帮我规划一趟旅行：多技能联动的复合任务拆解与编排技巧

"我想去东莞玩 3 天，帮我规划一下" —— 这句话触发了景点搜索、餐厅推荐、路线规划、天气查询、行程编排五个技能的联动。本文拆解复合任务的编排逻辑，分享让 Agent 规划得更好的技巧。

场景画像

高频指令：

• "我想去东莞玩 3 天，帮我规划一下"
• "这周末去哪里玩比较好"
• "帮我查一下从松山湖到虎门怎么走"
• "东莞有什么好吃的推荐"

为什么这个场景最能体现 Agent 价值：

旅行规划是一个典型的多步骤、多信息源、需要综合判断的任务。人工完成需要：打开高德地图搜景点 → 打开大众点评搜餐厅 → 打开天气 App 查预报 → 打开备忘录编排行程。Agent 可以在一次对话中完成所有这些步骤。

场景拆解：五个技能的联动

步骤一：景点搜索

# 搜索东莞景点（风景名胜 + 博物馆），返回 20 个候选
python3 skills/map/scripts/map.py attractions --city 东莞 --page-size 20 --json

返回数据包含：景点名称、地址、评分、类型、经纬度。

步骤二：餐厅推荐

# 搜索东莞美食（自动排除快餐），返回 20 个候选
python3 skills/map/scripts/map.py restaurants --city 东莞 --page-size 20 --json

步骤三：天气查询

# 查询东莞未来 3 天天气预报
python3 skills/weather/scripts/weather.py forecast 东莞 --json

天气数据直接影响行程安排——如果第二天有雨，Agent 会把室内景点（博物馆）安排在那天。

步骤四：路线规划

# 关键景点间的驾车路线
python3 skills/map/scripts/map.py driving \
  --origin "旗峰公园" --destination "可园博物馆" \
  --origin-city 东莞 --dest-city 东莞

# 公交路线
python3 skills/map/scripts/map.py transit \
  --origin "东莞火车站" --destination "松山湖" \
  --city1 0769 --city2 0769

步骤五：LLM 综合编排

Agent 拿到所有数据后，由 LLM 进行智能编排：

• 根据景点位置聚类，减少跨区奔波
• 根据天气安排室内/室外活动
• 在景点之间插入餐厅推荐
• 计算每段路线的耗时，确保行程合理

提示词技巧：让规划更贴心

技巧一：提供约束条件

无约束版本：

帮我规划东莞 3 天行程

有约束版本：

帮我规划东莞 3 天行程：
- 出行方式：自驾
- 住宿区域：松山湖附近
- 偏好：自然风光 > 人文历史 > 商业购物
- 餐饮：喜欢粤菜和海鲜，预算人均 100-200
- 每天不要安排太满，下午留 1-2 小时休息
- 如果有雨天，安排室内活动

技巧二：分阶段规划

不要一次性要求完整行程，而是分阶段：

第一步：帮我搜一下东莞有什么值得去的景点，列个清单

看完清单后：

我对旗峰公园、可园、松山湖感兴趣，帮我把这三个安排到行程里，
再推荐每个景点附近的餐厅。

最后：

帮我查一下这三天的天气，如果有雨天就调整一下顺序。
然后算一下每段路线的驾车时间。

这种分阶段方式让你在每一步都有控制权，避免 Agent 一次性生成一个你不满意的完整行程。

技巧三：利用记忆实现个性化

如果你经常让 Agent 规划旅行，可以建立旅行偏好记忆：

记住我的旅行偏好：
- 不喜欢人多的景点
- 喜欢自然风光和历史古迹
- 吃饭偏好粤菜，不吃辣
- 出行方式通常是自驾
- 每天行程不要超过 3 个景点

技巧四：行程输出为网页

行程规划好之后，帮我做成一个精美的旅行攻略网页，
包含每天的行程卡片、景点图片占位、路线时间、天气信息，
然后部署到线上，我好分享给朋友。

这会触发 web-design 技能，生成一个带 Tailwind CSS 排版的 HTML 行程页面。

技巧五：实时调整

旅行中遇到变化？直接告诉 Agent：

第二天下雨了，帮我把室外的旗峰公园换成室内的东莞科技馆，
重新算一下路线。

Agent 会调用 map 技能重新规划路线，并更新行程。

技术细节：AgentLoop 的多轮编排

旅行规划是 AgentLoop 迭代次数最多的场景之一，通常需要 6-10 轮：

第 1 轮：加载 map 技能 SKILL.md
第 2 轮：搜索景点（map attractions）
第 3 轮：搜索餐厅（map restaurants）
第 4 轮：查询天气（weather forecast）
第 5 轮：计算路线 A→B（map driving）
第 6 轮：计算路线 B→C（map driving）
第 7 轮：LLM 综合编排，生成行程表
（可选）第 8-9 轮：生成 HTML + 部署

AgentLoop 的 max_iterations 默认为 10，刚好覆盖这个场景。如果行程更复杂（5 天以上、多城市），可能需要使用子代理（spawn）来处理。

边界与局限

• 景点信息有限：高德 API 返回的是 POI 基础信息（名称、地址、评分），不包含详细介绍和图片
• 餐厅推荐无评价：只有名称和地址，没有用户评价和菜品推荐
• 公交路线需要城市编码：不是所有用户都知道自己城市的编码（东莞是 0769）
• 不支持酒店预订：只能推荐区域，不能直接预订

小结

旅行规划是 AI Agent 多技能联动的典型场景——它需要 map（景点+餐厅+路线）、weather（天气）、memory（偏好）、web-design（行程页面）四个技能的协同工作。关键技巧是：提供明确的约束条件、分阶段规划保持控制权、利用记忆系统积累个人偏好。当 Agent 了解你的旅行风格后，一句"帮我规划周末出游"就能得到高度个性化的行程方案。