') + ')', 'gi'); if (regex.test(text)) { found = true; var frag = document.createDocumentFragment(); var parts = text.split(regex); parts.forEach(function(part, i) { if (i % 2 === 0) { frag.appendChild(document.createTextNode(part)); } else { var span = document.createElement('span'); span.className = 'userscript-highlight'; span.textContent = part; frag.appendChild(span); } }); node.parentNode.replaceChild(frag, node); } }); } else if (node.nodeType === 1 && node.childNodes) { // element var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT']; if (!skipTags.includes(node.tagName)) { Array.from(node.childNodes).forEach(highlight); } } } highlight(document.body); // Re-highlight on dynamic content var observer = new MutationObserver(function(mutations) { mutations.forEach(function(m) { m.addedNodes.forEach(function(node) { if (node.nodeType === 1 || node.nodeType === 3) highlight(node); }); }); }); observer.observe(document.body, { childList: true, subtree: true }); })(); } } catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); } })(); (function(){ try { var __m = "*"; var __re = new RegExp('^' + ".*" + ', 'i'); if (__m === '*' || __re.test(location.href)) { // Strip utm_, fbclid, gclid, etc. from all links on page (function() { var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content', 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid', 'ref', 'ref_src', 'source', 'medium', 'campaign']; function cleanUrl(url) { try { var u = new URL(url, window.location.origin); var changed = false; trackingParams.forEach(function(p) { if (u.searchParams.has(p)) { u.searchParams.delete(p); changed = true; } }); return changed ? u.toString() : url; } catch (e) { return url; } } function cleanLinks() { document.querySelectorAll('a[href]').forEach(function(a) { var clean = cleanUrl(a.href); if (clean !== a.href) a.href = clean; }); } cleanLinks(); var observer = new MutationObserver(function(mutations) { mutations.forEach(function(m) { m.addedNodes.forEach(function(node) { if (node.nodeType === 1) { if (node.tagName === 'A') cleanLinks(); node.querySelectorAll('a[href]').forEach(function(a) { var clean = cleanUrl(a.href); if (clean !== a.href) a.href = clean; }); } }); }); }); observer.observe(document.body, { childList: true, subtree: true }); })(); } } catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); } })(); (function(){ try { var __m = "youtube.com"; var __re = new RegExp('^' + "youtube\\.com" + ', 'i'); if (__m === '*' || __re.test(location.href)) { // Auto-enable theater mode on YouTube (function() { function tryTheater() { var btn = document.querySelector('button[aria-label="Theater mode"], ytd-player #player button[title="Theater mode"]'); if (btn && !btn.classList.contains('activated')) { btn.click(); } } // Try immediately tryTheater(); // Try after navigation (SPA) var lastUrl = location.href; setInterval(function() { if (location.href !== lastUrl) { lastUrl = location.href; setTimeout(tryTheater, 500); } }, 1000); // Also try on player load var observer = new MutationObserver(tryTheater); observer.observe(document.body, { childList: true, subtree: true }); })(); } } catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); } })(); (function(){ try { var __m = "*"; var __re = new RegExp('^' + ".*" + ', 'i'); if (__m === '*' || __re.test(location.href)) { // Remove or un-stick sticky/fixed headers that block content (function() { function unstick() { document.querySelectorAll('header, nav, [role="banner"], .header, .navbar, .sticky, .fixed-top, [style*="position: fixed"], [style*="position:sticky"]').forEach(function(el) { if (el.style.position === 'fixed' || el.style.position === 'sticky' || getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') { el.style.position = 'static'; el.style.top = 'auto'; el.style.zIndex = 'auto'; } }); } unstick(); var observer = new MutationObserver(unstick); observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] }); })(); } } catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); } })(); })(); 【外滩大会2026】飞猪 Travel-Itinerary · 把出行安排妥当的 AI 助手 · Issue #90 · modelstudioai/modelstudioai.github.io · GitHub
Skip to content

【外滩大会2026】飞猪 Travel-Itinerary · 把出行安排妥当的 AI 助手 #90

Closed
Closed
【外滩大会2026】飞猪 Travel-Itinerary · 把出行安排妥当的 AI 助手#90
Labels
showcased已收录上线外滩大会2026外滩大会 2026 参赛作品

Description

@yinshubinysb-dotcom
yinshubinysb-dotcom
opened on Aug 7, 2026

参赛项目名称

Travel-Itinerary

Image

团队 / 作者

殷树斌、王馨祥、王威、张赞涓

我做了什么

我们做了一个 travel-itinerary Skill：不是一个"更会聊天"的出行助手，而是一个让 AI 生成的出行方案真的能走、能校验、能在风险点停住的执行型助手。

