# Travel Skill

> 城市旅游推荐 Skill。根据用户提供的城市、出行时长、想玩/想吃、 人流偏好、预算、出行类型，以及补充的图片或文字信息，输出景点推荐、 美食推荐和可执行的玩吃组合路线。第一阶段重点支持“玩 + 吃”场景， 采用轻量规则筛选与场景化输出。

- Skill: `leon-ktlan/travel-skill` (Agent Skill, multi-file: 8 files)
- Install (CLI): `npx skillmds@latest add leon-ktlan/travel-skill`
- Raw SKILL.md: https://api.skillmd.com/api/skills/leon-ktlan/travel-skill/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: Leon-KTlan (https://skillmd.com/u/leon-ktlan)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/leon-ktlan/travel-skill

---


# Travel Skill — 轻量规则版 MVP

## 一、Skill 定位

这是一个面向城市旅游场景的推荐 Skill，目标不是简单罗列景点，而是根据用户条件给出更适合执行的建议。

第一阶段聚焦三类能力：

1. 景点推荐
2. 美食推荐
3. 玩 + 吃组合推荐

核心差异化在于：

- 按人流偏好区分推荐结果
- 把景点和美食联动起来
- 用场景化方式输出，而不是只给列表

---

## 二、适用场景

当用户出现以下需求时，应优先使用本 Skill 的规则：

- 想知道某个城市玩什么
- 想知道某个城市吃什么
- 想规划半天或一天行程
- 想要热闹路线或避人流路线
- 第一次来城市，希望少踩坑
- 上传了图片、截图、文字信息，希望据此规划行程

---

## 三、第一阶段输入字段

优先识别以下信息：

| 字段 | 说明 | 是否必填 |
|------|------|----------|
| `city` | 旅游城市 | 是 |
| `intent` | 想玩 / 想吃 / 都要 | 是 |
| `crowd_preference` | 热闹 / 适中 / 人少 | 否 |
| `duration` | 半天 / 一天 / 晚上 | 否 |
| `travel_type` | 情侣 / 朋友 / 家庭 / 独行 | 否 |
| `budget` | 预算范围 | 否 |
| `first_time` | 是否第一次来 | 否 |
| `known_info` | 用户补充图片或文字中的关键信息 | 否 |

如果用户没有明确说明，默认值如下：

- `intent=都要`
- `crowd_preference=适中`
- `duration=一天`
- `travel_type=朋友`
- `first_time=未知`

---

## 四、图片与文字信息处理原则

第一阶段不做复杂图像识别流程，而是将用户上传的图片或文字作为“辅助线索”使用。

### 可利用的信息类型

- 景点照片：判断用户偏好的景点风格，如夜景、历史建筑、自然风光、亲子场所
- 菜品照片：判断饮食偏好，如本地菜、小吃、火锅、甜品、咖啡馆
- 行程截图：抽取已选地点、时间限制、交通线索
- 文字补充：抽取用户明确表达的偏好、预算、同行人群、避坑要求

### 处理方式

1. 先提取用户已知信息中的关键信号
2. 用这些信号修正默认推荐
3. 若图片或描述信息不足，不强行推断，直接说明“以下按常规偏好为你规划”

---

## 五、执行流程

### Step 1：识别用户需求

先判断用户是以下哪类任务：

- 只推荐玩
- 只推荐吃
- 玩 + 吃组合推荐

### Step 2：提取输入字段

优先从用户问题和补充信息中提取：

- 城市
- 人流偏好
- 时长
- 出行类型
- 预算
- 是否第一次来
- 已知偏好

如果缺少城市，先追问；其他字段缺失时可使用默认值继续。

### Step 3：选择规则

依据 `intent` 分流：

- `想玩`：调用景点筛选规则
- `想吃`：调用美食筛选规则
- `都要`：先筛景点，再按区域和时间联动餐厅

### Step 4：场景化输出

输出时必须尽量使用场景组织，而不是只给散乱清单。优先组织成：

- 如果你喜欢热闹
- 如果你想避开人流
- 如果你第一次来
- 如果你只有半天
- 一条可直接执行的路线

---

## 六、推荐规则

详细字段、等级和打分规则见 `reference.md`。

在第一阶段，推荐逻辑采用“筛选 + 轻量打分”：

- 先按城市过滤
- 再按人流偏好过滤
- 再按时间和预算过滤
- 最后按场景适配度排序

不要伪装成精确算法，也不要输出过于技术化的评分过程。最终面向用户时要表达成“推荐理由”。

---

## 七、回答格式要求

### 1. 只推荐玩

建议输出：

- 适合的景点列表（3~5 个）
- 每个景点的简短理由
- 人流提醒
- 时间安排建议

### 2. 只推荐吃

建议输出：

- 餐厅/美食列表（3~5 个）
- 推荐菜
- 人均价格
- 排队提醒
- 适合什么时候去

### 3. 玩 + 吃组合推荐

建议输出：

1. 先给一句总判断
2. 再给 1 条可执行路线
3. 再补充 1~2 个备选点
4. 最后给避坑提醒

优先输出：

- 景点 → 吃饭
- 白天玩 → 晚上吃
- 商圈逛 → 顺路吃

---

## 八、输出风格要求

- 语言要像一个靠谱的本地向导
- 不要堆砌信息，不要一次给 10 个点
- 每次优先给“最值得执行”的方案
- 给推荐时必须说明理由
- 对人流和排队要坦诚，不要只说优点
- 如果用户是第一次来，要适当减少过度小众路线

---

## 九、边界与约束

第一阶段暂不承诺：

- 实时精确人流
- 实时排队分钟数
- 全量城市覆盖
- 精准地图导航
- 酒店/交通一体化规划

若用户询问这些能力，可明确说明当前以静态经验推荐和轻量规划为主。

---

## 十、文件导航

- `reference.md`：查看字段定义、推荐规则、人流等级和数据模板
- `examples.md`：查看典型问法与标准回答风格
- `scripts/helper.py`：辅助解析输入和生成推荐骨架的轻量脚本