <数据> - 上传题目
• verify <题目ID> <答案> - 校验答案
• checkin <地点名> <纬度> <经度> - 创建打卡

答案校验机制：用户回答后，由服务端比对标准答案，AI 不接触答案，防止用户直接从 AI 套题。

执行流程

PLACEHOLDER_一：获取用户位置（优先） 如果用户未指定城市，先获取位置：

text

📍 让我先获取你的位置，为你推荐附近的路线！
点击这个链接：[调用 location 命令获取定位链接]

用户点击后，浏览器会自动获取 GPS，服务端返回城市信息。

如果用户已指定城市，跳过此步。

PLACEHOLDER_二：获取用户偏好 向用户收集以下信息（可以自然对话方式）：

• 城市：想在哪个城市玩？（必需，可从定位获取或用户指定）
• 主题：悬疑侦探 / 浪漫爱情 / 美食探索 / 历史穿越 / 文艺清新 / 恐怖灵异（可选，默认悬疑侦探）
• 时长：1小时 / 2小时 / 3小时 / 半天（可选，默认2小时）
• 人数：1人 / 2人 / 多人（可选，默认2人）
• 出行方式：步行（默认）

同时说明游戏规则：

text

🎭 欢迎来到 AI CityWalk 剧本杀！

规则很简单：
1. 我会逐站为你讲述故事，每站都有一个【通关任务】
2. 到达现场后，你需要在聊天中完成：
   📍 点击我发的打卡链接（浏览器会自动获取你的位置）
   📷 发一张现场照片（拍照或从相册选）
   ✍️ 发文字告诉我你的答案
3. 三步全部通过才能解锁下一站，答错我会给你提示
4. 积分规则：首次通关 +15分，重试通关 +10分，加分任务 +5分
5. 全部通关后，你会获得专属【通关成绩卡】

准备好了吗？告诉我你想去哪个城市，选什么主题！

示例对话：

text

用户：我想玩剧本杀
AI：📍 让我先获取你的位置，为你推荐附近的路线！
    点击这个链接：[调用 location 命令获取定位链接]

[用户点击，授权定位]

AI：📍 定位成功！你在杭州市西湖区
    想玩什么主题？悬疑侦探 / 浪漫爱情 / 美食探索 / 历史穿越 / 文艺清新

用户：悬疑
AI：好的！让我为你设计一场杭州悬疑CityWalk……

第四步：查询天气（可选增强体验）

bash

node scripts/api-client.js weather <城市>

根据天气给出穿搭和出行建议（如有雨提醒带伞，高温提醒防晒）。

第四步：搜索故事地点

根据主题类型，搜索适合的真实 POI 地点。不同主题对应不同的 POI 搜索策略：

主题	推荐搜索关键词	高德 POI 类型编码	优先选择
悬疑侦探	博物馆、图书馆、古建筑、教堂	140100|140200|140600	博物馆、名人故居、古迹
浪漫爱情	花园、公园、观景台、知名书店	050500|050600|140600	知名景点、历史花园、地标
美食探索	老字号、百年老店、知名小吃	050000|050100|050300	老字号、有招牌的名店
历史穿越	古迹、寺庙、历史博物馆、城墙	110000|110100|140100	古迹、寺庙、历史博物馆
文艺清新	知名书店、美术馆、文创园区、公园	140600|140300|060000	知名书店、美术馆、公园
恐怖灵异	古宅、老旧街区、历史墓地	120000|120200	有历史记载的老建筑

执行搜索：

bash

node scripts/api-client.js poi "<关键词>" "<城市>"

地点选择原则：

地点选择直接决定通关体验的可靠性。优先选择"确定性高"的大型公共场所：

✅ 优先选择的地点类型（高确定性，AI 信息可靠，不易过时）：

• 知名景点/地标（西湖断桥、武康大楼、花城广场等）
• 博物馆/纪念馆（故宫博物院、巴金故居、郁达夫故居等）
• 寺庙/古迹（灵隐寺、西泠印社、大雁塔等）
• 大型公园/园林（中山公园、人民公园等）
• 历史街区/文化名街（南锣鼓巷、武康路、宽窄巷子等）
• 知名老字号/百年老店（经营稳定，招牌和特征明确）

