Important
可直接体验项目,完整体验项目功能可自行本地部署,受风控影响在线体验没有接入小红书:旅途星辰 (TripStar) - AI 旅行智能体
其中包括:旅行计划、景点地图概览、预算明细、每日行程:行程描述、交通方式、住宿推荐、景点安排(地址、游览时长、景点描述、预约提醒)、餐饮安排、天气信息、知识图谱可视化、沉浸式伴游 AI 问答......
旅途星辰 (TripStar) 是一个创新的 AI 文旅智能体应用,基于 HelloAgents 框架打造的多智能体协作文旅规划平台,旨在解决用户在规划旅行时面临的"信息过载"和"决策疲劳"问题。
有别于传统的旅游攻略网站,本项目采用了基于 大语言模型 (LLM) 和 多智能体 (Multi-Agent) 协作架构的创新模式。它能像一位经验丰富的人类旅行管家一样,全面考虑用户的个性化需求(偏好设置:交通方式、住宿风格、旅行兴趣、特殊需求等),自动搜索旅行信息、查询当地天气、精选酒店并规划最优景点路线,以快速完成旅游攻略。
- 小红书深度集成: 景点推荐与攻略数据直接来源于小红书真实用户游记,通过 LLM 智能提纯,获取最真实的避坑指南与打卡建议。景点图片也通过小红书实时搜索获取,确保展示的是网友最新实拍的真实风景照。
- 景点预约提醒: 智能识别小红书游记中提及的需要提前预约的景点(如故宫、陕西历史博物馆等),在行程卡片中醒目标注预约提示与预约渠道信息,防止白跑一趟。
- 多语言与国际化支持: 深度集成 Vue I18n,同时在 LLM 提示词层及知识图谱底层实现语言自适应适配。系统界面及 AI 问答全程支持多语言(中/英/日)无缝切换,连同生成的旅行规划数据会自动翻译为目标语言,为全球旅行者打造无障碍的行程规划体验。
- 双地图引擎高定互动展现: 深度集成并支持 Google Maps 与 高德地图 (AMap) 双引擎的无缝切换与自动回退。国外使用 Google Maps,国内回退高德。动态绘制"起点-景点-终点"的真实经纬度打卡路线,提供高级定制底图配色,一眼预览景点位置方便安排行程。
- 精准预算明细面板: 智能汇总门票、餐饮、住宿与交通等多维度花销账单,提供直观的财务面板报表,让出行预算尽在掌握。
- 多智能体协作协同: 采用分工明确的多个 Agent(如天气预报员、酒店推荐专家),通过工作流 (Workflow) 协同完成复杂的旅行规划任务。
- 知识图谱可视化: 将生成的行程数据实时转换为节点关系图,直观展示"城市-天数-行程节点-预算"的空间结构。
- 沉浸式伴游 AI 问答: 在生成报告后,提供悬浮式 AI 问答窗口(左下角),AI 拥有完整行程的上下文记忆,用户可随时针对行程细节(如票价、适宜性)进行追问。
- 奢华暗黑玻璃拟物风: 全新设计的暗黑系玻璃拟物化 (Dark Luxury Glassmorphism) 界面,提供极具沉浸感的高级视觉体验。
举个例子要去中国——西安玩耍,只需要填写地点、日期、偏好设置,即可等待行程规划的结果,一眼预览如何安排旅游景点
本项目采用标准的前后端分离架构,分为前端 Vue 交互层、后端 FastAPI 服务层和 LLM/Agents 的智能推理层。
sequenceDiagram
autonumber
participant Client as Frontend (User)
participant Route as api/routes/trip.py
participant Planner as trip_planner_agent.py
participant XHS as xhs_service.py
participant Maps as map_dispatcher.py
participant LLM as llm_service.py
participant POI as api/routes/poi.py
participant KG as knowledge_graph_service.py
Client->>Route: POST /api/trip/plan (城市,天数,偏好)
Route-->>Client: 返回 task_id & ws_url
Route->>Planner: 启动异步任务 _run_trip_planning(request)
Client->>Route: WebSocket 订阅 /ws/{task_id}
Note right of Route: 通过 WebSocket 实时推送任务 processing/progress 状态
rect rgb(240, 248, 255)
Note over Planner, LLM: 并发阶段 (asyncio.gather 优化)
par [1/3] 景点搜索:小红书原生接口提纯
Planner->>XHS: search_xhs_attractions(city, keywords, lang)
XHS->>XHS: XhsNativeClient 原生签名直连 / SSR 备用爬取
XHS->>LLM: 抛入游记杂文,Prompt 要求提纯出景点JSON数组
LLM-->>XHS: [{"name": "故宫", "duration": 120, ...}]
loop 为每个提纯出的景点补齐坐标
XHS->>Maps: geocode_unified(name, city)
