城市名生成旅行攻略——用AI搭一个＂说走就走＂的旅行助手

暑假出行，你一般怎么做攻略？

打开小红书搜"成都两日游"，翻了二十篇笔记，东记一条西记一条；再去马蜂窝看路线，发现推荐的餐厅已经关门了；最后打开地图手动标点，排了个乱七八糟的路线图。

一次出行，光攻略就要花大半天。而且信息散落在各个平台，图片质量参差不齐，等出发那天才发现——好多攻略已经是两三年前的了。

我就在想：能不能输入一个城市名，AI直接帮你把行程、配图、地图路线、美食推荐全部生成好？

于是我用AI做了一个叫"走吧"的旅行指南生成器。输入城市和天数，30秒出结果。

"走吧 — AI旅行指南"，副标题"说走就走，一城一世界"。

打开网页，全屏中国风景大图做背景，中间一个搜索框。输入"宜昌"，选3天，点生成。30秒后，你得到：

图：走吧首页 — 输入城市和天数即可生成

图：AI正在规划行程的加载页

行程卡片：每天时间轴从上午到晚上，景点名称、游览时长、交通建议一目了然。

景点配图：每个景点一张独立高清图。不是随便抓的网图，而是经过关键词匹配和5级排序筛选出来的最相关照片。

图：城市概况页 — 城市介绍+行程统计数据

地图模块：所有景点按经纬度标注在高德地图上，点击弹出详情，切换日期显示不同路线。

图：路线总览 — 高德地图景点标注+行程面板

美食推荐：每天4道当地美食，名称、价格、简介齐全。末尾小红书和抖音图标，点击跳转搜索。

图：行程详情 — 景点时间轴+游览贴士

图：美食推荐 — 特色菜品+小红书抖音入口

"走吧"的核心挑战是：用户只输入一个城市名和天数，系统要自动生成一份图文并茂、带可交互地图的旅行攻略。这条链路拆成三步：文字变数据 → 数据配图 → 数据上地图。

这是整个项目的地基。如果AI返回的是一段自然语言文字，后续的配图、地图都无从谈起。

我们在System Prompt中定义了一套完整的JSON Schema——从城市元信息到每日行程，再到每个景点的名称、经纬度、游览时间、交通方式。关键是调用了DeepSeek的response_format参数，强制模型输出合法JSON而非带markdown标记的文本。

另外，Prompt要求模型对城市做类型判断（古都/江南水乡/海滨城市等），这个分类结果直接驱动前端配色——渲染西安是暗红配金，渲染苏杭是青绿配米白。同一套代码，不同城市不同气质。

AI生成的景点名是纯文本，怎么自动配上高清真实照片？这是整个项目最花心思的部分。我们搭了一条五阶段管道：搜索 → 过滤 → 排序 → 下载 → 处理。

调用百度图片搜索API，每个景点以"城市名+景点名"为关键词搜索30张候选图。然后两层过滤：一是域名黑名单，屏蔽30多个图库素材站（带水印）；二是关键词过滤，排除插画、壁纸、截图等48类非实拍内容。

过滤后的图片进入一个五级相关性排序算法：

最后用sharp做图像处理：景点图压缩到800px宽、95%质量；首页背景图不压缩，只做锐化和色彩增强（饱和度+8%、亮度+3%），保留视觉冲击力。

AI返回的经纬度是两个浮点数（如30.6499, 104.0406），我们用开源的Leaflet地图库将其渲染为可点击、可缩放的交互式地图。

每个景点渲染为自定义水滴形标记，点击弹出详情卡片。地图会根据所有标记点的经纬度自动计算包围盒、缩放到合适层级。按天切换行程时，标记点换颜色，视口重新聚焦。前端整体采用数据驱动渲染：JSON数据进来后，城市主题切换、行程卡片生成、景点配图展示、美食推荐、地图标注——全部由数据自动驱动，无需任何手动配置。

三层之间通过REST API串联，每层可以独立替换——换个LLM、换个图片源、换个前端框架——只要接口契约不变，系统照常运转。这就是软件工程中"关注点分离"的实践。

做这个产品的过程中，踩了不少坑：

这些问题的解决过程，本身就是"用AI做产品"的真实体验——不是一次对话就完美，而是不断发现问题、分析原因、迭代优化。

"走吧"这个旅行指南生成器，表面上看是一个旅游工具，但它真正展示的是：

这个"文字→可视化"的能力，是每个老师都能用上的。你的教案是文字，你的教学目标是文字，你的课程大纲是文字——如果这些文字能自动变成思维导图、流程图、知识卡片、地图标注呢？

不是要你学编程，而是要你知道：AI能做什么，以及怎么把"能做什么"变成"对你有用"。

（回复"走吧"体验效果，获取技术文档）

职业教育科研助手 · AI工具实操系列