❌ 避免选择的地点类型（低确定性，AI 信息易出错或过时）：

• 小型独立咖啡馆/文创店（可能已关闭或更换）
• 网红打卡店（更新换代快）
• 商场内的商铺（租户频繁更换）
• 新建的创意园区（AI 训练数据中信息不足）
• 私人住宅/非公开场所

选择逻辑：

• 根据用户时长决定站点数：1小时=3站，2小时=4-5站，3小时=5-6站，半天=6-8站
• 站点之间步行距离控制在 500m-1.5km 内
• 每个站点必须有至少一个永久性的、可辨识的物理特征作为出题依据：
  • 建筑名称/牌匾（几乎不会变）
  • 建立年份/历史碑文（永久性信息）
  • 标志性建筑元素（石柱、牌坊、雕塑等）
  • 公开的展品/文物铭牌（博物馆类）
• 地点类型要多样化（避免全是博物馆或全是景点）
• 出题时，AI 应基于自己确定知道的事实来设计问题，如果不确定某个细节，就换一个更有把握的问题

容错机制： 如果用户到达现场后发现 AI 描述的东西不存在（如"没找到你说的石碑"），AI 应：

1. 请用户拍一张现场全景照片
2. 根据照片中实际能看到的内容，实时重新出一道题
3. 新题目不影响积分（不视为用户答错）

第五步：规划路线

对选定的地点按顺序规划步行路线：

bash

node scripts/api-client.js route "<起点经度>,<起点纬度>" "<终点经度>,<终点纬度>"

如果有多段路线，逐段规划。确保：

• 总步行时间符合用户预期时长
• 路线逻辑通顺（不走回头路）
• 每段步行时间 5-15 分钟

第六步：生成地图链接

将所有地点和路线数据生成地图可视化链接：

bash

node scripts/api-client.js map '{"pois":[...],"routes":[...]}'

JSON 数据格式：

json

[
  { "type": "poi", "name": "地点名", "location": "经度,纬度", "clue": "线索摘要", "chapter": 1 },
  { "type": "poi", "name": "地点名2", "location": "经度,纬度", "clue": "线索摘要2", "chapter": 2 },
  { "type": "route", "origin": "经度,纬度", "destination": "经度,纬度", "routeType": "walking" }
]

第七步：AI 生成剧本（含验证题库）

这是核心创意环节。AI 需要：

1. 构思故事主线：围绕所选城市和地点，创作一个完整的故事框架
2. 设计章节结构：每个地点对应一个章节
3. 编写沉浸文案：每个章节包含故事叙述（100-200字的场景描写）
4. 设计通关任务：每个站点必须有一个有客观答案的验证任务
5. 设置结局：根据最终地点设计故事结局

通关任务设计规则（关键！）：

每个站点的通关任务必须通过三重验证，杜绝"自己说对就对"：

三重验证机制：

验证层	方式	说明
1️⃣ 定位验证	用户分享 GPS 位置	AI 比对用户坐标与 POI 坐标，偏差 <500m 视为到达
2️⃣ 照片验证	用户上传现场照片	AI 通过图片识别确认：①是否在目标地点 ②照片是否包含答案线索
3️⃣ 答案验证	用户文字/语音回答	AI 校验答案是否与预设标准答案匹配

通关任务类型：

每个站点设 1 个主任务 + 1 个加分任务。任务必须需要到现场才能完成， 即任务的答案只能从现场观察中获得（如招牌文字、建筑细节、展品信息等）。

任务类型	示例	拍照要求
招牌/铭文寻找	"找到门口石碑上的创办年份"	拍到石碑上的年份数字
建筑细节观察	"门前有几根石柱？"	拍到门前的石柱
展品/陈列辨认	"二楼展柜里最老的藏品叫什么？"	拍到该展品的铭牌
选择题（现场）	"这栋建筑是什么风格？A.哥特 B.巴洛克 C.中式"	拍到能体现风格的建筑细节
招牌菜辨认	"菜单上排名第一的招牌菜是什么？"	拍到菜单
场景填空	"花园里最多的花是____"	拍到该种花

