作品名称：现在就出发 — AI 本地路线智能规划管家
赛题：【赛题5】现在就出发：AI 本地路线智能规划
在线 Demo：https://121.41.81.58:8080
访问说明：Demo 部署在阿里云 ECS，使用 IP 地址 + 自签 HTTPS 证书。浏览器首次打开可能提示「连接不安全 / 有风险」，属正常现象，请点击 「高级」→「继续访问」（或 Chrome 的「Proceed to…」）即可正常使用，不影响功能体验。
以下为线上 Demo 同一套交互：自然语言输入 → 可点选补槽 → 工具并行调用 → 长方案 + 行程一览图。
| 补槽问卷与任务进展 | 方案总览与天气表 |
|---|---|
 |
 |
| 分时段详情与预算表 | 行程一览图 |
|---|---|
 |
 |
用户在出行或周末游玩时，往往要把「去哪玩、去哪吃、怎么串、时间怎么排」一次性想清楚。传统搜索/推荐需要用户自己筛 POI、自己拼动线、自己估时间，决策成本高；只说「附近逛逛」时，系统还容易猜错城市、人数或交通方式，给出两个店名就结束。
本项目的目标是：用户用一句自然语言说出意图，系统像本地出行管家一样，先快速补齐关键信息，再基于真实 POI 与路线数据，输出可照着走的完整方案；方案生成后，还支持自然语言微调（改午饭、改室内、改人数等），而不是每次从零开始。
| 场景 | 用户说法示例 | 核心诉求 |
|---|---|---|
| 周边半日 | 「今晚附近逛逛，两大一小」 | 4–6 小时动线，餐饮 + 玩乐/文化，别绕远 |
| 城市出行 | 「高铁到上海南站，中间 6 小时怎么玩」 | 以到站/离站为硬约束排锚点，最后一程回站 |
| 多日游 | 「南京 2 日，不爱走路」 | 分区动线、表格速览、预算与 Tips |
| 改方案 | 「午饭改成本帮菜，尽量室内」 | 在已有方案上局部重排，不重复整套问卷 |
两类主路径：场景 A（城市出行/跨区） 与 场景 B（周边时段游玩），槽位与搜点半径策略不同，由 travel-intake Skill 统一约束。
赛题要求首 Token < 10 秒。本项目把「快」绑在 槽位未齐时不调重工具：
- 阶段 A（补槽）：2～3 道带 A/B/C/D 的选择题，只问还缺的维度（人数、时段、美食偏好、交通方式等）；网页端支持 可点选 pill + 确认提交。
- 阶段 B（出方案）：先一句「正在查天气并搜点…」，再并行调用天气、POI 检索、相邻点路线计算，输出长文方案。
这样首响不卡在「模型一上来就搜 20 个 POI」，评委和用户都能很快看到系统在「听懂并反问」，而不是长时间空白。
- OpenClaw 承载多轮对话、流式输出、工具调用与会话持久化。
- 核心 Skill 分工：
travel-intake（补槽）、local-itinerary-planner（出方案）、route-and-mobility（动线）、mock-user-prefs-reviews（偏好/语料加权说明）。 - SOUL.md 规定大阶段一/二路由：已有完整方案后，区分「只问答 / 改槽位 / 重新规划」，避免逢话必出全套行程表。
| 类型 | 来源 | 用途 |
|---|---|---|
| POI、驾车路线 | 高德开放平台 | 搜点、算距、照片与地点链接 |
| 天气 | Open-Meteo | 排户外/室内、穿搭提示 |
| 用户偏好、点评式语料 | MEMORY.md + mock 种子 |
个性化筛选说明（非真实隐私） |
硬约束对齐：餐饮 + 娱乐/文化 两大类；单条路线 ≥3 个 POI；方案含速览表、分时段、预算、Tips，信息密度对齐 docs/理想回答.md。
- 可点选问卷：解析助手 Markdown 中的选择题，独立卡片展示，降低补槽摩擦。
- Markdown + Mermaid 渲染：行程表、动线图、POI 配图在聊天气泡内直接可读。
- 行程一览图：长方案完成后可选生成配图，辅助「一眼看懂动线」。
- 任务进展侧栏：工具调用过程可见，正文只保留用户需要的方案内容。
除人工体验外，本项目在阿里云 ECS 上对 与线上一致的 Agent 链路 做了 6.3 方案 批量测评（VitaBench 风格 Orchestrator + rubric 滑动窗口打分）：
- 50 条固定任务（周边半日 / 城市出行 / 含餐约束等），覆盖 easy / medium / hard。
- 选定模型 Qwen 在 ECS 跑批，产出 run 轨迹、eval 明细与
qwen_6.3_测评报告.html可视化报告。 - 测评与线上共用
workspace/SOUL.md+ Skills + MCP，保证「测的就是 Demo 用的那套 Agent」。
详见 docs/6.3测评/ 与 测试/模型选型/results/v63-batch/。
flowchart LR
