Token导航 LogoToken导航

Agent Skill · 效率

travel-blind-box(旅行盲盒)

travel-blind-box 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

travel-blind-box 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 15,598。

总安装 3,072周安装 128GitHub Stars 公开资料未说明下载 1,024核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:travel-blind-box(旅行盲盒)
来源仓库:https://github.com/haoxuanljj/travel-blind-box
安装命令:
openclaw skills install travel-blind-box
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install travel-blind-box

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

真正的盲盒旅行规划器!用户只需提供当前位置、出发日期、天数和预算,自动推荐未去过的目的地并生成轻松行程。使用 flyai skill 查询实时信息,支持历史记录管理避免重复。主打新奇体验和随意放松。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install travel-blind-box;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

travel-blind-box 怎么安装?

在终端执行 openclaw skills install travel-blind-box。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

travel-blind-box 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

travel-blind-box 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

travel-blind-box 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

travel-blind-box 用的人多吗?

公开数据是累计安装 3,072 次,近一周安装 128 次,下载 1,024 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

travel-blind-box 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
travel-blind-box

旅行盲盒 · 本页

3,072—权限未标注MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
travel-blind-box
description
真正的盲盒旅行规划器!用户只需提供当前位置、出发日期、天数和预算,自动推荐未去过的目的地并生成轻松行程。使用 flyai skill 查询实时信息,支持历史记录管理避免重复。主打新奇体验和随意放松。

盲盒游玩方案生成器(真·盲盒版)

核心理念

真正的盲盒体验:

  • 🎲 目的地随机:用户只说当前位置,自动推荐周边适合的城市
  • 🚫 历史不重复:记录去过的城市,绝不重复推荐
  • 🌿 行程轻松:每天只安排 1-2 个核心活动,主打随意放松
  • ✨ 新奇体验:每次都去没去过的地方,保持新鲜感

核心功能

基于用户当前位置、出发日期、天数和预算,自动生成完全随机的盲盒游玩方案:

  • ✅ 自动推荐目的地:根据当前位置推荐周边适合的城市(高铁/飞机 X 小时可达)
  • ✅ 历史记录管理:记录用户去过的城市,永不重复推荐
  • ✅ 随机景点、美食、娱乐活动推荐(每天只安排 1-2 个核心活动)
  • ✅ 宽松的每日行程安排(上午 + 下午各 1 个活动,晚上自由活动)
  • ✅ 随机预算分配(住宿、餐饮、交通、娱乐)
  • ✅ 随机主题风格(文化探索、美食之旅、冒险体验、休闲度假等)
  • ✅ 预订后自动生成详细行程表(含具体时间、酒店地址、航班/高铁信息)
  • ✅ 图文并茂的方案文档
  • ✅ 第三方平台预订链接

交互流程

第一步:收集基本信息(仅需当前位置)

主动询问以下信息(如果用户未提供):

  1. 当前位置:「请问您现在在哪个城市?」(用于推荐周边目的地)
  1. 出发日期:「请问您计划哪天出发?」(格式如:2026-04-15 或 下周六)

- ⚠️ 重要:必须获取具体出发日期,用于查询天气、节假日、价格波动等

  1. 游玩天数:「准备去玩几天?」(建议 2-5 天,主打轻松)
  1. 总预算:「有多少预算?」(如"3000 元")

第二步:查询历史记录并动态追问

查询去过的城市

在生成推荐前,必须先查询用户的历史记录:

# 调用历史记录管理脚本
python scripts/history_manager.py list_visited-cities --current-location [当前城市]

# 返回示例:
["杭州", "苏州", "南京"]  # 这些城市不会推荐
动态追问

根据已提供信息的完整度,选择性追问:

  • 如果用户没说人数:「请问是几个人出行?」(默认 1 人)
  • 如果没说返程偏好:「您希望乘坐什么交通工具返程?高铁/飞机/都可以?」(用于后续预订)
  • 强调盲盒特性:「我会为您推荐几个没去过的城市,最终选择哪个完全随机,这样可以吗?」
  • 确认历史记录:「系统显示您去过 [城市列表],这次不会推荐这些地方,对吗?」(如有历史记录)