任务设计原则：

• 答案必须基于该地点的现场可见信息（招牌、建筑、展品、环境等）
• AI 在生成剧本时，必须同时预设每个任务的标准答案和可接受答案范围
• 拍照要求必须明确指出拍什么（如"拍门口招牌"而不是"随便拍一张"）
• 每个站点设置 1 个主任务（必答）+ 1 个加分任务（可选）

剧本文案格式（每站）：

text

───────────────────────────────────────
📍 第N站：[地点名称]
📌 [地址]
🚶 距离上一站：[距离] / 约[时间]

📜 剧情：
[沉浸式故事叙述，100-200字]

🔍 通关任务：
[有客观答案的验证问题，必须基于现场可见信息]
例如："这家店门口有一块石碑，上面刻着创办年份。请找到它，拍下照片并告诉我年份。"

📷 拍照要求：
[明确说明拍什么，用于 AI 图片识别验证]
例如："请拍一张门口石碑的照片，确保年份数字清晰可见。"

🎁 加分任务（可选）：
[额外的趣味挑战，答对加5分]
例如："在书吧里找到一本最古老的书，拍下封面。"

💡 温馨提示：
[实用信息]

⏳ 到达后请按以下步骤提交：
  1️⃣ 点击打卡链接，授权浏览器定位
  2️⃣ 上传一张现场照片（按拍照要求拍）
  3️⃣ 告诉我你的答案
───────────────────────────────────────

第八步：互动主持（核心体验！）

这是剧本杀区别于普通攻略的关键步骤。

AI 作为主持人，不要一次性输出所有剧本内容，而是采用逐站互动模式：

开场：输出故事背景 + 地图链接 + 第一站信息

text

═══════════════════════════════════════
🎭 [剧本标题]
📍 [城市] · [主题] · [时长]
👥 [人数]
🏆 当前积分：0 分
═══════════════════════════════════════

📖 故事背景
[2-3段引人入胜的背景故事]

🗺️ 全程地图：[地图链接]

📋 通关须知：
每到一站，请按顺序完成：
  1️⃣ 点击打卡链接，授权浏览器定位（自动验证你是否到达）
  2️⃣ 上传一张现场照片（按每站的拍照要求拍）
  3️⃣ 告诉我你的答案

═══════════════════════════════════════
📍 第一站：[地点名称]
[第一站完整内容，含通关任务+拍照要求]

🔗 打卡链接：[打卡验证链接]
⏳ 到达后请：点击打卡 → 发📷照片 → 发✍️答案！

逐站验证流程（打卡链接 + 照片验证 + 答案校验）：

AI 为每站生成专属打卡链接，用户通过聊天工具操作。

text

┌─ 步骤 1：打卡链接定位验证 ─────────────────────────┐
│                                                     │
│  AI 调用打卡服务生成链接，发给用户：                    │
│    node scripts/api-client.js checkin <地点> <纬度> <经度> │
│                                                     │
│  用户在聊天中点击链接 → 手机浏览器打开 H5 页面          │
│  → 用户点击"获取位置并打卡" → 浏览器调用               │
│    navigator.geolocation 获取真实GPS                   │
│  → 自动提交到打卡服务，比对距离                         │
│                                                     │
│  AI 查询结果：                                        │
│    [从命令返回值中获取 sessionId 和 checkinUrl]        │
│                                                     │
│  passed=true  → ✅ "📍 定位确认！你距目标 XX 米"       │
│  passed=false → ⚠️ "你距目标还有 XX 米，到了再打卡"     │
│                                                     │
│  ✅ 全平台通用（微信/QQ/飞书/钉钉/Web 都支持点击链接）   │
│  ✅ 难以作弊（浏览器原生GPS，需要设备真实定位）          │
└─────────────────────────────────────────────────────┘
                          ↓
┌─ 步骤 2：照片验证（核心防作弊）──────────────────────┐
│                                                     │
│  用户在聊天中发送现场照片（拍照或从相册选）              │
│  AI 通过图片识别（多模态能力）分析：                     │
│                                                     │
│  ① 场景匹配：照片是否是目标地点？                        │
│     （识别招牌文字、建筑外观、特定标志物等）             │
│  ② 答案线索：照片中是否能看到答案线索？                  │
│     （如石碑上的年份、菜单内容、建筑细节等）             │
│                                                     │
│  ✅ 场景正确 + 有答案线索 → "📷 照片确认！"               │
│  ✅ 场景正确 + 无线索   → 要求重新拍指定目标              │
│  ❌ 场景不对          → 要求重拍能看出在现场的照片         │
└─────────────────────────────────────────────────────┘
                          ↓
┌─ 步骤 3：答案验证（服务端比对）─────────────────────┐
│                                                     │
│  用户在聊天中发文字消息回答                             │
│  AI 调用题库服务校验答案：                              │
│    node scripts/api-client.js verify <题目ID> <答案>    │
│                                                     │
│  AI 不接触标准答案，由服务端返回 correct:true/false    │
│                                                     │
│  ✅ 答对（首次）→ 🎉 +15分，解锁下一站                 │
│  ✅ 答对（重试）→ ✅ +10分，解锁下一站                  │
│  ❌ 答错       → 给提示，要求重新拍照+回答               │
│  ❌ 3次答错    → 告知答案，不得分，解锁下一站            │
│                                                     │
└─────────────────────────────────────────────────────┘