Note right of Maps: Google 地理编码优先,失败降级高德 REST
Maps-->>XHS: 经纬度 {longitude, latitude}
end
XHS-->>Planner: 拼接整理好的小红书景点候选文本
and [2/3] 天气搜索:智能体调用 Tool
Planner->>Planner: weather_agent.run()
Planner->>Maps: 代理调用 Google/AMap MCP Weather Tool
Maps-->>Planner: 返回未来天气数据
Note right of Planner: Google API若失败,自动回退请求高德天气REST接口
and [3/3] 酒店搜索:智能体调用 Tool
Planner->>Planner: hotel_agent.run()
Planner->>Maps: 代理调用 Google/AMap MCP POI Text Search
Maps-->>Planner: 返回酒店列表
end
end
rect rgb(255, 240, 245)
Note over Planner, LLM: 串行聚合阶段:最终规划融合
Planner->>LLM: 拼接景点、天气、酒店上下文进入终极 Planner Prompt
LLM-->>Planner: 【高危操作】返回包含行程、预算等复杂嵌套的 JSON 字符串
Planner->>Planner: _parse_response() 容错解析
Note right of Planner: 1. 清理杂乱字符<br>2. 修复未转义引号<br>3. 截断修复(补齐括号)<br>4. 暴力提取<br>5. 若均失败再求助 LLM 修补
end
Planner->>KG: build_knowledge_graph(trip_plan, lang)
Note right of KG: 提取城市、日程、景点、预算、建议的节点与关联边,并按多语言翻译标签
KG-->>Planner: graph_data (nodes, edges, categories)
Planner-->>Route: 返回完整 TripPlanResponse 结构
Route->>Route: _update_task_state(status="completed")持久化至磁盘
Route-->>Client: WebSocket 推送成功结果 (含 plan JSON 及 graph 拓扑)
rect rgb(240, 255, 240)
Note over Client, XHS: 异步前端懒加载:景点图片搜图
Client->>POI: GET /api/poi/photo?name=xxx
POI->>XHS: get_photo_from_xhs(keyword)
XHS->>XHS: 原生搜索 "xxx 风景" 获取首个有效笔记的第一张图 URL
XHS-->>POI: photo_url
POI-->>Client: 图片加载成功
end
针对 LLM 生成超长文本易导致 504 Gateway Timeout 的痛点,重构了后端的任务调度机制。
POST /api/trip/plan: 立即返回task_id,将长达数分钟的推理任务推入后台asyncio.create_task。GET /api/trip/status/{task_id}: 前端每 3 秒发起一次轻量请求,实时获取当前处理进度(如"🔍 正在搜索景点..."),直至状态变为completed。
主控 Agent 接收到用户自然语言指令后,基于 React 模式拆解任务:
- 小红书景点提取: 搜索城市旅游攻略帖,通过 SSR 页面抓取获取帖子正文内容,再由 LLM 从长文游记中提纯出景点名称、真实评价、游玩时长以及是否需要提前预约等结构化信息,最后通过高德 POI 搜索接口补齐精准经纬度坐标。
- 天气与酒店: 天气管家查询目标日期的气候状况;酒店专员根据预算寻找合适落脚点。
- 路线编排: 主控 Agent 收集三方数据,进行统筹优化,计算两两景点间的距离和最优游玩顺序,避免行程折返跑。
- 景点搜图 (前端驱动): 行程生成完毕后,前端根据每个景点名称独立调用
/api/poi/photo接口,后端以景点名搜索小红书最新发布的帖子,通过 SSR 抓取帖子首张图片直链,确保展示的是真实的风景实拍照。 - 结果聚合: 最终输出包含预算明细、逐日行程、预约提醒、防坑指南等详细参数的结构化 JSON。
前端不再是写死的静态展示,而是通过响应式变量读取 JSON 数据:
- 高德地图 JS API 2.0 组件: 动态读取 POI 经纬度,绘制连线与标记。
- ECharts 知识图谱组件: 将树状的旅行层级转化为关系网络(图数据库雏形)。
- Python 3.10+
- Node.js 18+
- 大模型 API Key(推荐使用兼容 OpenAI 格式的服务商,如豆包)
- 高德地图两种key: Web服务 、 Web端(JS API) (其安全密钥 JSCode配置在index.html中)(高德api)
- Google Maps API Key(若要使用 Google 地图引擎,必须在 Google Cloud 控制台中开通:Geocoding API, Places API (New), Directions API, Maps JavaScript API, Weather API,需要绑卡)
