AI+旅游爆火!这个开源神器让你秒出旅行攻略!

📌 开源地址：https://github.com/xyds1025/SmartTrip

💡 关于许可证： 本项目采用 MIT License 开源协议，这意味着你可以免费使用、修改、分发甚至商用！没错，MIT 是最宽松的开源协议之一，你拿去二次开发、做成 SaaS 产品卖钱都合法合规，唯一要求就是保留原作者的版权声明。所以放心大胆地用，不用偷偷摸摸。

一、这玩意儿到底是啥？

你有没有过这样的经历——

想出去玩，打开小红书搜攻略，翻了一百篇笔记，每篇都是"绝绝子"，结果信息互相矛盾，搞了三小时还不知道该去哪。

想问ChatGPT，它给你一个"建议去三亚玩三天"的笼统回答，连从哪坐车、住哪个酒店、每天几点去哪都说不清。

更别提老人小孩的出行需求了——你妈膝盖不好，你娃才四岁，那些"特种兵式旅游"攻略根本不适用。

红鱼智游（RedFish SmartTrip） 就是为解决这个问题而生的。

它是一个基于 AI 的智能旅游规划工具，你只需要输入一句话——比如"看海"、"亲子游"、"历史文化"——系统就会自动帮你推荐10个具体景点，每个景点都有完整地址、亮点标签、交通方式、参考费用。选定目的地后，它会自动采集天气、景点、餐厅、酒店、交通、人文风俗、实景图片等数据，然后调用大模型生成一份包含每日行程（精确到分钟）、预算明细、穿衣建议、美食推荐的完整出游计划，还能一键导出PDF！

先来看看界面长啥样：

二、它凭什么让我不用再翻攻略了？

✅ 智能推荐——一句话搞定目的地

你输入"看海"，它不会给你推荐"西湖"（虽然早期版本确实有这个问题，现在已经优化了），而是精准匹配三亚亚龙湾、青岛栈桥、厦门鼓浪屿等真正适合"看海"的景点。每个推荐包含：

• 完整地址
  ：不是"三亚某海边"，而是"海南省三亚市吉阳区亚龙湾国家旅游度假区"这种精确到门牌号的地址
• 亮点标签
  ：["海滨", "美食"] 一目了然
• 多种交通方式
  ：地铁、公交、出租车，给你多种选择
• 参考费用
  ：门票60元这种，出门前心里有数

✅ 一键生成计划——10步数据采集，全自动

选定目的地后，系统会自动执行10个采集步骤：

1. 🌤️ 采集天气信息
2. 🏛️ 搜索景点
3. 🍜 搜索美食餐厅
4. 🏨 搜索住宿信息
5. 🚗 查询交通方案
6. 📚 搜索人文环境
7. 🎎 搜索风俗习惯
8. 📸 搜索打卡地点
9. 🎮 搜索游玩项目
10. 🖼️ 获取实景图片

这些步骤全部通过SSE（Server-Sent Events）实时流式输出，前端会动态显示每一步的进度，告别"转圈圈盲等"的痛苦体验。

✅ 高度定制——老幼皆宜的行程安排

你可以设置出行人数（成人/儿童/老人），系统会根据团队构成自动调整：

• 儿童需要适当的休息时间和适合的活动
• 老人需要较少的步行、较多的休息、无障碍设施
• 餐饮选择兼顾不同年龄段的喜好
• 交通方式考虑老人和儿童的便利性（避免多次换乘）

✅ PDF导出——一键保存，方便分享

生成完计划后，一键导出为PDF文件，方便打印给家人看，或者发到群里炫耀你的规划能力。

✅ 全免费数据源

这是最良心的一点——无需付费订阅任何数据服务：

• 高德地图API：每日免费额度充足，个人使用绰绰有余
• DuckDuckGo搜索：完全免费无限制，用来搜索图片和人文信息
• 你只需要一个LLM API Key（OpenAI兼容接口即可）

三、技术架构——简单但优雅

先给不想看代码的朋友一个一句话总结：Python后端 + Flask Web服务 + 高德地图API + DuckDuckGo搜索 + 大模型推理 = 完整的AI旅游规划系统。