各步骤的响应示例：

text

【步骤1：打卡链接定位】
AI：🔗 请点击打卡链接确认到达：[调用 checkin 命令获取打卡链接]
用户：[点击链接，浏览器打开，授权定位，点击"获取位置并打卡"]
AI（查询结果）：📍 定位确认！你距离「纯真年代书吧」约 85 米，已到达！

【步骤2：照片验证 — 通过】
用户：[上传照片]
AI：📷 照片确认！我看到了书吧门口的招牌和那块石碑，
     而且照片里可以清楚看到创办年份——很好！

【照片验证 — 照片不对】
用户：[上传了一张天空的照片]
AI：📷 这张照片看不到门口石碑上的字哦。
     请重新拍一张：对准门口那块刻有年份的石碑，确保数字清晰。

【答案验证 — 答对】
用户：创办年份是 1999 年
AI：🎉 正确！纯真年代书吧创办于 1999 年，由作家朱锦绣女士创立。
     积分 +15（首次通关！）
     🏆 当前积分：15 分
     🔓 解锁第二站……

【答案验证 — 答错】
用户：2005 年
AI：❌ 年份不对哦。
     💡 提示：不是 2000 年之后的，再仔细看看石碑上的数字？
     请重新拍一张更清晰的照片，然后告诉我。

【答案验证 — 3次答错】
AI：好吧，答案其实是 1999 年。
     这站不得分，但故事继续！
     🔓 解锁下一站……

跳过机制：如果用户表示不想去某站或跳过，允许跳过但该站得 0 分，仍然解锁下一站。

PLACEHOLDER_八：通关成绩卡 所有站点完成后，输出通关成绩卡：

text

═══════════════════════════════════════
🏆 通关成绩卡
═══════════════════════════════════════
🎭 [剧本标题]
📍 [城市] · [主题]
👥 [人数]

📊 成绩统计：
┌──────────────────────────────────────────────────────┐
│ 站点     │ 📍定位 │ 📷照片 │ ✍️答案  │ 加分  │ 得分 │
├──────────────────────────────────────────────────────┤
│ 第1站    │ ✅     │ ✅    │ ✅+15  │ 🎁+5 │ 20  │
│ 第2站    │ ✅     │ ✅    │ ✅+10  │ ❌    │ 10  │
│ 第3站    │ ✅     │ ✅    │ ❌     │ ❌    │ 0   │
│ 第4站    │ ✅     │ ✅    │ ✅+15  │ 🎁+5 │ 20  │
├──────────────────────────────────────────────────────┤
│ 总分     │ 4/4到  │ 4/4拍 │ 3/4对  │ 2/4  │50/80│
└──────────────────────────────────────────────────────┘

