Vue.js

Appearance

On this page

第六部分：综合实战 (Capstone Project) ​

21. 项目概览：构建一个智能旅行规划助手 ​

欢迎来到我们的综合实战项目！在这里，我们将集结前五个部分学到的所有知识——从基础的提示词技巧，到核心的 P.I.C.A. 方法论，再到高级的思维链（CoT）和工程化实践——共同构建一个真正有价值的 AI 应用：一个智能旅行规划助手。

想象一下，你不再需要在多个网站之间切换，费力地搜集航班、酒店、景点信息，然后手动整理成一份行程单。你只需向我们的 AI 助手提出一个简单的需求，比如：“下个月我想去巴黎和罗马，玩10天，预算2万，对艺术和美食感兴趣。”

几分钟后，一份结构完整、内容详实、图文并茂的旅行计划就将呈现在你面前。这，就是我们即将通过提示词工程实现的目标。

项目愿景：从一个模糊的需求到一份完美的行程 ​

本次实战的核心挑战在于，如何将用户一个模糊、开放式的旅行想法，转化为一份具体、可执行、甚至能直接预订的旅行计划？

我们的解决方案是：构建一个由多个专业 AI 智能体（Agent）协作完成的“旅行规划流水线”。这个系统将模拟一个顶级的旅行规划团队，团队中的每个成员都有明确的分工，它们分别是：

  • 规划器 (Planner)
  • 执行器 (Executor)
  • 综合器 (Synthesizer)
  • 报告生成器 (Reporter)

接下来，让我们看看这个“梦之队”是如何协同工作的。

系统架构：AI 世界的“旅行社” ​

我们借鉴软件工程中“分而治之”和“单一职责”的设计哲学，将复杂的旅行规划任务分解为四个独立的模块。每个模块都由一个或多个精心设计的提示词驱动，扮演着旅行社中的特定角色。

在深入每个模块的细节之前，让我们先看一下系统的整体架构图，建立一个宏观的认知。

mermaid
graph TD
    A[用户输入: "下个月去巴黎罗马，10天，预算2万，主题艺术美食"] --> B(规划器 Planner);
    B -- "生成结构化旅行大纲 (JSON)" --> C(执行器 Executor);
    C -- "调用工具查询航班、酒店、餐厅、景点等原始信息" --> D(综合器 Synthesizer);
    D -- "将原始信息融合成每日详细行程" --> E(报告生成器 Reporter);
    E -- "生成图文并茂的旅行计划 (PDF/Markdown)" --> F[最终输出];

现在，让我们来认识一下团队的四位核心成员：

  1. 规划器 (Planner) - “首席行程设计师”

    • 职责：作为团队的“项目经理”，规划器的任务是深刻理解用户的初步需求，并将其分解成一个结构化的、可执行的旅行大纲（TOC - Table of Contents）。这份大纲会明确定义旅行的每一天需要规划哪些核心要素，例如：城市间的交通、住宿、主要活动、餐饮推荐等。
    • 产出：一份 JSON 格式的结构化大纲，作为后续所有工作的“蓝图”。

  2. 执行器 (Executor) - “全能信息搜集员”

    • 职责：作为团队的“研究员”和“预订专员”，执行器严格按照规划器生成的蓝图行动。它会调用外部工具（如搜索引擎、航班查询API、酒店预订API）来获取完成任务所需的所有原始信息。例如，查询从巴黎到罗马的机票价格、预订梵蒂冈博物馆的门票、寻找罗马的米其林餐厅等。
    • 产出：一系列包含原始数据（可能是 JSON、HTML 或纯文本）的查询结果。

  3. 综合器 (Synthesizer) - “金牌行程规划师”

    • 职责：作为团队的“主笔”，综合器负责将执行器搜集来的零散、原始的信息，加工、提炼、串联成一篇逻辑流畅、内容丰富的每日行程。它会考虑各个活动之间的时间衔接、交通方式，并加入贴心的小提示，将冰冷的数据转化为温暖的旅行体验。
    • 产出：一份详细的、Markdown 格式的每日行程描述。

  4. 报告生成器 (Reporter) - “体验设计师”

    • 职责：作为团队的“视觉设计师”和“质检员”，报告生成器负责将综合器产出的纯文本行程，美化成一份图文并茂、赏心悦目的最终旅行计划。它可能会调用工具生成地图、插入景点图片，并以最适合用户阅读的格式（如 PDF 或精美的 Markdown 页面）呈现出来。
    • 产出：最终交付给用户的完整旅行计划。

工作流程与理论回顾 ​

这个智能体的协作流程，完美地体现了我们在前面章节中学到的核心理论：

  • O.O.D.A. 循环：整个流程是一个宏观的“观察-判断-决策-行动”循环。用户需求是观察，规划器进行判断和决策，执行器和综合器负责行动，最终报告生成器产出结果，等待用户的下一个反馈（新的观察）。
  • P.I.C.A. 模型：后续章节中，我们为每一个智能体（Planner, Executor 等）设计的提示词，都将是一个完整的 P.I.C.A. 实例。我们将为它设定清晰的角色 (Persona)，下达明确的指令 (Instruction)，提供必要的情境 (Context)，并要求它执行特定的行动 (Action)。

在本章中，我们的目标是建立对项目的整体认知，聚焦于每个模块“是什么”和“做什么”，而暂时不深入“怎么做”的技术细节。

准备好了吗？让我们一起启程，在接下来的章节中，逐一攻克每个模块的提示词设计，亲手将这个激动人心的智能旅行规划助手变为现实！

在 GitHub 上编辑此页