第三步:智能推荐目的地

推荐策略

根据用户当前位置,推荐适合的城市(按优先级):

  1. 交通便利性:

- 高铁 1-4 小时可达 - 或飞机 2 小时内直达 - 优先推荐高铁圈城市

  1. 预算匹配度:

- 根据总预算筛选合适的消费水平城市 - 确保预算充足(建议预留 20% 弹性空间)

  1. 历史不重复:

- 严格过滤去过的城市 - 优先推荐从未去过的类型(如用户一直去江南水乡,可推荐山城或海滨)

  1. 季节适配性:

- 春季:推荐赏花、古镇类城市 - 夏季:推荐海滨、避暑类城市 - 秋季:推荐赏叶、文化类城市 - 冬季:推荐温暖南方或冰雪类城市

  1. 天气因素:

- 查询出发日期前后天气预报 - 避开极端天气城市 - 优先推荐晴朗或多云城市

推荐流程
  1. 调用 flyai skill 查询:
   "从 [当前城市] 出发,[日期] 前后,[天数] 天行程,预算 [金额] 元,
    推荐 5-8 个适合的周边城市,要求:
    - 高铁/飞机交通便利
    - 排除 [去过的城市列表]
    - 包含每个城市的特色、预计花费、推荐理由"
  1. 生成候选列表(5-8 个城市):
   ### 候选目的地
   1. **苏州** - 园林之城(高铁 30 分钟,预计花费 1500 元)
   2. **南京** - 六朝古都(高铁 1 小时,预计花费 1800 元)
   3. **扬州** - 淮扬美食(高铁 1.5 小时,预计花费 1200 元)
   4. **绍兴** - 鲁迅故里(高铁 1 小时,预计花费 1300 元)
   5. **黄山** - 徽州文化(高铁 2 小时,预计花费 2000 元)
  1. 随机选择:

- 向用户展示候选列表 - 说明将随机选择最终目的地 - 或直接随机选择后公布结果

第四步:确认目的地并查询详细信息

向用户展示随机选择结果:

🎁 盲盒揭晓!这次为您推荐的目的地是:**扬州**!

推荐理由:
- ✅ 您从未去过扬州
- ✅ 高铁 1.5 小时直达,交通便利
- ✅ 预算范围内(预计 1200 元)
- ✅ 此时正是「烟花三月下扬州」的最佳季节
- ✅ 以淮扬美食闻名,适合放松式美食之旅

正在为您生成扬州 3 天的轻松行程...

然后调用 flyai skill 查询扬州的详细信息:

  • 景点信息(开放时间、门票价格、建议游玩时长)
  • 酒店住宿选项(价格、位置、评价)
  • 当地美食推荐(人均消费、营业时间)
  • 返程交通信息(航班/高铁时刻表、价格)
  • 天气预报(根据出发日期查询)

第五步:生成轻松盲盒方案

预算自动分配规则

按以下比例随机浮动分配总预算:

  • 住宿:35-45%
  • 餐饮:20-30%
  • 交通:15-25%(含返程交通)
  • 娱乐/景点:10-20%
轻松行程安排原则 ⭐

核心原则:每天只安排 1-2 个核心活动,其他时间自由活动

第 X 天 [主题]
上午(10:00-12:00):[1 个轻松活动]
中午(12:00-14:00):[午餐推荐]
下午(14:00-17:00):[1 个休闲活动 或 自由时间]
晚上(18:00 后):[晚餐推荐 + 自由活动]
住宿:[推荐酒店及价格]

时间安排特点:

  • ✅ 早上不安排太早的活动(10 点后再出门)
  • ✅ 每个活动预留充足时间(不赶场)
  • ✅ 下午保留弹性时间(可休息可继续游玩)
  • ✅ 晚上主要推荐美食,不强制安排活动
  • ✅ 两天之间可能安排一天完全自由日
行程生成逻辑
  1. 随机选择主题:从以下主题中随机选择

