Repository navigation
Description
【2026飞猪AI旅行创新大赛】Travelworld|将一切交给对话,把旅行变成一条走得通的路
Travelworld|将一切交给对话,把旅行变成一条走得通的路
团队 / 作者与奖品领取人
- 团队名称:Travelworld
- 主要提交人 GitHub ID(仅 1 位,必填):
11921902109(Huang Yihan_NTU) - 其他成员 GitHub ID:millieesther
旅行场景与目标用户
Travelworld 面向自主规划城市旅行的自由行用户及小型同行团队,目前以新加坡国家为首个完整场景。
旅行规划的难点并不是缺少推荐,而是用户需要在攻略、地图、酒店、交通和预订平台之间来回切换,再手动核对地点、路线、时间和价格。
Travelworld 的核心主张是:
将一切交给对话。
通过交互式对话方式,最小化用户的旅行规划、资料检索与界面操作成本。用户只需表达旅行愿望,并在同一段对话中补充条件、选择酒店、调整安排和重新规划,不需要学习复杂的行程编辑工具。
该产品具备高度可扩展性,并切入了市场尚未被充分满足的商业需求。未来若能持续提升各场景下的语义理解与执行准确率,并严谨设计评估流程,该产品将具备显著的商业价值与规模化变现潜力。
我做了什么
我开发了 Travelworld——一个由阿里云百炼驱动、把自然语言旅行需求转换为真实可执行路线的 AI 行程规划 Web 应用。
用户可以直接说:
我和伴侣两位成人,2026 年 12 月 20 日至 23 日去新加坡,住 Bugis 附近;每天 09:30 出发、21:00 回酒店,节奏轻松,喜欢建筑、美食和夜景。
系统随后通过对话完成:
理解旅行愿望
→ 追问缺失条件
→ 比较并确认酒店
→ 生成每日路线
→ 查看地点与价格
→ 接收自然语言修改
→ 重新计算受影响行程
核心创新
Travelworld 不是只生成一篇旅行攻略,而是建立了一条可核验、可约束、可重算的旅行规划链路:
- 对话贯穿全程:从需求补全到行程修改,都通过自然语言完成;用户只补充部分信息时,系统会继续追问尚未满足的条件。
- 地点真实可验证:酒店、景点和餐厅进入地图前均由 Google Places 验证,语言模型不负责虚构地点身份和坐标。
- 酒店是真正的路线锚点:每天从当天酒店出发,并在指定时间前返回;同时支持从某一天开始更换酒店的分段住宿。
- 路线和时间真实计算:Google Routes 负责地点间距离、交通方式与预计耗时,Travelworld 将其组合为完整时间轴。
- 修改能够局部重算:用户可以一句话修改任意一天,并一次执行替换、删除、增加等多个动作;系统只重算目标日期。
- 价格有明确来源:FlyAI/飞猪只为可靠匹配的酒店和景点补充参考价格与预订入口,无法匹配时不展示结果。
- 数据边界透明:餐厅可以进入行程,但不会调用飞猪查询不在当前数据范围内的餐饮商品,也不会生成虚构价格。
不同数据分别由专业服务负责:
百炼 Managed Agent
负责理解用户想做什么
↓
Google Places
确认地点是谁、位于哪里
↓
Google Routes
计算是否走得通、需要多久
↓
FlyAI / 飞猪
补充可验证的价格与预订入口
↓
Travelworld
组合时间轴并检查行程约束
百炼使用说明(必填)
百炼位于 Travelworld 的运行时核心链路,不是只在开发阶段使用。
- 百炼能力 / 模型: 阿里云百炼 Managed Agent;Qwen3.8-Flash 作为初始结构化意图理解的兼容回退。
- 调用方式(百炼 API / DashScope SDK / 百炼 CLI
bl/ OpenWork): Node.js 服务端通过百炼 Agent Studio REST API 创建并调用 Managed Agent 会话。 - 使用环节与输入输出:
- 旅行描述 → 日期、人数、住宿、每日时间、节奏、兴趣及缺失字段。