想深入理解的朋友，跟我来拆解一下：

redfish-smarttrip/├── app.py                  # Flask 主应用，路由与流式接口├── config_loader.py        # 配置加载器（无全局变量）├── collector.py            # 免费数据采集（高德 + DuckDuckGo）├── analyzer.py             # LLM 分析器（调用 v1 接口）├── generator.py            # 计划生成协调器（含进度回调）├── config.json             # 配置文件├── requirements.txt        # Python 依赖├── templates/│   └── index.html          # 前端页面（完整 UI）└── screenshot-home.png     # 界面截图

整个系统分为三层：

📊 数据采集层（collector.py）

FreeTravelDataCollector 类负责所有数据采集工作，核心方法：

• _get_weather()
  ：调用高德天气API，获取实时和未来天气预报
• _search_poi()
  ：调用高德POI搜索，查找景点、餐厅、酒店，并自动拼接完整地址
• _get_transport()
  ：调用高德路径规划，获取公交/驾车/步行综合方案
• _search_web()
  ：通过DuckDuckGo文本搜索，获取人文、风俗、打卡信息
• _search_images()
  ：通过DuckDuckGo图片搜索，获取实景图片

🧠 AI分析层（analyzer.py）

LLMAnalyzer 类负责调用大模型生成旅游计划。它构建了一个非常详细的系统提示词，要求模型输出结构化JSON，包含：

• 目的地概览（人文、风俗）
• 天气及穿衣建议（特别针对老人儿童）
• 完整往返交通方案（含班次、费用、换乘方式）
• 每日行程（精确到分钟，含交通方式、耗时、地址）
• 网红打卡推荐
• 特色美食推荐
• 游玩项目推荐
• 详细预算（交通、住宿、餐饮、门票、购物、其他）
• 实用贴士

🎯 协调层（generator.py）

TravelPlanGenerator 是整个系统的"指挥官"，它串联数据采集和AI分析，并处理数据标准化、字段规范化等细节工作。它还负责将实景图片注入最终结果，并添加元数据（目的地、天数、生成时间、数据来源等）。

🌐 Web层（app.py）

Flask应用提供三个核心路由：

• /
  ：首页，渲染前端页面
• /suggest
  ：推荐目的地接口，POST请求，输入旅行意愿，返回10个推荐景点
• /generate-stream
  ：生成计划流式接口，POST请求，通过SSE实时推送进度和最终结果

四、本地部署保姆级教程

好了，说了这么多，来点实际的。手把手教你从零部署，保证你跟着做就能跑起来。

📋 前置条件

• Python 3.9 或以上（别用3.7了，都2025年了）
• 一个能联网的电脑（废话）
• 一个高德地图Web API Key（免费申请）
• 一个LLM API Key（OpenAI兼容接口）

Step 1：克隆代码

git clone https://github.com/xyds1025/SmartTrip.gitcd SmartTrip

如果你网络不好，也可以直接去GitHub页面下载ZIP包，解压后进入目录。

Step 2：创建虚拟环境

强烈建议用虚拟环境，别污染你的系统Python：

# 创建虚拟环境python -m venv venv# 激活虚拟环境# Linux/Mac：source venv/bin/activate# Windows：venv\Scripts\activate

激活成功后，命令行前面会出现 (venv) 标识。

Step 3：安装依赖

pip install -r requirements.txt

依赖非常精简，只有4个包：

如果下载慢，可以用国内镜像源：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

Step 4：申请API密钥

这一步是关键，别跳过。

🔑 申请高德地图API Key

1. 前往 高德开放平台 注册账号
2. 进入控制台，点击"创建新应用"
3. 添加Key，服务平台选择"Web服务"
4. 提交后即可获得一个Key，长这样：a1b2c3d4e5f6g7h8i9j0