- 文化探索(博物馆、历史遗迹、艺术展览) - 美食之旅(特色餐厅、小吃街、美食市场) - 冒险体验(户外运动、主题公园、刺激活动) - 休闲度假(公园、温泉、咖啡厅、慢生活) - 城市漫步(地标建筑、商业街、夜景)

  1. 每日安排结构(宽松版):
   第一天【抵达 + 适应】
   上午:睡到自然醒,10 点后出门
   中午:[轻松的第一餐]
   下午:[一个轻松的景点,如公园或老街漫步]
   晚上:[晚餐推荐] + 自由活动
   
   第二天【核心体验】
   上午:[一个主要景点,10:00-12:00]
   中午:[特色午餐]
   下午:[自由活动或轻松咖啡时光]
   晚上:[晚餐推荐]
   
   第三天【返程】
   上午:[最后一个轻松活动]
   中午:[告别午餐]
   下午:[根据返程时间安排送站/送机]
  1. 盲盒元素:

- 每天的主题随机 - 每个时段的活动从候选列表中随机选择 - 餐饮推荐包含不同价位和风格的随机组合

第五步:输出方案文档

生成 Markdown 格式文档,包含以下内容:

# 🎁 [城市名称] 盲盒游玩方案(轻松版)

## 📋 方案概览
- **出行人数**:X 人
- **出发日期**:2026-XX-XX(周 X)
- **游玩天数**:X 天 X 晚
- **总预算**:XXXX 元
- **主题风格**:[随机生成的主题组合]
- **天气预测**:[根据日期查询的天气情况]

## 💰 预算分配
| 类别 | 预算 | 占比 |
|------|------|------|
| 住宿 | XXX 元 | XX% |
| 餐饮 | XXX 元 | XX% |
| 交通 | XXX 元 | XX% |
| 娱乐 | XXX 元 | XX% |

## 📅 轻松行程

### 第一天【轻松适应】🍃
**上午**
- 🕙 时间:10:00 后出门(睡到自然醒)
- 📍 活动:[轻松的景点或街区漫步]
- 💡 说明:[简短介绍,强调不用赶时间]

**中午**
- 🍽️ 餐厅:[餐厅名称]
- 💰 人均:XX 元
- 🥢 推荐菜:[菜品]

**下午**
- 🕑 时间:14:00-17:00
- 📍 活动:[一个休闲活动 或 自由时间建议]
- ☕ 可选:找家咖啡厅发呆、公园小憩

**晚上**
- 🍽️ 晚餐:[餐厅名称]
- 💰 人均:XX 元
- 🌃 自由活动:[推荐可去可不去的活动]

**🏨 住宿推荐**
- 酒店名称:XXX
- 价格:XXX 元/晚
- 地址:[详细地址]
- 预订链接:[跳转链接]

### 第二天【核心体验】🎯
...

## 🎯 备选方案
如果对某个安排不满意,可以要求:
- 「重新生成某一天的行程」
- 「换一个同类型的景点」
- 「调整预算分配」

## ⚠️ 注意事项
- 行程比较轻松,可根据实际情况自由调整
- 部分景点需提前预约
- 注意天气变化
- 保留弹性时间

调用 flyai Skill 的方式

使用 Skill 工具调用 flyai:

skill: "flyai"
args: "查询 [城市名称] 的景点、酒店、美食推荐,预算范围 XXX 元"

flyai skill 会返回:

  • 景点列表及门票价格
  • 酒店选项及价格区间
  • 美食推荐及人均消费
  • 交通方式建议

用户确认、预订与行程单生成

方案确认后开始预订

生成方案后,询问用户:

  • 「您对这套盲盒方案满意吗?」
  • 「如果满意,我可以帮您逐项查询预订信息」
  • 「需要我重新生成某一部分吗?」

预订流程

当用户确认要预订某个项目时:

  1. 酒店预订:

- 调用 flyai 查询具体日期的价格和空房 - 提供预订链接 - 记录预订信息:酒店名称、地址、入住日期、退房日期、价格

  1. 交通预订(返程):

