立项原因：传统旅行规划依赖用户自行查找大量分散的攻略、天气、交通、门票等信息，效率低下且难以个性化。本项目的核心目标是打造一个集实时天气查询、智能景点推荐、自动行程规划与AI对话于一体的智能旅游助手，解决信息碎片化问题，提升出行决策效率与体验。
行业场景与业务背景：随着国内旅游市场持续升温，自由行占比逐年上升，用户对实时、精准、个性化的行程服务需求强烈。然而现有OTA平台侧重预订，缺乏基于实时天气和用户偏好的动态行程生成能力。本项目通过结合大语言模型、实时API（天气、搜索）和结构化规划算法，为旅行者提供从“天气→景点→每日行程”的全链路智能服务，适用于个人出行、家庭游、商务差旅等多元场景。
实时天气查询：通过wttr.in API获取任意城市的当前天气状况（描述、气温）。
智能景点推荐：基于城市和天气条件，使用Tavily搜索API从互联网获取并总结最适合的景点及理由。
个性化行程规划：接收用户输入的日期、人数、预算等级、偏好标签（如美食/亲子/轻奢），自动生成按天细分的行程，包含具体景点、餐厅、酒店、交通方式及费用明细。
AI对话助手：在行程规划基础上，用户可随时向AI提问，获取关于目的地、美食、住宿、交通等深度建议和答疑。
主要功能描述：用户只需提供目标城市、出行日期、偏好与预算，系统即通过大语言模型（LLM）生成每日景点清单，再利用多路搜索（Tavily、SerpAPI）并行获取每个地点的真实名称、地址、门票价格、营业时间，同时智能匹配附近的早餐/午餐/晚餐餐厅和酒店，并计算景点间的合理交通方式与费用。最终输出一份结构化的每日行程表（含时间线、地点、费用），并支持AI对话进一步细化或调整计划。整个流程从信息获取到决策，全程由AI驱动，真正实现“一句话搞定行程”
我负责的具体任务：
设计并实现基于ReAct模式的LLM Agent主循环（main.py），负责解析用户意图、调用工具、处理多轮推理，并处理Finish条件。
开发get_weather和get_attraction两个工具函数，集成wttr.in和Tavily API，实现实时数据获取。
编写trip_planner.py中的核心行程生成逻辑，包括调用LLM生成景点列表、使用线程池并发搜索地点详情（SerpAPI优先，Tavily备用）、实现餐厅多样化搜索（早午晚餐）、交通方式智能匹配（公交/地铁/打车）及费用计算。
封装OpenAI兼容客户端（OpenAICompatibleClient），统一管理API密钥、端点、重试和错误处理。
设计Pydantic数据模型（schemas_trip.py）保证输入输出结构化，并编写前端Vue3基础框架（含代理配置、ESLint、Babel等），预留后端接口对接。
项目技术栈、架构与实现亮点/难点：
技术栈：前端采用Vue3 + Element Plus + BootstrapVueNext，使用Vue CLI构建；后端为Python 3.9+，依赖OpenAI SDK、Tavily、SerpAPI、Requests、Pydantic；工程化配置包括ESLint、Babel、Webpack代理（高德地图跨域）。
架构：前后端分离，前端通过代理转发至高德地图API，后端作为独立服务（或嵌入脚本）提供推理与数据检索能力。核心Agent采用ReAct（Reasoning + Acting）模式，结合系统提示词强制执行“Thought-Action-Observation”循环，确保可控推理。
评论