⚠️ 注意：一定要选"Web服务"类型，不是"Web端(JS API)"，也不是"Android/iOS"。选错了接口调不通。

高德Web服务API个人免费额度每天5000次，对于个人使用来说绰绰有余。你一天生成100个旅行计划都够用。

🔑 获取LLM API Key

这里有几个选择：

如果你不想花钱，推荐用Ollama本地部署，完全免费，离线也能用。安装Ollama后，拉一个模型：

ollama pull qwen2.5:7b

然后用 http://localhost:11434/v1 作为base_url，模型名填 qwen2.5:7b 即可。

如果你想用国内大模型的免费额度，阿里云百炼和智谱AI都提供免费额度，注册即可使用。

Step 5：配置文件

项目根目录下有一个 config.json 文件，用你喜欢的编辑器打开它：

{    "llm": {        "api_key": "你的LLM API Key",        "base_url": "https://api.openai.com/v1",        "model": "gpt-4"    },    "amap": {        "api_key": "你的高德Web API Key"    },    "travel": {        "default_days": 3,        "max_poi_per_category": 10    }}

各配置项说明：

如果你用的是Ollama本地部署，配置大概长这样：

{    "llm": {        "api_key": "ollama",        "base_url": "http://localhost:11434/v1",        "model": "qwen2.5:7b"    },    "amap": {        "api_key": "你的高德API Key"    },    "travel": {        "default_days": 3,        "max_poi_per_category": 10    }}

💡 小提示：api_key 随便填个字符串就行，Ollama不校验这个字段。

Step 6：启动应用

python app.py

看到以下输出就说明启动成功了：

 * Serving Flask app 'app' * Debug mode: on * Running on all addresses (0.0.0.0) * Running on http://127.0.0.1:5000

打开浏览器，访问 http://127.0.0.1:5000，就能看到那个漂亮的首页了！

五、使用指南——从零到生成一份完整攻略

第一步：输入旅行意愿

在首页填写以下信息：

• 旅行意愿
  ：这是最重要的，比如"看海"、"亲子游"、"历史文化"、"美食探店"
• 出发地
  ：可选，填了会帮你规划往返交通
• 天数
  ：计划玩几天，默认3天
• 人数
  ：成人、儿童、老人各多少
• 偏好
  ：比如"轻松"、"紧凑"、"爱吃辣"

点击"推荐目的地"按钮。

第二步：浏览推荐

系统会返回10个具体景点卡片，每个卡片包含：

• 景点名称和所属城市
• 完整详细地址（省市区县街道门牌号）
• 景点简介和亮点标签
• 从出发地到目的地的大致距离
• 建议交通方式和旅行时长
• 多种交通方式选择
• 参考门票或人均消费

第三步：生成计划

点击你感兴趣的景点卡片上的"生成计划"按钮，后端开始工作：

1. 首先采集天气、景点、餐厅、酒店、交通等10类数据
2. 然后调用大模型生成结构化攻略
3. 每一步都有实时进度反馈，你不会在黑暗中等待

第四步：预览与导出

计划生成后，你会看到：

• 📋 目的地概览（人文、风俗）
• 🌤️ 天气及穿衣建议
• 🚄 完整往返交通方案
• 📅 每日行程（精确到分钟！）
• 📸 网红打卡推荐
• 🍜 特色美食推荐
• 💰 详细预算（交通、住宿、餐饮、门票、购物、其他）
• 💡 实用贴士

点击"导出PDF"按钮，即可保存为PDF文件。

六、常见问题排雷

Q1：推荐的目的地不准确怎么办？

最新版代码已经优化了提示词，设置了 temperature=0.1 和 seed=42 来保证稳定性。如果还有偏差，建议：

• 使用更强大的模型（如GPT-4）
• 更清晰地描述意愿，比如"适合亲子游的海边度假"而不是简单的"看海"

Q2：生成计划时报错 _search_web() missing 1 required positional argument？

请确认你使用的是最新版本的 collector.py，其中 _search_web 方法已包含 max_results 默认参数。更新代码后重启服务即可。

Q3：需要付费购买高德或DuckDuckGo服务吗？

不需要。 高德Web服务API每日免费额度充足，DuckDuckGo搜索完全免费无限制。你唯一可能需要花钱的地方就是LLM API调用，但如果你用Ollama本地部署，连这个钱都省了。

Q4：支持国内大模型吗？

支持！ 只要你的模型接口兼容OpenAI v1格式，并在 base_url 中填入对应地址即可。已验证支持的包括：

• 智谱 GLM-4
• 阿里云百炼 Qwen系列
• 百度文心一言
• Ollama本地部署的任何模型

⚠️ 部分模型可能不支持 response_format 参数，如果报错，可以在 analyzer.pyL109 中注释掉 response_format={"type": "json_object"} 这一行。