解决的问题：出行规划最容易出现"每一段单独看都对，串起来就走不通"。

  • 早班机看起来赶得上，实际值机已停。
Image
  • 车次没错，但会议结束时间 + 晚高峰打车 + 高铁缓冲加起来还是赶不上。
Image
  • 带娃暑期三日游把迪士尼、崇明、外滩塞进同一天，走不动。
Image

我们的做法：把系统拆成三层，能用规则解决的不让概率模型猜：

  • LLM 负责识别意图、抽取槽位、把结构化方案说成人话；
  • 规则 负责判断什么必须问、什么不能做、什么场景必须兜底（业务出差 / 旅游 / 暑期高峰 / 外卖等规则文件）；
  • 脚本 负责查询真实数据、计算时间、生成链接、校验方案。

一条请求经过四轮流水线：R1 理解需求（init_all.py，槽位澄清）→ R2 并行查询（parallel_query.py，火车/航班/酒店/天气/POI）→ R3 组装方案（build_plan.py，门到门时间线、打车衔接、费用合计）→ R4 输出门禁（validate_itinerary.py，30+ 检查项，算不过就不输出）。

四个核心能力：

  1. 门到门执行链路：不是查一张票，而是接驳 + 干线 + 尾程 + 缓冲的完整时间线。典型 case：苏州 18:40 散会，规则反推出最晚 18:33 必须离开会场才能赶上 19:53 的车——结论是"车次没错，但这个人赶不上"。
  2. 时间缓冲是硬约束：机场提前 90 分钟、高铁站提前 30 分钟、落地取行李预留 60 分钟，全部写进自检脚本，不是文案提醒。
  3. 交易前必须停住：只做到 dry-run / renderOrder，用户确认前不触发真实 createOrder，不自动支付；外卖有地址状态机（resolved / recommend_only / blocked），宁可不成事，不可乱下单。
  4. 查不到就说查不到：数据源白名单，火车/航班/酒店/POI 必须来自脚本返回，查询失败保留失败原因，不让 LLM"合理推测"。
ImageImageImageImage

使用的工具

  • OpenWork / 百炼 CLI：qwen3.7、qwen3.8
  • 百炼能力 / 模型：意图识别、槽位抽取、多轮问答、方案表达生成（模型推理 + 文本生成）
  • Skill 名称：travel-itinerary（Aone Skill 市场：yinshubin-ysb-travel-itinerary）
  • 其他：
    -- 核心脚本：init_all.py（环境/偏好/场景识别）、parallel_query.py（并行查询）、build_plan.py（方案组装）、validate_itinerary.py（输出自检门禁）、execution_planner.py（订单草稿，默认 dry-run）
    -- 规则文件：business.md（出差反推）、tourism.md（POI 距离/每日上限）、peak_season.md（暑期/高温 B 计划）、waimai.md（地址状态机与交易门禁）
    -- 数据源：train-cli、FlyAI、高德坐标/导航

效果展示

演示视频：https://oss-ata.alibaba.com/articleVideo/2026/07/6898f9a4-517e-425a-837e-ebf0518c1cd3.mp4

项目链接（可选）

网页(打开后，需要登录淘宝)：https://aifliggys.m.taobao.com/ai-trip/fl-travel-itinerary
Aone Skill 市场：https://open.aone.alibaba-inc.com/skill/yinshubin-ysb-travel-itinerary?tab=skill-md
代码仓库：https://code.alibaba-inc.com/alitriptraffic/travel-itinerary

踩坑记录（可选）

  1. 靠 prompt 写常识不稳定：一开始试图用更长的 prompt 让模型记住"高铁站提前 30 分钟""带娃每日景点上限"，模型会说、会推荐，但不会稳定地在方案里为你算。最终解法是把常识翻译成规则和脚本，接到输出门禁上——算不过就不输出。
  2. LLM 会"合理推测"补数据：酒店查不到、POI 被风控时，模型倾向于编一个看起来完整的答案。解法是数据源白名单 + 保留真实失败原因，查不到就标"待确认"，绝不让 LLM 补。
  3. 单点正确 ≠ 全局可行：车次、景点单独看都对，串起来就崩。解法是用脚本反推整条链路（会议结束时间 → 晚高峰打车 → 车站缓冲），把"能不能赶上"变成机械化计算而不是感觉。
  4. 交易动作必须有刹车：最危险的不是说错话，而是替用户下错单。解法是 dry-run → renderOrder →用户确认的分级门禁 + 外卖地址状态机，地址不确定就降级为"只推荐，不下单"。

Metadata

Metadata

Assignees

No one assigned

    Labels

    showcased已收录上线外滩大会2026外滩大会 2026 参赛作品

    Type

    No type

    Projects

    No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions