城知产品系统Vibe Coding

传统文旅行业存在三大痛点：一是游客获取攻略依赖搜索引擎和零散UGC内容，信息碎片化且缺乏个性化，需要在多个平台交叉对比；二是多源实时数据（天气、路况、门票、预算、网红打卡点）分散在不同服务商，用户自行整合决策成本高；三是中小城市和非遗民俗文化缺乏数字化传播手段，年轻用户对本地文化认知停留在表面。

「城知」是一个基于大模型ReAct架构的AI文旅Agent，旨在通过LLM自主调度多源工具，为用户自动生成个性化旅游攻略。项目采用FastAPI构建后端，通过OpenAI兼容接口对接DeepSeek大模型，实现Function Calling工具调度；内置天气、路况、景点信息、预算计算、联网搜索、本地知识库共6个工具，LLM根据用户问题自主决定调用顺序。系统采用Planner任务拆解→Executor执行循环→Reflector反思校验的三段式Agent链路，并支持多城市并行协作——当用户提到多个目的地时，多个城市Agent并行收集信息后由总控官整合行程。知识库覆盖川渝9个城市的民俗、景点、美食、交通结构化内容，内置川江号子、川剧变脸、铜梁龙舞、荣昌折扇等非遗民俗；通过关键词路由识别全国60余个旅游城市，无本地知识的城市自动切换联网搜索。项目已完成全链路开发与三轮自动化测试，可直接在线演示。项目已报名参加 2026 年第二届重庆市 AI 大模型应用创新大赛 AI 创意组，目前正在评审中。

「城知」是基于大模型ReAct架构的AI文旅助手，用户用自然语言描述需求（如"重庆3天2晚预算2000喜欢美食"），系统自动调度多源工具生成个性化攻略。

1. 多工具自主调度：LLM通过Function Calling自主决定调用天气、路况、景点信息、预算计算、联网搜索、本地知识库共6个工具，串联获取实时信息后输出完整攻略。

2. 三段式Agent链路：Planner拆解任务→Executor以ReAct循环执行工具调用（最多8轮）→Reflector自动检查时间冲突、天气矛盾、地名张冠李戴等硬错误并修正。支持对话流式输出。

3. 多城市并行协作：通过句式NLP区分出发地与目的地，行程涉及多个城市时最多同时调动3个城市Agent并行收集信息，按出现顺序编排，最后由总控官整合。

4. 城市IP人格化：川渝11个城市配置专属IP角色（重庆"渝渝"、成都"蓉蓉"等），关键词自动识别并路由；全国60余城关键词识别，无本地知识时自动fallback联网搜索。

5. 非遗文化展示：前端非遗文化墙展示川江号子、川剧变脸、铜梁龙舞、荣昌折扇等项目，含图文详情、互动舞台和"问AI"功能。

6. 团建与预算：团建表单收集城市/人数/预算/偏好后由AI生成行程建议；独立预算工具按城市消费档拆分餐饮、住宿、门票、交通明细。

技术栈：Python+FastAPI+DeepSeek大模型（OpenAI兼容接口）+ChromaDB向量库+SQLite+原生HTML/JS前端，集成和风天气、高德地图、博查搜索。SQLite持久化会话并自动裁剪上下文，工具调用带10秒超时保护和异常降级。

本人独立完成该项目的全栈开发，由豆包主导编码与测试，Trae、Crow5辅助，同时自主完成架构设计、Prompt工程和工具编排。

技术栈：后端Python + FastAPI，通过OpenAI兼容接口对接DeepSeek大模型；前端原生HTML/CSS/JavaScript单页应用；SQLite存储会话历史；ChromaDB用于知识库向量构建；集成和风天气、高德地图、博查搜索三个外部API。

架构实现：采用Planner-Executor-Reflector三段式Agent链路。Planner通过LLM输出JSON拆解任务；Executor以ReAct循环自主调用6个工具（天气、路况、知识库、联网搜索、景点、预算），最多8轮直至信息充分；Reflector自动检查攻略中的时间冲突、天气矛盾、地名张冠李戴等硬错误并输出修正版本。同时实现Collaborator多城市并行协作，用户提到多个目的地时最多同时调动3个城市Agent并行收集信息后由总控官整合。

测试情况：编写了41条回归测试用例（34条城市识别确定性测试+7条端到端Agent测试），经过基线、Planner优化、最终版三轮迭代评估，最终41条用例100%通过；端到端测试真实调用大模型和外部API验证输出质量。

实现难点：1）通过句式NLP区分出发地与目的地（"我在重庆"vs"去成都"），避免城市IP误切换；2）工具调用统一10秒硬超时和异常降级，单个外部API失败不影响整体回复；3）SQLite会话历史自动裁剪最近30条，兼顾长程记忆与token控制；4）LLM调用封装指数退避重试应对限流，流式输出通过SSE推送到前端。