Q5：生成的PDF乱码或不完整？

确保浏览器允许跨域加载图片（实景图片来自外部），建议使用Chrome或Edge最新版本，并检查网络连接。

Q6：推荐结果每次都不一样？

代码中已设置 temperature=0.1 和 seed=42，大幅降低随机性。若仍有差异，可检查你的LLM服务端是否支持 seed 参数。

Q7：能不能自定义行程的松紧程度？

在"偏好"输入框中注明（如"轻松"、"紧凑"），大模型会根据描述调整每日景点数量和时间安排。

Q8：想增加推荐数量怎么办？

在 app.pyL39 的 /suggest 路由中，修改提示词中的"10个"为所需数量，并同步调整 max_tokens 参数以保证输出长度。

七、进阶玩法

🎮 玩法一：命令行模式

除了Web界面，项目还提供了命令行模式，入口在 main.py：

python main.py

然后按提示输入目的地、出发地、天数、偏好即可。生成的计划会以JSON格式打印到终端，并保存到文件。

🎮 玩法二：接入更多大模型

项目使用OpenAI SDK，兼容任何OpenAI v1格式的接口。你可以尝试接入：

• DeepSeek
  ：https://api.deepseek.com/v1，性价比极高
• 月之暗面（Kimi）
  ：https://api.moonshot.cn/v1
• MiniMax
  ：https://api.minimax.chat/v1

只需修改 config.json 中的 base_url 和 model 即可。

🎮 玩法三：自定义提示词

如果你想调整生成计划的内容和风格，可以修改 analyzer.pyL29-L61 中的系统提示词。比如：

• 增加更多语言风格要求（"请用幽默风趣的口吻"）
• 增加特定主题（"请重点关注摄影打卡点"）
• 增加预算限制（"总预算控制在5000元以内"）

🎮 玩法四：Docker部署

如果你想在服务器上部署，可以用Docker：

# 创建Dockerfilecat > Dockerfile << 'EOF'FROM python:3.9-slimWORKDIR /appCOPY requirements.txt .RUN pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simpleCOPY . .EXPOSE 5000CMD ["python", "app.py"]EOF# 构建并运行docker build -t smarttrip .docker run -d -p 5000:5000 -v $(pwd)/config.json:/app/config.json smarttrip

八、项目亮点总结

说实话，这个项目虽然代码量不大，但设计得相当精巧，有几个地方值得学习：

1. 配置管理不使用全局变量

config_loader.py 实现了一个简洁的 Config 类，支持层级取值，比如 config.get('llm', 'api_key')，干净利落，没有全局变量污染。

2. SSE流式传输

app.pyL95-L148 的 /generate-stream 接口使用SSE实现实时进度反馈，用 queue.Queue + threading 实现线程间通信，简单有效。前端不需要轮询，数据来了就推送。

3. 数据采集与AI分析分离

collector.py 和 analyzer.py 各司其职，通过 generator.py 协调。这种设计让你可以单独替换数据源或AI模型，而不影响其他部分。

4. 全免费数据源

整个项目没有使用任何付费数据源，高德API免费额度充足，DuckDuckGo搜索完全免费，这对于个人开发者来说太友好了。

九、写在最后

AI旅游规划这个赛道，市面上已经有一些产品了，但大多要么收费、要么功能有限、要么不开源。红鱼智游作为一个开源项目，提供了完整的解决方案，代码简洁、架构清晰、界面精美，MIT协议随便用，这在开源社区里算是一股清流了。

如果你是：

• 旅行爱好者
  ：直接部署使用，省去做攻略的痛苦
• 开发者
  ：学习它的架构设计，或者二次开发
• 创业者
  ：基于它做产品，MIT协议允许商用

别光收藏不行动，赶紧 git clone 下来试试吧！

git clone https://github.com/xyds1025/SmartTrip.git

如果觉得好用，给个Star⭐不过分吧？

红鱼AI · 让AI为你的每次出发赋能 🐠

本文由红鱼AI原创，转载请注明出处。