TripStar 旅途星辰 深度研究：多 Agent 协作的 AI 旅行管家

> GitHub: 1sdv/TripStar

> 在线 Demo: ModelScope Demo

> LinuxDo: 社区帖子

> 作者: 1sdv（LinuxDo 社区）

> 研究时间: 2026-03-21

🎯 一句话版本

旅途星辰是一个开源的 AI 旅行规划应用，你告诉它要去哪、玩几天、预算多少，4 个 AI Agent 自动协作帮你查景点、查天气、找酒店、排路线，最终输出一份带地图、预算明细和知识图谱的完整行程。

🏗️ 架构：4 个 Agent 分工协作

用户输入（目的地+日期+偏好）
        ↓
  🧭 旅程总控 Agent（主控）
   ├── 🏛️ 景点规划 Agent → 高德 MCP（POI 搜索/地理编码）
   ├── 🌤️ 天气预报 Agent → 天气/时间检索工具
   └── 🏨 酒店推荐 Agent → 高德 MCP（酒店 POI）
        ↓
  结构化 JSON → 前端渲染

基于 HelloAgents 框架（来自 Datawhale 的《从零开始构建智能体》教程），使用 OpenAI 兼容 API + React 模式。

LLM 用的是豆包 doubao-seed-1-8-251228，也支持其他 OpenAI 格式的服务商。

✨ 功能亮点

1. 高定主题互动地图

集成高德地图 JS API 2.0，在地图上画出"起点→景点→终点"的真实经纬度路线。不是示意图，是真实坐标。

2. 预算明细面板

智能汇总门票、餐饮、住宿、交通等多维度花销，输出可视化财务报表。

3. 知识图谱可视化

ECharts 把行程数据转成节点关系图：城市→天数→行程节点→预算。直观看到整个旅行的结构。

4. 沉浸式伴游问答

生成报告后，左下角浮窗可以继续追问。AI 拥有完整行程上下文，可以问"这个景点门票多少"、"适合带小孩吗"等。

5. 异步轮询解决超时

LLM 生成长文本容易 504 超时。解决方案：

• POST /plan → 立即返回 task_id
• 推理任务扔进后台 asyncio.create_task
• 前端每 3 秒 GET /status 轮询进度

简单有效的工程方案。

6. 暗黑玻璃拟物风 UI

全新设计的 Dark Luxury Glassmorphism 界面。颜值在线。

📐 技术栈

🆚 与同类对比

TripStar 的优势：开源、可自部署、多 Agent 架构透明。

劣势：仅国内、依赖高德、社区早期。

⚠️ 局限

1. 仅支持国内旅行 — 高德地图只覆盖中国大陆。Google 地图在 Roadmap 但还没做。

2. 依赖外部 API 多 — 豆包 API + 高德 API + Unsplash API，三个都要注册。

3. 个人项目 — 作者是 LinuxDo 社区成员，v0.2.0，稳定性未经大规模验证。

4. GPL-2.0 许可 — 比 MIT/Apache 限制更多，商用需注意。

5. UI 好但功能浅 — 知识图谱是前端 ECharts 渲染，不是真正的图数据库。

💡 与我们的关联

1. 多 Agent 协作的轻量范例

4 个 Agent 分工（总控+景点+天气+酒店），通过结构化 JSON 聚合结果。比很多 Agent 框架的 hello world 更完整，可以作为学习 Multi-Agent 的参考。

2. MCP 集成示例

高德地图通过 MCP Server 集成，是 MCP 在真实场景的落地案例。如果我们以后给 OpenClaw 加旅行规划 Skill，可以参考这个 MCP 接入方式。

3. 异步轮询模式可借鉴

POST → task_id → GET 轮询 解决 LLM 长任务超时，简单实用。OpenClaw 的长任务也可以参考类似模式。

4. 实际使用价值有限

我们不太需要一个旅行规划工具。Jay 如果要规划旅行，直接让 OpenClaw Agent 调 API 就行，不需要单独部署一个 TripStar。

5. HelloAgents 框架值得了解

底层的 HelloAgents 是 Datawhale 社区出的 Agent 教程+框架，如果想系统学习 Agent 构建，《从零开始构建智能体》是不错的中文教程。

📊 评分

报告由深度研究助手自动生成 | 2026-03-21

来源: GitHub