📦 德胧商旅出行规划助手通用商旅出行规划技能

v1.0.0

v1.0 · 面向所有商务出差人士。一站式AI出行规划 + 全平台酒店比价 + HTML报告生成。集成12306 MCP(火车票实时查询)+ 高德地图(路径规划/POI/天气)+ Web搜索(航班/酒店价格)。支持**实时HTML报告生成**,所有预订链接真实可一键跳转。触发条件:...

0· 21·0 当前·0 累计
chaoliuzhu 头像by @chaoliuzhu (Chaoliuzhu)
下载技能包
最后更新
2026/4/21
0
安全扫描
VirusTotal
无害
查看报告
OpenClaw
可疑
high confidence
该技能的描述与旅行规划器相符,但其运行时指令依赖通过 npx 执行远程 npm 包,并假定具备未声明的平台能力(Node/npm、网络访问、可选 API 密钥)——这种不匹配及按需执行包的做法存在风险且未作说明。
评估建议
This skill is plausible for travel planning, but there are notable red flags you should consider before installing or enabling it: - npx usage: The SKILL.md runs commands like `npx -y 12306-mcp` and `npx -y xhs-mcp`. npx downloads and executes npm packages at runtime — that can run arbitrary code. Ask the author for the exact package versions and source code, or avoid running unreviewed npx installs. - Undeclared platform requirements: The skill implicitly requires Node/npm and outbound networ...
详细分析 ▾
用途与能力
The skill claims integrations (12306 MCP, 高德/AMAP, XHS MCP) that require running npm packages (npx -y 12306-mcp, npx -y xhs-mcp) and API keys. However metadata declares no required binaries or credentials. At minimum Node/npm and network access are implicitly required but not declared, which is inconsistent and misleading.
指令范围
SKILL.md instructs the agent to run external tools (npx commands), perform web searches/scraping, call AMAP SSE endpoints (with {AMAP_WEB_KEY}) and generate and return HTML reports/attachments/preview_url. These runtime actions go beyond simple question/answer flows and grant the skill broad discretion to execute downloaded code and fetch external data; the instructions do not constrain or sandbox those actions.
安装机制
There is no formal install spec, but the instructions call npx to fetch and run remote npm packages at runtime. npx executes code fetched from the npm registry (or other registries) on-demand — a high-risk pattern because arbitrary code can be executed without review or a declared, reproducible install process.
凭证需求
No required environment variables are declared; three AMAP-related keys are listed as optional. That is reasonable for map/weather functionality, but the skill will collect sensitive personal travel data (itinerary, dates, meeting locations) and may request or use API keys or security codes in practice. AMAP_SECURITY_CODE appears to be a secret-like variable; the skill gives no guidance about scope/retention of such keys.
持久化与权限
The skill is not always-on, does not request system config paths, and makes no claims about modifying other skills. It does request creation/return of HTML attachments/previews, which is normal for a reporting skill.
安全有层次,运行前请审查代码。

运行时依赖

无特殊依赖

版本

latestv1.0.02026/4/20

首发版本:12306火车票 + 高德地图 + 酒店比价 + HTML报告

无害

安装命令

点击复制
官方npx clawhub@latest install delonix-travel-planner
镜像加速npx clawhub@latest install delonix-travel-planner --registry https://cn.longxiaskill.com

技能文档

面向所有商务出差人士的AI出行规划能力
开源版本 v1.0 · 2026-04-09 · MIT License

---

一、技能概述

为所有商务出行人士提供一站式智能商旅出行规划 + 全平台比价预订服务。 v1.0 核心特性
  • 🚄 实时交通:12306 MCP 实时查票 + 高德路径规划 + 航班搜索
  • 🏨 全平台酒店比价:携程 / 飞猪 / Booking / Agoda / 去哪儿,平等推荐
  • 📊 智能预算:3档标准(经济/舒适/商务)+ 自动计算
  • 📱 HTML报告:实时生成精美HTML页面,所有链接真实可跳转
  • 🗺️ 地图集成:高德地图POI搜索 + 路径规划 + 天气查询
  • 📋 出行清单:自动生成携带物品清单

