Hotel Watch Agent

Hotel Watch Agent

RollingGo 酒店查价 → state JSON → 条件触发告警（三链输出）。

安装与配置（引导用户）

用户询问「怎么安装 / 怎么用 / 需要什么 Key」时，按以下顺序说明（适配 Cursor、Claude Code、Codex、OpenClaw 等 Skills 协议 Agent）：

前置条件

• Python 3.8+（终端可执行 python3）
• RollingGo 酒店 MCP Key：在 rollinggo.store 申请，格式 mcp_...（文档 rollinggo.store/docs）
• 所用 Agent 已支持 Skills（能加载本目录 SKILL.md）

安装 Skill

推荐（skills.sh）：

npx skills add sxyfe/skills@hotel-watch-agent -g -y

手动：将本 Skill 目录链接或复制到 Agent 的 Skills 目录，例如 Cursor ~/.cursor/skills/hotel-watch-agent、Claude Code .claude/skills/hotel-watch-agent。安装后新开对话或重启 Agent。

配置 Key

在 Skill 根目录（本文件所在目录）：

cp .env.example .env
# 编辑 .env：ROLLINGGO_API_KEY=mcp_...
python3 scripts/check_rollinggo_hotel.py

自检通过后再查价。无 Key 时禁止调用查价脚本，须引导用户完成上述配置。详见 references/setup-rollinggo.md。

可选：Agent 若支持 MCP，可参考 templates/mcp.json.example 配置 RollingGo-Hotel；脚本优先读 .env。

在 Agent 中使用

配置完成后，用户用自然语言描述监控需求（如「监控青森温泉 10 月入住，700 以内降价或有房通知我」）。Agent 执行本 Skill 工作流：分步访谈 → 预估 API → 用户确认 → 查价 → 更新 state → 有触发时三链告警。

最小成功路径（首次用户）

在 Skill 根目录依次执行：

python3 scripts/check_rollinggo_hotel.py

python3 scripts/init_watch_config.py --preset generic-worldwide -o ./output

python3 scripts/estimate_watch.py --config ./output/my-watch-config.json --json

python3 scripts/run_watch_round.py \
  --config ./output/my-watch-config.json \
  --state ./output/my-hotel-watch.json \
  --confirm

前置条件（必读）

1. 已完成上文 安装与配置：Skill 已安装、.env 已填 Key、check_rollinggo_hotel.py 已通过
2. 若用户尚未配置 Key → 引导前往 rollinggo.store 申请并写入 .env，不得跳过直接查价

硬约束

• watchlist ≤ 10 家
• 每入住日默认 1 晚（非连住）
• 禁止高频刷接口、公开共享 Key
• 预估 >100 次 API 须用户确认后才可 --confirm 执行
• 定时间隔建议 ≥12h

何时使用

• 用户要监控酒店价格、有房/售罄、降价提醒
• 用户提到 A/B 预算、组合触发、定时查价、cron
• 用户说「RollingGo 酒店」「hotel watch」「盯价」

工作流

访谈/预设 → watch-config.json → estimate → 用户确认 → run_watch_round
    → 更新 state → 单点/组合 triggers → 告警或静默
         ↑
    外部 cron ──▶ Agent（格式化/异常）

Phase 1 · 分步访谈

逐步询问（references/interview-checklist.md）：

1. 国家 + 地点 + 酒店（≤10，hotelId:名称/tier）
2. 入住日 + 人数
3. 单层预算 或 A/B 双层（budgetTiers）
4. 房型偏好
5. 阈值 + 组合触发 + 单酒店特例
6. 定时（cron + Agent）与静默策略

python3 scripts/init_watch_config.py --preset generic-worldwide -o ./output
python3 scripts/init_watch_config.py --preset jp-onsen-dual-tier -o ./output

预设：templates/presets/。示例：templates/watch-config.example.aomori.json。

Phase 2 · 预估 → 确认 → 执行

Agent MUST：

# 1. 预估（不查价）
python3 scripts/estimate_watch.py --config watch-config.json --json

# 2. 向用户展示次数；>100 次须确认

# 3. 执行一轮
python3 scripts/run_watch_round.py --config watch-config.json --state state.json --confirm

stdout 为 JSON：triggered、alerts、silentUnlessTriggered。

精查逻辑

watchlist 每家 × 每入住日 → getHotelDetail；可选 searchHotels 广度扫。

1. roomPreferences 过滤（references/room-type-matching.md）
2. 取最低 totalPrice；按 tier 应用 budgetTiers
3. 三链（references/booking-links.md）

状态文件

路径：meta.stateFile。结构见 references/state-schema.md。

触发

• 单点：references/trigger-rules.md（restock / drop / halfBoard …）
• 组合：compositeTriggers（跨晚 distinct-hotels-per-night 等）
• 特例：hotelOverrides / hotel-date-price-cross

告警

templates/alert-message.template.md + 三链脚本：

python3 scripts/extract_booking_links.py detail.json --hotel-name "..." --city "..."

Phase 3 · 外部 cron + Agent

python3 scripts/render_loop_prompt.py --config watch-config.json --mode both

• {slug}-loop-prompt.txt — Agent 每轮指令
• {slug}-cron-prompt.txt — crontab 示例

详见 references/scheduling-optional.md。推荐：cron 跑 run_watch_round.py，有触发再唤 Agent。

多任务：

python3 scripts/render_loop_prompt.py --combine aomori.json hakodate.json -o ./output

失败态与异常

MCP

服务名常为 RollingGo-Hotel 或 user-RollingGo-Hotel。工具见 references/mcp-tools.md。

脚本

反滥用

个人合理监控；定时间隔 ≥12h。大量酒店/多日期 必须先 estimate 并获用户确认。

示例

用户：帮我监控青森几家温泉，10 月入住，700 以内降价或有房通知我。

Agent：

1. 确认 Key 与自检已通过
2. 分步访谈或 --preset jp-onsen-dual-tier 生成 watch-config.json
3. estimate_watch.py 展示预估，>100 次须用户确认
4. run_watch_round.py --confirm 执行一轮
5. 有触发时格式化三链告警；无触发则说明 state 已更新