- 调用 flyai 查询航班/高铁时刻 - 根据用户偏好推荐 2-3 个选项 - 记录预订信息:车次/航班号、出发时间、到达时间、座位等级、价格

  1. 景点门票:

- 查询是否需要预约 - 提供购票链接 - 记录预订信息:景点名称、日期、时间段、票价

自动生成详细行程表 ⭐

每当用户完成一个预订后,自动生成一份可打印的详细行程表:

# 📋 [城市名称] 详细行程表

## 🎫 已确认预订信息

### 🏨 住宿
| 日期 | 酒店名称 | 地址 | 房型 | 价格 | 确认号 |
|------|---------|------|------|------|--------|
| 4.15-4.17 | 全季酒店西湖店 | 杭州市上城区 XX 路 XX 号 | 大床房 | 380 元/晚 | 123456 |

### ✈️ 返程交通
| 日期 | 班次 | 出发时间 | 到达时间 | 座位 | 价格 | 确认号 |
|------|------|---------|---------|------|------|--------|
| 4.17 | G1234 | 15:30 | 20:45 | 二等座 | 538 元 | 654321 |

### 🎟️ 景点门票
| 日期 | 景点 | 时间 | 票价 | 状态 |
|------|------|------|------|------|
| 4.16 | 灵隐寺 | 10:00-12:00 | 75 元 | 已预订 |

---

## 📅 完整行程安排

### 第一天(4 月 15 日 周三)
**上午**
- 🕙 10:00 后出门
- 📍 西湖漫步(免费)
- 🍜 午餐:楼外楼(12:00,人均 80 元)

**下午**
- 🕑 14:00-17:00 自由时间
- ☕ 推荐:湖边咖啡厅发呆

**晚上**
- 🍽️ 晚餐:外婆家(18:00,人均 60 元)
- 🏨 入住:全季酒店西湖店
  - 地址:杭州市上城区 XX 路 XX 号
  - 电话:0571-XXXXXXXX

---

### 第二天(4 月 16 日 周四)
**上午**
- 🕘 10:00 前往灵隐寺
- 🎫 已预订门票(75 元)
- 🍜 午餐:素斋(12:00,人均 40 元)

**下午**
- 🕑 14:00-17:00 自由时间
- ☕ 推荐:龙井村品茶

**晚上**
- 🍽️ 晚餐:绿茶餐厅(18:00,人均 70 元)
- 🏨 入住:全季酒店西湖店

---

### 第三天(4 月 17 日 周五)【返程】
**上午**
- 🕙 10:00 退房,寄存行李
- 📍 河坊街最后逛逛

**中午**
- 🍜 午餐:知味观(12:00,人均 30 元)

**下午**
- 🕐 13:30 前往杭州东站
- 🚄 G1234 次列车(15:30 发车)
- 🏠 预计 20:45 抵达家中

---

## 📞 紧急联系信息
- 酒店前台:0571-XXXXXXXX
- 当地旅游热线:0571-96927
- 紧急求助:110 / 120

## 💡 温馨提示
- 请提前 30 分钟到达车站/机场
- 随身携带身份证和预订确认信息
- 保持手机畅通,便于接收通知

*生成时间:2026-04-01 14:30*
*版本:v2.0(含已确认预订)*

行程表更新机制

每次用户完成新的预订后:

  1. 自动更新行程表中的「已确认预订信息」部分
  2. 在对应日期标注「已预订」状态
  3. 添加确认号等关键信息
  4. 重新发送完整行程表给用户

如果用户要求修改:

  1. 针对特定日期重新生成
  2. 替换某个景点/餐厅
  3. 调整预算分配比例
  4. 完全重新生成整套方案
  5. 更新行程表并重新发送

图片处理

如需为方案生成配图:

  1. 使用 ImageGen 工具生成景点示意图
  2. 或使用 baoyu-article-illustrator skill 为文章添加插图

输出文件

将最终方案保存到用户工作区:

  • 文件名:[城市名称]_盲盒游玩方案_[日期].md
  • 路径:/Users/haoxuan/.qoderwork/workspace/mnfmzk5jgnc4ogo5/outputs/

示例对话

完整流程示例

用户:我想去杭州玩 3 天,预算 2000 元

助手:好的!让我为您生成一套杭州 3 天 2000 元的盲盒游玩方案。请问您计划哪天出发呢?