触发条件

  • "帮我规划出差" / "安排行程" / "出行计划"
  • "从X到Y怎么走" / "机票/火车票查询"
  • "帮我找酒店" / "X城市住宿推荐"
  • "预算多少" / "出差花费"
  • "目的地攻略" / "X天X城市旅游"

---

二、技术架构

2.1 工具链集成

| 能力 | 工具/平台 | 集成方式 | 状态 | |------|----------|---------|------| | 火车票查询 | 12306 MCP Server | npx -y 12306-mcp | ✅ 已验证 | | 地图+路径规划 | 高德地图 Web服务API | REST API | ✅ 可用 | | 地图MCP | 高德地图 MCP Server | SSE直连 | ✅ 可用 | | POI/天气 | 高德地图 API | REST API | ✅ 可用 | | 机票查询 | Web搜索 | 携程/飞猪/去哪儿 | ✅ 可用 | | 酒店搜索 | Web搜索 | 全平台比价 | ✅ 可用 | | 旅游攻略 | 小红书MCP | npx -y xhs-mcp | 🔶 可选 | | 报告生成 | 内联HTML模板 | 自研 | ✅ 内置 |

2.2 数据流

`` 用户输入(城市/日期/身份/预算) │ ├─→ 1. 交通方案查询 │ ├─→ 12306 MCP → 火车/高铁班次+票价+余票(实时) │ ├─→ 高德路径 → 自驾/公交方案 │ └─→ Web搜索 → 航班数据 │ ├─→ 2. 酒店推荐(全平台比价) │ ├─→ 高德POI搜索 → 目的地周边酒店 │ ├─→ Web搜索 → 各平台价格+评分 │ └─→ 生成多平台预订链接 │ ├─→ 3. 目的地信息 │ ├─→ 高德天气 → 目的地天气+穿衣建议 │ ├─→ 高德地图 → 会议/活动地点+周边POI │ └─→ Web搜索 → 攻略+美食+景点 │ ├─→ 4. 预算计算 │ └─→ 交通 + 住宿 + 餐饮 + 市内交通 → 总预算 │ └─→ 5. HTML报告生成 └─→ 精美HTML页面(地图+时间线+预算+预订链接) `

2.3 MCP服务器配置

`json { "mcpServers": { "12306-mcp": { "command": "npx", "args": ["-y", "12306-mcp"] }, "amap-mcp": { "type": "sse", "url": "https://mcp.amap.com/sse?key={AMAP_WEB_KEY}" } } } `

---

三、酒店推荐系统(全平台比价)

3.1 多平台平等推荐

不绑定任何酒店品牌,支持以下平台全比价: | 平台 | 定位 | 链接格式 | 优势 | |------|------|---------|------| | 携程 | 国内最大OTA |
https://hotels.ctrip.com/hotels/{id}.html | 房源最全 | | 飞猪 | 阿里系平台 | https://www.fliggy.com/hotel/ | 支付宝生态 | | 去哪儿 | 比价平台 | https://hotel.qunar.com/ | 价格透明 | | Booking.com | 国际酒店 | https://www.booking.com/hotel/ | 海外首选 | | Agoda | 亚洲酒店 | https://www.agoda.com/ | 东南亚/亚洲 |

3.2 预订链接模板

携程
` https://hotels.ctrip.com/hotels/{hotel_id}.html?checkIn={YYYY-MM-DD}&checkOut={YYYY-MM-DD}&adult=1 ` 飞猪` https://www.fliggy.com/hotel/?cityId={city_poi_id}&checkIn={YYYY-MM-DD}&checkOut={YYYY-MM-DD}&keyword={hotel_name} ` 去哪儿` https://hotel.qunar.com/city/{city_code}/dt-{hotel_id}/ ` Booking.com` https://www.booking.com/hotel/{hotel_slug}.html?checkin={YYYY-MM-DD}&checkout={YYYY-MM-DD} `

