Repository navigation
Description
参赛项目名称
RouteCheck · 出发前的行程安检员(自由方向)
不替你重新做攻略,而是检查你已有的整趟旅行哪里会出问题。
AI 行程安检 · 材料直接提交 · 六维健康分 · 地图/天气/票价真实核验 · 对话修正与自动复查 · 出发前复检
团队 / 作者与奖品领取人
- 团队名称:RouteCheck(个人参赛)
- 主要提交人 GitHub ID:NotSleeply
- 其他成员:无,个人独立开发
旅行场景与目标用户
背景:AI 已经不缺"会规划",缺的是"能验证"。
攻略、路线、行程表现在都能一键生成,但这些内容并没有经过真实核验。真实旅行里错一次的代价很直接:误车、跑错车站、预约时段对不上、路上时间不够、下雨还在爬山。通用聊天工具不会真的去查班次、门票、路况和天气,只会给出"看起来合理"的答案。
而用户在出发前,手里其实已经有材料:订单截图、聊天记录、自己排的行程表、想去的景点。他们需要的不是再生成一份新攻略,而是把已有行程当作待安检对象检查一遍、指出问题并帮着改好的工具。
目标用户:
- 自己做攻略、行程里有多个约束(车次、预约、跨城、多人)的自由行用户;
- 情侣、家庭、朋友同行,需要核对时间衔接与多人安排的人;
- 对"AI 说的靠不靠谱"敏感、希望每条结论都能看到依据的用户。
典型场景:
- 周末城市游:两天塞了 5 个景点,想确认第二天赶不赶得上返程高铁;
- 多城出差/旅行:上海—南京—杭州,换乘时间、市内交通与酒店位置是否合理;
- 出发前复检:临行前改了其中一个安排,想确认没有把后面的衔接弄崩。
我做了什么
RouteCheck 是一个「行程安检 + 修正闭环」的旅行工作台。它不是又一个行程生成器,而是检查你已有的整趟旅行:
- 材料直接提交:行程文字、订单截图、TXT/Markdown/CSV/JSON 附件可以混合提交,不需要先整理成固定格式。提交后自动整理成右侧时间线,并直接给出排雷结果。
- 真实工具核验:接入飞猪 FlyAI(车次/航班/酒店/门票/玩乐数据)、Tavily(官方渠道联网补查)、高德地图(同城步行/驾车/公交参考耗时)、和风天气(未来 7 天逐日预报)。AI 通过工具调用按需查询,查询来源与时间随建议一起保存。
- 六维健康分 + 可追溯问题:按时间、衔接、预算、预约、空间、信息完整度六个维度评分;每条问题都定位到行程单的具体行,并附实际来源;查不到的信息明确标注未知,不编造。
- 地图路段余量:按天画出真实底图路线,标出每段的参考耗时、可用时间窗与余量;余量为负时标「赶不上」。行程里没写移动行时按相邻地点保守推断,并标注「按行程推断」。
- 天气影响与调整:行程日期在未来 7 天内时,按城市和日期查询逐日天气;雨雪、大风、高温等会影响户外活动时,优先建议调整未锁定的安排,写明日程与「预报」口径,不擅自改动已订交通住宿。
- 对话式修正 + 自动复查:在左侧对话里说「把返程改到 18:30」「第二天下午换成室内」,AI 更新行程后自动复查评分与问题;已订/锁定的安排由服务端保护,AI 不能擅自删改。
- 方案对比与一键重排:把当前行程保存为命名方案,并排比较健康分、问题分布与检查时间;也能让 AI 给出 2–3 个改法候选,预览差异后采用并复查。
- 出发前复检:出发日期从行程自动推导,出发前 72/24 小时提醒复检,并展示「与上次检查相比」新增/解决了哪些问题、健康分变化。
- 分享与沉淀:健康分分享卡、完整报告长图/PDF、日历导出;社区可以分享自己的行程,其他人浏览后按日期采用为自己的新行程。
- 账号与隐私:数据按账号隔离、附件受控访问;可本地/自托管运行(Docker + SQLite),第三方密钥只保留在服务端,不下发浏览器。
工程完成度: 全量 441 项自动化测试(服务端 API / 工具 / 评分 / 上下文 + 前端组件);Playwright 端到端走查 19 项覆盖主要路径;TypeScript 全仓类型检查、构建与格式检查接入 CI;桌面与手机端均可用。
创新点: 把「验证层」做成产品——不是替用户生成内容,而是对已有行程做检查、修正、复查的闭环,并让每一条结论尽量绑定真实可核验的来源。