- 小红书Cookie(小红书 网页端登录后从浏览器开发者工具复制)
- 安装
uv包管理器
推荐通过 docker-compose 一键启动项目(包含前端和后端环境),在运行之前,确保填补 .env 文件相关的环境变量:
- 容器启动时不再读取项目目录里的
backend/.env,请确保将配置以环境变量的形式传入。 docker-compose.yaml中显式配置了必要的运行时代理和 API keys,支持传入GOOGLE_MAPS_API_KEY与GOOGLE_MAPS_PROXY等变量。- 前端构建期变量
VITE_AMAP_WEB_JS_KEY会通过build.args自动注入前端。
本地开发仍可按下面步骤分别配置和启动 `backend/.env` 和 `frontend/.env`。
### 本地开发
#### 1. 后端启动
```bash
# 进入后端主目录
cd backend
# 安装小红书签名引擎的 Node.js 依赖
npm install
# 创建虚拟环境
python -m venv .venv
# 激活虚拟环境
source .venv/bin/activate # Windows: .venv\Scripts\activate
# 安装项目依赖包
pip install -r requirements.txt
# 复制配置文件并填入相应的 API KEY
cp .env.example .env
# [必填] LLM_API_KEY, LLM_BASE_URL, LLM_MODEL_ID(选择有结构化输出能力的模型)
# [必填] VITE_AMAP_WEB_KEY (高德地图 web服务 类型的key)
# [必填] XHS_COOKIE(小红书网页端登录后的Cookie)
# [选填] GOOGLE_MAPS_API_KEY, GOOGLE_MAPS_PROXY(如果需要支持 Google 地图引擎)
# 启动 FastAPI (推荐通过 uvicorn)
uvicorn app.api.main:app --host 0.0.0.0 --port 8000 --reload
API 启动后,您可以访问 http://localhost:8000/docs 查看互动文档。
# 进入前端主目录
cd frontend
# 使用 npm (或 pnpm/yarn) 安装依赖
npm install
# 配置前端环境变量,创建 .env 文件
# [必填] VITE_AMAP_WEB_KEY 与后端保持一致
# [必填] VITE_AMAP_WEB_JS_KEY 必须是 Web端(JS API) 类型的key
# 另外,由于 JS API 2.0 政策要求,**还需要在 index.html 注入你的安全密钥(securityJsCode)**
# 启动 Vite 开发服务器
npm run devTripStar/
├── backend/ # Python FastAPI 后端
│ ├── app/
│ │ ├── api/routes/ # 核心路由 (trip.py, poi.py, chat.py)
│ │ ├── agents/ # 多智能体定义与编排 (trip_planner_agent.py 并发核心)
│ │ ├── services/ # 业务逻辑封装
│ │ │ ├── xhs_service.py # 小红书搜索/SSR抓取/LLM提纯/搜图
│ │ │ ├── llm_service.py # LLM 客户端封装
│ │ │ └── knowledge_graph_service.py # 知识图谱构建
│ │ └── models/ # Pydantic 类型定义 (schemas.py)
│ └── .env # 本地开发环境变量载体(Docker 部署时不打进镜像)
│
├── frontend/ # Vue 3 互动前端
│ ├── src/
│ │ ├── views/ # 主路由视图 (Home.vue 表单输入; Result.vue 路书展示)
│ │ ├── components/ # 独立复用的 UI / 背景组件
│ │ └── services/ # Axios 异步轮询及配置重试逻辑 (api.ts)
│ ├── index.html # 入口挂载及高德地图 SecurityKey 预设
│ ├── .env # 本地前端开发环境变量(Docker 构建时忽略)
│ └── package.json
│
├── Dockerfile # 通用生产发布容器脚本
├── docker-compose.yaml # 一键容器编排
└── README.md
下面是部分运行结果,丰富的功能探索中...
-
接入小红书,获得高质量计划 -
景点图片改为从小红书获取 -
景点提前预约提示 -
接入 Google Maps,实现国内外双引擎自动降级回退 -
模型返回语言国际化适配及底层知识图谱多语言支持 -
可查看历史计划支持,通过任务和后端持久化解决 -
支持代理配置 (HTTP/SOCKS5) 以确保国内可用 Google 服务 -
修改导出图片的外观,增加地图,提高可读性 - 支持多城市旅行
- 美食推荐增强
感谢 linuxdo 社区的交流、分享与反馈,让 TripStar 的迭代更高效。