U[用户输入意图] --> A{槽位是否齐全}
A -->|否| Q[2～3 道选择题<br/>首 Token 快]
A -->|是| ACK[首响：正在查…]
Q --> ACK
ACK --> T[并行：天气 + 搜 POI + 算路线]
T --> P[完整方案：表 + 分时段 + 预算 + Tips]
P --> F{用户后续}
F -->|只问细节| S[短答，不重出全文]
F -->|改约束| R[重查工具，新一版方案]
F -->|换城市/换纲| Q
示例（周边半日）
- 用户：「鼓楼区附近，两大一小，今晚 3 小时逛逛。」
- 助手：确认已得信息 + 1 题美食偏好（A 本帮 / B 火锅 / C 轻食 / D 默认）。
- 用户点选后，助手首响 → 查天气 → 搜公园/博物馆 + 本帮菜 → 两两
plan_route→ 输出带表格与高德链接的长方案。 - 用户：「午饭换江浙菜，尽量室内。」→ 模式②，不重走问卷，直接出新方案。
| 产品能力 | 实现层 |
|---|---|
| 聊天与流式 | gateway-chat-ui + OpenClaw WebSocket |
| 意图/阶段控制 | workspace/SOUL.md + Skills |
| 地图/天气/路线 | Python MCP run_mcp.py → lifecare_* 工具 |
| 定位上下文 | gateway_context_api.py（IP/坐标注入对话） |
| 模型测评 | 测试/模型选型/ + ECS 批跑 + HTML 报告 |
| 部署 | ECS + Nginx（HTTPS 8080 → 网关 18789） |
不把路线逻辑写死在网页里：网页负责呈现与交互，Agent + MCP 负责规划，便于替换模型、扩展工具。
| 赛题要求 | 本项目的做法 |
|---|---|
| 首 Token < 10s | 槽位未齐不调搜点/算路；槽位齐后先 flush 首响再调工具 |
| POI 覆盖餐饮 + 娱乐/文化 | local-itinerary-planner 硬约束 + 多轮关键词搜点 |
| ≥3 个 POI 串联 | 半天至少 3 锚点 + 1 餐；成对 plan_route 排顺序 |
| 多条件与个性化 | intake 选择题 + mock 偏好加权 + 自然语言改方案 |
| 路线真实可用 | 高德 POI/驾车路线为主数据；时间轴闭合、回出发点/车站 |
- UGC/真实点评库：赛题允许范围内使用 mock 语料辅助筛选说明，不冒充真实点评隐私数据。
- 跨城大交通订票：只做时间约束，不伪造购票结果。
- 完整方案耗时：本项目设定的 SLA 为槽位齐后 完整长方案约 3 分钟内；与「首 Token 10 秒」分工明确，答辩时可单独说明。
- 多方案对比卡片（「省力版 / 深度版」）供用户点选。
- 基于用户确认方案后的行为，更新长期偏好记忆（在合规前提下）。
- 扩大 6.3 测评任务集，持续跟踪模型迭代对路线质量的影响。
| 位置 | 路径 | 说明 |
|---|---|---|
| 线上 Demo | https://121.41.81.58:8080 | 作品链接；自签证书提示「不安全」时点继续访问即可 |
| ECS 代码 | /root/meituan-lifecare-agent/ |
与 GitHub 仓库代码一致 |
| ECS workspace | ~/.openclaw/workspace/ |
与仓库 workspace/ 对齐（SOUL、Skills、MEMORY） |
| 6.3 批跑 | 同机 OpenClaw Gateway + MCP | 与 Demo 同一套 Agent，非另一套脚本 |
代码同步脚本（维护用）：gateway-chat-ui/scripts/ecs_apply_lifecare_openclaw.py。
- 复制
.env.example→.env，填写AMAP_KEY、模型 Key。 python -m venv .venv→pip install -r requirements.txt。- OpenClaw 配置
mcp.servers.lifecare→run_mcp.py（见reference/）。 - 同步
workspace/到 OpenClaw workspace。 cd gateway-chat-ui && npm ci && npm run build，Nginx 托管dist/。- （可选）
docker compose up -d启 Redis 缓存。
更多细节见 docs/开发与部署说明.md。
克隆仓库后，用浏览器直接打开：
测试/模型选型/results/v63-batch/qwen/qwen_6.3_测评报告.html
测评方案说明见 docs/6.3测评/6.3测评流程.md。