3.3 推荐原则

  • 价格优先:预算范围内性价比最高
  • 位置优先:距会议/活动地点近
  • 评分参考:≥4.0优先
  • 用户偏好:商务/度假/家庭
  • 全平台展示:同酒店多平台比价

---

四、执行流程 (SOP)

Phase 1: 需求理解

必须收集的信息(缺少时主动询问): | 参数 | 说明 | 示例 | |------|------|------| | 出发城市 | 用户出发地 | 北京 | | 目的城市 | 目的地 | 上海 | | 出发日期 | 预计出发日期 | 2026-05-15 | | 返回日期 | 预计返回日期 | 2026-05-17 | | 出行身份 | 职务/身份 | 企业员工 / 自由职业 / 管理层 | | 出行目的 | 差事内容 | 会议 / 培训 / 考察 / 展会 | | 会议/活动信息 | 地点、时间 | 上海新国际博览中心 | | 人数 | 出行人数 | 1人 / 多人 | | 预算范围 | 差旅预算 | 经济 / 舒适 / 商务 | | 住宿偏好 | 酒店档次 | 经济型 / 四星 / 五星 | | 交通偏好 | 出行方式 | 飞机优先 / 高铁优先 / 不限 |

Phase 2: 数据采集

2.1 交通方案查询
` 工具优先级:
  • 12306 MCP (实时数据): 查余票/车次/经停/换乘
  • 高德路径规划: 自驾方案(距离/时间/过路费/油费)
  • Web搜索: 航班数据(搜索"X到Y航班时刻表")

对每个方案输出:

  • 班次/航班号 + 出发到达时间 + 时长
  • 价格 + 座位等级
  • 推荐指数 + 优缺点分析
`

2.2 酒店搜索 ` 搜索策略:

  • 高德POI搜索 → 目的地周边住宿(类型050000)
  • Web搜索 → 各平台价格对比
  • 生成多平台预订链接

对每个酒店输出:

  • 名称 + 地址 + 距目的地距离
  • 各平台价格对比
  • 评分 + 设施标签
  • 预订链接(多平台)
`

2.3 目的地信息 ` 工具: 高德天气API + Web搜索 目标: 天气预报 + 穿衣建议 + 美食推荐 + 景点推荐 `

2.4 预算计算 ` 规则:

  • 交通: 机票往返 / 高铁往返 × 人数
  • 住宿: 参考价 × 天数 × 人数
  • 餐饮: 早(酒店含)/午(¥50-100)/晚(¥100-200) × 天数
  • 市内交通: 打车/地铁 约 ¥50-100/天
  • 杂费: 机场建设费、保险等

输出: {budget_breakdown, total_min, total_max} `

Phase 3: 行程编排

` 规则:
  • 会议/活动时间不可变动 → 以此为锚点
  • 交通方案要留出弹性时间(至少提前1小时到达)
  • 住宿选择综合考虑: 位置+价格+评分+预算匹配
  • 休闲时间自动填充
  • 预订链接: 各平台平等展示,用户自主选择
`

Phase 4: 报告生成

` 输出格式: HTML文件(内嵌CSS,无外部依赖) 文件命名: {destination}_travel_plan_{date}.html 报告结构:
  • Hero区: 出行概述(城市+日期+天数)
  • 交通方案对比表(推荐方案高亮,含预订链接)
  • 酒店推荐区(多平台比价,含预订链接)
  • 行程时间线(按时间排列)
  • 预算明细表
  • 目的地攻略(天气/穿搭/美食/景点)
  • 出行清单

交付:

  • HTML完整报告
  • deliver_attachments 回传文件
  • preview_url 预览
`

Phase 5: 对话引导

` 用户确认流程: AI: "以上是完整出行规划,推荐酒店A(携程¥380/飞猪¥365)。 请选择出行方案和住宿? ``

数据来源ClawHub ↗ · 中文优化:龙虾技能库