- 行程修改指令 → 目标日期及 1–4 个结构化修改动作。
- 酒店查询条件 → 最多 5 家酒店的报价和预订信息数组。
- 景点详情请求 → 可可靠匹配的商品、参考价格与预订入口。
- Skill 名称(如有):
flyai(飞猪旅行技能,通过官方 FlyAI CLI 调用)。 - 其他工具 / 技术栈: React 19、Next.js 16、Vinext/Vite、TypeScript、Cloudflare Workers、Google Maps JavaScript API、Google Places API、Google Routes API、FlyAI/飞猪、pnpm。
FlyAI 查询运行在独立的百炼临时会话中。同一次酒店比较只创建一个会话,并在其中依次查询最多 5 家酒店。
百炼、FlyAI 和 Google 服务端凭据均由服务端管理,不返回浏览器,也不会进入公开仓库。
效果展示
百炼智能体实际运行截图
意图理解
飞猪报价
可交互产品成片
该页面以滚动叙事方式呈现 Travelworld 从旅行愿望到真实路线、价格查询和动态修改的完整产品流程。
演示视频
项目链接与复现方式
- GitHub 仓库: [11921902109/travelworld-singapore]
- 在线 Demo: [打开 Travelworld (主入口,包含完整案例和创建新行程)
- 完整案例: [浏览新加坡四日真实案例]
- 创建新行程: [通过对话开始规划]
在线体验时,只需在规划页面说出旅行需求,随后按照系统追问继续对话即可。
提示: 当前百炼 Managed Agent 及相关运行环境部署在阿里云北京地域(
cn-beijing)。由于本人部署在国外,体验时会存在一定的跨地域网络延迟,意图解析、酒店及景点查询或路线重算所需时间会稍长。处理期间请耐心等待;该延迟主要来自网络距离与外部服务调用,不影响功能逻辑及最终结果。
本地复现
环境要求:Node.js >= 22.13.0、pnpm 11.x。
git clone https://github.com/11921902109/travelworld-singapore.git
cd travelworld-singapore
pnpm install
cp .env.example .env.local
pnpm devWindows PowerShell:
Copy-Item .env.example .env.local启动后访问:
http://localhost:5173/travel
真实服务复现需要在 .env.local 中配置自己的服务信息:
DASHSCOPE_API_KEY
BAILIAN_API_BASE_URL
BAILIAN_AGENT_ID
BAILIAN_ENVIRONMENT_ID
FLYAI_API_KEY
GOOGLE_MAPS_SERVER_KEY
GOOGLE_MAPS_BROWSER_KEY
.env.example 只包含变量名。公开仓库不包含 API Key、密码、Session ID 或其他敏感凭据。
踩坑记录
- 隔离环境与凭据: 百炼会话和普通服务端环境相互隔离,因此为智能体建立了包含 Node.js 与 FlyAI CLI 的运行环境,并只在临时会话中注入服务端凭据。
- 真实数据匹配: 酒店或景点名称相似时容易关联错误商品,因此增加名称、地址与 Google 地点身份校验;不能可靠匹配就不展示价格。
- 路线约束重算: 显示“21:00 回酒店”并不等于真正满足约束,因此将酒店、交通耗时和停留时间统一纳入排程,修改后重新计算整天路线。
未来工作
- 扩展更多目的地: 将新加坡规则抽象为 Destination Profile,支持更多国家和国内城市。
- 增强按天意图理解: 将整体偏好细分到每天、时间段和地点,使自由时间能够结合当天区域与主题自动安排。
