如何用 AI 一站查机票酒店行程

查行程信息，为什么总是来回切换还理不清

规划一趟出行，信息往往散在各处：机票要比时间和价格，酒店要看位置和图片，景点演出要排进行程，最后还得逐个找预订入口。在多个页面之间来回切换，结果是候选方案记不全、关键约束容易漏——退改规则、签证要求、入住时间这些信息常常等到要下单了才发现遗漏。原始搜索结果本身是可用的，缺的是把它整理成一份能直接看、能直接订的清单。

这个技能怎么把搜索结果整理成可订清单

它把"查"和"整理"合成一步。综合查询走 fliggy-fast-search，可一次跨酒店、航班、景点返回结果；需要单类时则分别调用 search-flight、search-hotels、search-poi 获取结构化数据。拿到结果后，它把单行 JSON 整理成 Markdown：先给推荐，再用选项表格列候选，配上数据里返回的图片，并优先使用 jumpUrl 或 detailUrl 作为预订入口。整理时它会把日期、地点、价格、退改、签证和时间限制等备注一并保留，避免规划到下单环节才发现遗漏。

它的价值在于把实时旅游资源转成可直接预订的推荐：图片、价格、约束、跳转入口一目了然，行程类查询还能按时间顺序呈现，从发现到下单的路径被缩短。

怎么用它

用法是把出行需求用自然语言交给它，包括目的地、日期和你关心的维度。例如可以这样对它说：

它适合这些场景：以自然语言询问目的地玩法、希望同时返回酒店票务和活动；出行规划中需要比较航班、酒店或景点的多个候选方案；希望基于飞猪实时结果生成带图片和预订链接的推荐列表；以及把旅行搜索结果整理成按时间顺序呈现的行程建议。

大家常问

自然语言订机票，为什么需要 MCP 而不是直接让 AI 上网搜？

普通 AI 上网搜只能读公开网页快照，拿不到实时余票，也无法把搜索结果接到下单链路。MCP 是 AI 与外部服务之间的协议层，能把自然语言翻译成 search-flight 等结构化调用，返回带航班号、价格、jumpUrl 的 JSON，构成「查→比→订」的完整闭环。

AI 旅行助手把搜索结果整理成 Markdown 推荐是什么意思？

意思是 AI 拿到飞猪 MCP 返回的单行 JSON 后，按固定排版规则把它转成人类可读的图文清单：用标题分层、加粗日期价格、按时间排行程、用表格做候选对比，附上图片和预订链接。本质是把机器可读的搜索数据，翻成可直接看、可直接订的旅行推荐。

综合旅行搜索和单独查航班、酒店、景点有什么区别？

综合搜索 fliggy-fast-search 只吃一句自然语言，靠意图识别跨品类混排，适合需求模糊的早期探索，例如「杭州三日游」。分类搜索用 search-flight / search-hotels / search-poi，吃结构化参数，能精确指定日期、舱位、星级、景点等级，适合行程已定后的深度比价。

AI 推荐机票为什么必须保留退改、签证和入住时限等备注？

价格、时间、航司是吸引因素，退改规则、签证要求、值机时限是限制因素，两者必须同时呈现用户才能做出知情决策。这些字段来自航司或平台的约束信息，AI 无权二次校验或概括，若擅自省略可能让用户错过登机、误下不可退改的票，直接造成损失。