项目介绍
🌍 智能旅行规划代理系统
<div align="center">
基于 Qwen 的大型模型智能旅行规划助手
个性化行程定制、景点推荐、路线优化及深入思考
快速开始 · 功能特性 · 项目结构 · 文档 · 更新日志
</div>📖 项目介绍
智能旅行规划代理整合了大型语言模型（LLM）、工具调用、内存管理和可视化能力。该系统基于 Qwen，并结合 MCP 协议、Tavily 搜索和本地 RAG 检索，为用户提供实用的旅行路线规划、景点推荐以及互动地图显示服务。
✨ 核心亮点
- 🧠 双模型切换：UI 中一键切换 qwen max（快速）和 qwen plus（深度思考）
- 💾 智能记忆系统：长期成功案例+短期对话历史，支持用户隔离
- 🗺️ 地图可视化：自动生成互动 HTML 地图，支持路线规划和 POI 标记
- 🎨 友好界面：基于 Gradio 的流式对话界面，实时渲染地图和图像
- 🔧 模块化设计：提示词、工具集、RAG 引擎、内存管理模块拆分，便于扩展
🚀 快速开始
1. 环境准备（Windows PowerShell）
# 进入项目
cd ai
# 创建并激活虚拟环境（建议命名为 .venv）
py -3.10 -m venv .venv
. .\.venv\Scripts\Activate.ps1
# 升级 pip 并安装依赖
python -m pip install --upgrade pip
pip install -r ..\requirements.txt
2. 配置 API 密钥
# 如果存在 .env.example，可以复制：
# Copy-Item -Path .env.example -Destination .env
# 如果不存在，请新建 .env 并填写：
# DASHSCOPE_API_KEY=<你的通义千问密钥>
# TAVILY_API_KEY=<你的Tavily密钥>
# GAODE_API_KEY=<你的高德地图密钥>
# （可选）DEFAULT_MODEL=qwen-max
# （可选）DEEP_THINKING_MODEL=qwen-plus
3. 启动系统
# 从项目根目录启动
python .\main_gradio.py
💡 功能
🎯 核心功能
| 功能 | 描述 | 状态 |
|---|---|---|
| 智能对话 | 基于 Qwen 的自然语言交互 | ✅ |
| 深度思考 | 开启 qwen plus 进行复杂推理 | ✅ |
| 在线搜索 | Tavily 实时搜索最新信息 | ✅ |
| 地图服务 | 高德地图（通过 MCP 协议）POI 搜索和路线规划 | ✅ |
| 可视化 | 生成 HTML 地图和数据图表 | ✅ |
| RAG 搜索 | 本地旅游知识库查询 | ✅ |
| 代码执行 | 安全的 Python 代码沙箱 | ✅ |
| 文件生成 | PDF/Excel 行程文件导出 | ✅ |
🧠 深度思考模式（前端可切换）
启动深度思考后，系统会：
- 一键切换至 qwen plus 模型进行更深层次的推理
- 展示思考过程（💭 标记）
- 提供更详细和全面的答案
- 适合处理复杂问题和行程规划
💾 记忆系统（按用户隔离）
长期记忆：
- 按用户ID独立存储成功案例
- 支持案例检索和复用
- 加快类似问题的处理速度
短期记忆：
- 保存完整的对话上下文
- 支持临时清除和物理删除
- 多轮对话理解
🗺️ 地图与可视化（自动识别与显示）
- 互动 HTML 地图（基于高德地图，生成至
temp_visualizations/*.html，前端直接加载显示） - 路线规划（驾车/步行/公交）
- POI 搜索（餐厅/景点/酒店）
- 图像显示支持本地文件和 HTTP 图片 URL，自动去重并添加至画廊
关键实现点（来自）main_gradio.py：
- 深度思考切换以实现实时切换
qwen-plus / qwen-max - 识别并加载流式输出中的
temp_visualizations/*.html地图和图像 URL - 全局注入
CURRENT_USER_ID用于可视化和文件归属 - 数据图表（柱状图/折线图/饼图）
📁 项目结构
d:\ai\
├── main_gradio.py # Gradio Web 界面入口
├── requirements.txt # 依赖库清单
├── chat_agent_qwen/ # 核心 Agent 模块
│ ├── prompts/
│ │ └── system_prompts.py # 系统提示词库
│ ├── agent_self/
│ │ ├── agent.py # 主 Agent 类
│ │ └── chat_agent_qwen_3_max.py # Qwen 模型封装
│ ├── agent_memory/
│ │ └── memory.py # 记忆管理器
│ ├── agent_tools/
│ │ ├── tools.py # 工具集入口（地图/搜索/可视化等）
│ │ ├── rag_tool.py # RAG 检索工具
│ │ └── Tavilysearch_tool.py # Tavily 搜索封装
│ ├── agent_mcp/
│ │ └── agent_mcp_gaode.py # 高德地图 MCP 客户端
│ ├── RAG_agent/
│ │ └── rag_engine.py # FAISS 向量检索
│ └── ICL_agent/
│ └── icl_agent.py # 少样本学习
├── md_file/ # 文档集合（本 README 所在）
│ ├── README.md # 项目说明（本文件）
│ ├── 快速开始指南.md
│ ├── 改进完成报告.md
└── temp_visualizations/ # 临时可视化文件
├── *.html # 地图 HTML
└── *.png # 图表图片
📚 文档
- 《快速开始指南》- 详细的安装和使用
- 更多文档，请参阅
md_file/目录 API 和提示词优化文档待补充
🔧 技术栈
核心框架
- LangChain：LLM 应用开发框架
- Grade：Web UI 框架
- Pydantic：数据验证
大型模型
- 通义千问 (Qwen)：阿里云大型语言模型
- Qwen max：快速响应
- Qwen plus：深度推理
外部工具
- 高德地图：地理位置服务（通过 MCP 协议集成）
- Tavily：互联网搜索引擎
- FAISS：向量检索数据库
可视化
- Matplotlib：数据图表
- ReportLab：PDF 生成
- OpenPyXL：Excel 处理
- Jinja2：HTML 模板
更多依赖，请参阅 ../requirements.txt。
📊 使用示例
示例 1：路线规划
用户: 帮我规划从深圳技术大学到广东海洋大学的路线
助手:
🚗 路线规划如下:
**方式一: 高铁(推荐)**
- 深圳坪山站 → 湛江西站
- 车程: 约3.5小时
- 票价: 二等座约150元
- 到达后打车20分钟到校
**方式二: 自驾**
- 全程: 约500公里
- 耗时: 约6小时
- 路线: 沈海高速(G11)
[附带交互式地图展示]
示例 2：深度思考模式
用户: (开启深度思考) 帮我规划北京到杭州的三日游,预算5000元
助手:
💭 思考: 分析行程需求...北京到杭州直线距离约1100公里,建议高铁往返,
单程耗时约5小时,往返预算约1000元...