- 实现路程规划实时更新: 对于路程规划,将每一天的地点之间行程,按照公共交通,打车,步行的时间自由选择
10 月 24 日后更新|Travelworld V40 四日完整案例
赛事时间调整至 11 月 29 日,本次沿用首次提交的演示视频。10 月 24 日之后的迭代,用下面这趟从一句话到只读地图的新加坡四日旅行完整展示。
我和伴侣两位成人,2026 年 12 月 20 日至 23 日去新加坡,住 Bugis 附近。每天 09:30 出发、21:00 回酒店,节奏轻松,喜欢建筑、美食和夜景。
1. 确认条件,把地点排进四天
发送前,右栏条件完整度是 5%。发送后,日期、同行人数、每日时段和兴趣显示在右栏,齐备时达到 100%,可进入详细规划;有缺项时会继续追问。进入后从核实的地点里挑选,再在分天板设置上午或下午。左侧「需要帮助」提供当前阶段的三个可点问题,答疑为只读。
| 日期 | 首次分天安排 |
|---|---|
| Day 1(12 月 20 日) | 上午安排赞美广场和艺术科学博物馆,后续核算发现赶不上。 |
| Day 2(12 月 21 日) | 下午到 Park View Square。 |
| Day 3(12 月 22 日) | 上午到 Maxwell Food Centre。 |
| Day 4(12 月 23 日) | 确认为休息/自由日,保留日期及必要的赴机场交通。 |
2. 输入航班,确定住宿路线
本例手填的演示时刻是 12 月 20 日 07:00 从上海浦东起飞、12:30 抵达新加坡,12 月 23 日 20:00 从新加坡返程、次日 01:30 抵达浦东。首日预留两小时办理入境和取行李,预计约 14:30 才能离开机场。末日按返程时刻倒推到机场的截止时间。实际出行按自己的机票录入。
住宿建议比较全程同住市政区约 47 分钟、Day 3 起换到牛车水约 129 分钟,后者含约 90 分钟换住估算。用户选了 12 月 20 日至 23 日在市政区连续住三晚。Google Places 按片区找并核实酒店,飞猪按酒店和入住退房日期补参考价。这次五家候选中三家有参考价、两家查询失败,未查到可核实的预算内结果。温德姆新加坡酒店当时参考价 ¥1445/晚,高于 ¥1300 的预算 ¥145。用户确认仍选这家后,酒店成为路线锚点。
3. 一次核对全程,连续处理多处冲突
首轮核算中,Day 2–Day 4 通过,Day 1 到赞美广场的最早预计时刻是 15:21,与上午安排冲突。尝试只改停留时长再核算,更新后的最早预计时刻仍是下午 15:11,原安排未被覆盖。预览把赞美广场改到下午后,系统又指出仍排在上午的艺术科学博物馆最早约 15:16 才能到。把博物馆也加到同一份下午调整后,预览通过,预计 17:56 结束,剩余约 3 小时 4 分钟。点击「确认全部调整」即可一次保存。跨天移动时也会逐日核对移出与移入的安排。
4. 留出自由时间,生成可分享的地图
保存后,Day 1 时间轴显示预计 14:59 到酒店、15:11 到赞美广场、16:14 到艺术科学博物馆,17:56 返店。这次加入 45 分钟的吃饭安排并重算后,尚未分配时间从约 3.07 小时变为 2.32 小时。V40 允许修改首日的当地结束时间、末日的当地出发时间,受航班约束的一端仍由航班和机场预留核算。
生成地图后,在 Day 1 可以问「酒店前台要提供什么资料吗」。本例答复提到护照、预订确认和押金担保,并提示按这家酒店的政策和订单核对。行程可以保存在本设备,也可以先预览只读快照、选择是否包含住宿,再创建有效期为 30 天的分享链接。
完整案例 开始规划 · 四日图解(38 张图) · 公开源码与复现说明
10 月 24 日之后的完整更新 规划决策与版本演进 · 修复、验证与发布记录













Activity
[-]【2026飞猪AI旅行创新大赛】[/-][+]【2026飞猪AI旅行创新大赛】Travelworld|将一切交给对话,把旅行变成一条走得通的路[/+]