百炼使用说明(必填)
当前为报名占位版本(2026-11-18 提交)。百炼接入正在开发中,完成后会把本段替换为实际调用方式、实测截图与演示视频。
- 百炼能力 / 模型(计划):阿里云百炼 DashScope 通义千问系列;文本推理负责行程检查与工具编排,视觉模型负责订单截图识别。
- 调用方式(计划):通过 DashScope SDK / 百炼 OpenAI 兼容 API 接入现有模型网关;工具编排由服务端执行(飞猪 FlyAI、高德、天气、联网查询)。
- 使用环节与输入输出(计划):
- 输入:行程文字、订单截图/附件、用户补充要求;
- 处理:识别截图与文字 → 判断需要核验的路段/预约/天气 → 调用真实工具 → 综合给出问题、依据与行程更新;
- 输出:六维健康分、问题清单与来源、更新后的行程单、可采纳的调整方案。
- Skill 名称:飞猪官方 FlyAI Skill(https://github.com/alibaba-flyai/flyai-skill)。
- 其他工具 / 技术栈:Vue 3 + Vite、Node.js 24 + Express + SQLite、TypeScript、Playwright、Docker;飞猪 FlyAI CLI、高德 Web 服务、和风天气、Tavily。
效果展示
以下截图均为产品实际运行界面(演示用固定样例数据),由自动化浏览器走查生成。
首页:出发之前,检查整趟旅行
提交材料后直接给出排雷报告:六维健康分 + 逐条问题
问题可定位到行程单具体行;健康分由服务端按严重度扣分计算,未知信息不计为已核验。
对话改行程 → 自动复查,直到衔接跑通
改完返程与景点时间后自动复查:确认冲突已解决,健康分从 59 更新为 100。
地图:真实底图 + 每段耗时与余量
余量为负时直接标「赶不上」,并写清参考耗时、可用时间与来源。
方案对比:当前行程 vs 改法
一键重排:先给 2–3 个改法候选,采用后才改
分享卡与社区行程
健康分分享卡可下载;社区里可以浏览、点赞、评论别人的行程并采用。
项目链接与复现方式
- 产品首页(静态部署):https://notsleeply.github.io/RouteCheck/
- GitHub 仓库 / 在线 Demo:报名占位版本暂不公开(公开前会清理默认口令、内部文档与密钥);完成后本段补充仓库地址、完整可体验的在线 Demo 与演示视频。
- 本地复现(当前代码):
- 安装 Node.js ≥ 24、pnpm 9.15;
pnpm install,复制.env.example为.env,填写MODEL_*、FLYAI_API_KEY、TAVILY_API_KEY、AMAP_API_KEY、QWEATHER_*;pnpm build后pnpm start,打开 http://127.0.0.1:3000;- 支持 Docker 部署;健康分与报告口径见
docs/health-report.md。
踩坑记录(可选)
- "看起来合理"是最大的风险:通用模型会编班次、门票价格或预约规则。解决方式是把"真实查询"做成必经工具,为每次查询建立记录并让建议引用来源;查询失败或未配置时明确降级,不编造结论。
- 工具顺序会污染结论:飞猪结果出来之前就联网补查,会让模型拿着旧前提做判断。服务端因此做了顺序约束:飞猪完成前不开放联网、同一轮不允许混发,必须读取结果后下一轮再判断是否补查。
- "能改"与"别乱改"的矛盾:用户希望直接改行程,又怕 AI 改掉已订安排。最终采用右栏只读 + 左侧对话修改 + 服务端锁定行保护:AI 违反锁定会先被纠正,仍失败则本次检查不落库。
- 证据绑定:报告里涉及"是否需要预约"的结论必须绑定真实来源编号与原文引用,缺少依据时先纠正再输出,减少"有道理但没依据"的建议。
- 长对话与成本:截图和长对话会撑爆上下文,做了 token 预算、历史摘要检查点与图片预算,保证多轮修改后仍能复查。
本 Issue 为报名占位版本(2026-11-18):百炼接入、公开仓库、在线 Demo 与演示视频完成后会更新本 Issue。欢迎在评论里提建议。
Activity