💭 思考: 评估景点方案...杭州主要景点包括西湖(免费)、灵隐寺(门票75)、
宋城千古情(门票300)...综合考虑时间和预算...
💭 结论: 推荐"经典文化游"路线,总预算约4800元
**Day 1: 抵达 + 西湖游**
- 上午: 北京南 → 杭州东 (高铁5小时, 500元)
- 下午: 西湖景区(断桥、苏堤、雷峰塔)
- 晚上: 入住西湖附近酒店(300元)
...
[详细行程 + 交通 + 住宿 + 美食推荐]
🛠️ 高级配置
自定义提示词
编辑 chat_agent_qwen/prompts/system_prompts.py：
# 修改对话风格
CHAT_RESPONSE_SYSTEM_PROMPT = """
你是一个专业且幽默的旅行助手...
[自定义您的提示词]
"""
添加少样本学习示例
ICL_FEW_SHOT_EXAMPLES.append({
"input": "你的问题示例",
"output": "期望的回答示例"
})
调整模型参数
在 .env 中间：
DEFAULT_MODEL=qwen-max
DEEP_THINKING_MODEL=qwen-plus
MAX_HISTORY_LENGTH=100
🐛 常见问题
<details> <summary><b>Q: 启动报错 "No module named xxx"</b></summary>确认虚拟环境已激活，重新安装依赖（在项目根目录下）：
pip install -r .\requirements.txt --force-reinstall
检查：
.env文件是否存在且配置正确- API 密钥是否有效
- 网络连接是否正常
- 检查
temp_visualizations目录权限 - 确认高德 API 密钥有效
- 查看浏览器控制台错误
在当前会话中放松执行策略后激活：
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
. .\.venv\Scripts\Activate.ps1
方法 1：结束占用进程（示例）
netstat -ano | Select-String 7860
taskkill /PID <上一步查到的PID> /F
方法 2：临时修改启动端口（编辑）main_gradio.py 最后一行）
demo.launch(server_port=7861)
- 确认
.env位于项目根目录（与main_gradio.py同级） - 该项目之前的所有导入前已执行
load_dotenv()请确保该语句未被移动 - 请使用 UTF-8 编码在 Windows 上保存
.env
更多问题，请参阅《快速开始指南》的常见问题部分。
📈 更新日志
v2.0.0 (2025-10)
新功能：
- ✨ 深度思考模式（qwen plus）
- ✨ 成功案例长期记忆库
- ✨ 提示词模块化管理
- ✨ 完整的 requirements.txt
优化和改进：
- 🔧 HTML 地图可视化修复
- 🔧 内存系统全面重构
- 🔧 文件管理增强
- 🔧 完整的代码注释
性能提升：
- ⚡ 对类似问题的响应速度提高 70%
- ⚡ 成功案例复用率 40-60%
- ⚡ 代码可维护性提高 50%
v1.0.0 (2025-9)
- 🎉 初始版本发布
- 基本对话功能
- 工具调用集成
- Gradio 界面
🤝 贡献指南
欢迎贡献代码、报告问题或提供意见！
- 分叉此项目
- 创建功能分支（
git checkout -b feature/AmazingFeature） - 提交更改（
git commit -m 'Add some AmazingFeature'） - 推送到分支（
git push origin feature/AmazingFeature） - 打开拉取请求
📄 开源许可
本项目采用 MIT 开源许可（如果未包含 LICENSE 文件，请根据需要添加）。
👨💻 作者
wjj
- 项目根目录:. gaode.agent
- 邮箱: 2089966424@qq.com
- GitHub: Jianjun Wang passionworkeer
🙏 致谢
感谢以下开源项目：
📞 支持
如有任何问题或建议，请：
- 📧 发送邮件至: 2089966424@qq.com
- 💬 提交问题: [项目问题页面]
- 📖 查看文档: [文档链接]
<div align="center">
⭐ 如果这个项目对你有帮助，请点击 Star 支持！ ⭐
由 wjj 制作 ❤️
</div>