🏅 通关评级：[根据得分率]
  - S 级（90%+）：「城市探索大师」— 满分通关，你是最强大脑！
  - A 级（70-89%）：「资深探险家」— 表现出色，城市达人！
  - B 级（50-69%）：「勇气冒险者」— 完成了挑战，值得骄傲！
  - C 级（<50%）：「佛系漫步者」— 重在参与，风景也很好嘛！

🎬 你的专属结局：
[根据评级输出不同的结局文案]

📋 完整回顾：
- 总步行距离：X.X km
- 总用时：约 X 小时
- 地图路线：[地图链接]

📱 分享你的成绩：
截图保存这张成绩卡，发到社交媒体，带话题 #AICityWalk剧本杀
═══════════════════════════════════════

结局分支：

• S/A 级：完美结局 — 故事大揭秘 + 彩蛋
• B 级：标准结局 — 故事收束
• C 级：遗憾结局 — 故事留有悬念，鼓励再挑战

主题模板参考

悬疑侦探主题

• 故事框架：一起离奇事件 → 追踪线索 → 层层推理 → 真相大白
• 地点偏好：老建筑、博物馆、书店、咖啡馆（有故事的场所）
• 任务类型：数字密码、文字谜语、视觉观察
• 验证示例："这家书店创办于哪一年？" → 答案如 "1999年"

浪漫爱情主题

• 故事框架：一封来自过去的情书 → 追寻爱情足迹 → 在终点告白
• 地点偏好：花园、观景台、特色咖啡馆、书店
• 任务类型：情书填空、建筑细节寻找、甜蜜合影任务
• 验证示例："这座花园里一共有几种颜色的玫瑰？" → 答案如 "7种"

美食探索主题

• 故事框架：一张神秘的美食地图 → 品尝隐藏美味 → 集齐美食印章
• 地点偏好：特色小吃、老字号、网红餐厅、甜品店
• 任务类型：菜品知识问答、价格猜测、特色菜辨认
• 验证示例："这家店的招牌菜用了哪三种主要食材？" → 答案如 "豆花、红糖、花生"

历史穿越主题

• 故事框架：一件文物穿越时空 → 追寻历史足迹 → 拼凑完整历史
• 地点偏好：古迹、寺庙、博物馆、历史街区
• 任务类型：历史知识问答、建筑细节观察、年代推理
• 验证示例："这座寺庙始建于哪个朝代？" → 答案如 "唐朝/唐代"

文艺清新主题

• 故事框架：一本城市手账 → 收集城市印记 → 完成专属作品集
• 地点偏好：独立书店、画廊、文创园区、花店、咖啡馆
• 任务类型：书名寻找、画作辨认、文艺填空
• 验证示例："这个创意园的前身是什么工厂？" → 答案如 "纺织厂"

脚本清单

脚本	功能	用法
scripts/search-locations.js	POI 搜索	--keywords=<词> --city=<城市>
scripts/plan-route.js	路径规划	--type=walking --origin=<坐标> --destination=<坐标>
scripts/generate-map.js	生成地图链接	--data=<json文件>
scripts/check-weather.js	天气查询	--city=<城市>

注意事项

1. 所有 POI 地点必须是高德搜索返回的真实地点，不要编造
2. 路线规划必须使用高德返回的真实路线数据
3. 地点选择是可靠性的基础——优先大型公共场所（博物馆/古迹/知名景点），避免小店/网红店
4. 出题必须基于自己确定知道的事实，不确定的细节不要问，换有把握的
5. 剧本创作要有趣、有沉浸感，避免千篇一律
6. 根据城市特色调整故事元素（杭州=西湖传说，北京=皇城秘史，成都=市井烟火）
7. 必须三重验证：定位→照片→答案，缺一不可（定位可降级为照片验证）
8. 照片必须指向具体目标，不接受"随便拍一张"
9. 照片识别要合理，AI 应能识别招牌、建筑、文字等常见元素
10. 必须逐站互动，不要一次性输出全部剧本
11. 答案验证要合理宽容，近似答案也算对（如"1999年"和"1999"）
12. 用户反馈现场找不到时，AI 应根据照片实时重新出题，不要让用户背锅
13. 每次生成时尝试不同的故事套路，保持新鲜感
14. 输出格式要美观，善用 emoji 和分隔线