用户:4 月 15 号

助手:收到!请问是几个人出行呢?

用户:一个人

助手:好的!正在为您随机生成杭州 3 天单人盲盒方案(4 月 15 日出发)...

(调用 flyai skill 查询信息) (查询 4 月 15 日杭州天气预报) (生成轻松的盲盒方案文档)

助手:🎁 您的杭州盲盒游玩方案已生成!

查看方案文档

这套方案主打轻松随意,每天只安排 1-2 个核心活动,留足自由时间。您对这套方案满意吗?如果满意,我可以帮您查询具体的预订信息,并在您完成预订后自动生成详细行程表。


预订后生成行程表示例

用户:酒店看起来不错,帮我查一下 4 月 15-17 日的价格

助手:好的,正在查询全季酒店西湖店 4 月 15-17 日的价格和空房情况...

(调用 flyai 查询)

助手:全季酒店西湖店 4 月 15-17 日有房:

  • 高级大床房:380 元/晚 × 2 晚 = 760 元
  • 立即预订

用户:我已经订好了,确认号 123456

助手:太好了!已为您记录酒店预订信息。现在为您生成第一版详细行程表...

查看详细行程表

行程表已包含您的酒店信息和初步安排。接下来需要预订返程交通吗?您希望乘坐高铁还是飞机?

辅助脚本

scripts/budget_allocator.py

用于预算分配的辅助脚本:

#!/usr/bin/env python3
"""盲盒旅行预算分配器"""

import random
import json

def allocate_budget(total_budget, days):
    """
    随机分配旅行预算
    
    Args:
        total_budget: 总预算(元)
        days: 天数
    
    Returns:
        预算分配字典
    """
    # 生成随机比例
    accommodation_ratio = random.uniform(0.35, 0.45)
    food_ratio = random.uniform(0.20, 0.30)
    transport_ratio = random.uniform(0.15, 0.25)
    entertainment_ratio = 1 - accommodation_ratio - food_ratio - transport_ratio
    
    # 计算各项预算
    allocation = {
        'accommodation': round(total_budget * accommodation_ratio, 2),
        'food': round(total_budget * food_ratio, 2),
        'transport': round(total_budget * transport_ratio, 2),
        'entertainment': round(total_budget * entertainment_ratio, 2),
        'per_day': round(total_budget / days, 2)
    }
    
    # 添加比例信息
    allocation['ratios'] = {
        'accommodation': round(accommodation_ratio * 100, 1),
        'food': round(food_ratio * 100, 1),
        'transport': round(transport_ratio * 100, 1),
        'entertainment': round(entertainment_ratio * 100, 1)
    }
    
    return allocation

if __name__ == '__main__':
    import sys
    if len(sys.argv) != 3:
        print("Usage: python budget_allocator.py <total_budget> <days>")
        sys.exit(1)
    
    total_budget = float(sys.argv[1])
    days = int(sys.argv[2])
    
    result = allocate_budget(total_budget, days)
    print(json.dumps(result, indent=2, ensure_ascii=False))

使用方法:

python scripts/budget_allocator.py 2000 3

注意事项

  1. 必须收集出发日期:没有具体日期无法查询天气和交通,无法生成行程表
  2. 放松式旅行理念:强调行程不要太满,每天只安排 1-2 个核心活动
  3. 预算合理性:确保分配的预算在当地物价水平下可行
  4. 时间可行性:每日行程宽松,保留充足弹性时间
  5. 安全提示:提醒用户注意人身和财产安全
  6. 预订说明:明确告知预订链接会跳转到第三方平台
  7. 行程单更新:每次预订后都要及时更新并重新发送行程表
  8. 天气适配:根据查询到的天气预报调整室内/室外活动比例
  9. 返程优先:先确定返程交通时间,再安排最后一天的活动

相关资源

平台分布

OpenClaw

74.2%
按下载量换算760

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills