Token导航 LogoToken导航

Agent Skill · 研究检索

travel-schedule-brainstrom(旅行日程集思广益)

travel-schedule-brainstrom 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。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-schedule-brainstrom 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为执行命令;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 31,645。

总安装 2,664周安装 111GitHub Stars 2下载 888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-schedule-brainstrom(旅行日程集思广益)
来源仓库:https://github.com/david-cai-gpt/travel-schedule-brainstrom
安装命令:
openclaw skills install travel-schedule-brainstrom
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-schedule-brainstrom

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

通过对话逐步澄清模糊需求,并用FlyAI CLI辅助扫描酒店与景点。适合目的地未定或信息不全的初学者用户。travel-schedule-brainstrom 属于研究检索类 Skill,可作为该场景下的辅助能力补充。使用方式:说出“帮我规划”“查酒店”等关键词触发引导流程。全程中文交互,优先收敛天数与预算参数。

安装前应确认FlyAI CLI环境配置与密钥有效性。

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-schedule-brainstrom;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

    它需要执行命令,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

travel-schedule-brainstrom 怎么安装?

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

travel-schedule-brainstrom 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-schedule-brainstrom 需要什么权限?

权限级别是执行命令。安装流程涉及命令执行,可能通过 openclaw skills install travel-schedule-brainstrom 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

travel-schedule-brainstrom 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-schedule-brainstrom 用的人多吗?

公开数据是累计安装 2,664 次,近一周安装 111 次,下载 888 次,GitHub 2 星。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-schedule-brainstrom 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

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。

先想清楚的地方

  • 需要执行命令,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 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。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 不能接受 Skill 在你机器上执行命令的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
travel-schedule-brainstrom

旅行日程集思广益 · 本页

2,6642执行命令MIT-0有提醒

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
caidawei-cdw--brainstorming-for-travel
description
在旅游需求模糊时,用对话一步一步澄清并给出可行方案;预算充足时用 FlyAI CLI(search-hotels / search-poi / search-flight)辅助酒店、景点与机票扫描。全程中文。用户已说清的目的地/时间/预算等直接采用;未说清时优先用天数与预算收敛。触发:不知道去哪、帮我规划、查酒店机票景点、只有大概预算/假等。
metadata
agent
type
skill
runtime
shell
openclaw
emoji
🧳
priority
85
intents
patterns

模糊旅游需求澄清与方案

何时使用

用户旅游意图不完整或很泛,需要先澄清再给方案。若约束已齐,可直接出方案并视情况调用 FlyAI。不要在缺少目的地、入住离店日期、出发城市等硬条件时盲目跑 CLI。

核心原则(对齐 brainstorming)

  • 一次只问一个关键问题;能做成选择题时优先选择题。
  • 先读用户原话:目的地、日期、人数、预算、禁忌、节奏等已写明则直接采信。
  • 用天数与预算双锚:目的地或主题不清时,先用出行天数缩小范围;再用总预算/人均预算区分档次与可行区域(紧预算 vs 宽松)。
  • 全程简体中文回复。

预算驱动方案

预算是收敛「交通 + 住宿 + 玩乐」的核心杠杆,澄清或推断时注意:

  1. 问清口径:总预算还是人均;是否含往返大交通与住宿;大致几晚。
  2. 粗拆再搜:在数字明确后,将预算拆成每晚住宿上限(search-hotels 的 --max-price)、机票扫描上限(search-flight 的 --max-price),剩余视为市内交通与门票弹性;若用户只给总包,先按「几晚 + 往返机票预留」反推每晚上限,并在回复里说明假设,便于用户纠正。
  3. 方案表述:优先推荐预算内组合;若用户预算偏紧,明确标出「可能需提高预算或改日期/目的地」的项。

判断:是否还要澄清

情况做法
目的地 + 时间窗口 + 天数 + 预算 + 出发地(查机票时需要)已齐可直接方案,并按下列步骤调用 FlyAI
只有天数和预算补问区域/兴趣;同时用预算缩小住宿与交通档次预期
几乎只有「随便」先问天数或假期窗口,再问预算档位,再问兴趣(选择题)

建议澄清顺序(可跳过已明确的项)

  1. 时间与天数:固定日期或可浮动;共几晚。
  2. 预算与口径:总额/人均、是否含机票与酒店星级预期。
  3. 出发地与目的地:城市级名称,供 search-flight 与 search-hotels。
  4. 主题与禁忌:自然/城市/亲子等;体力与高反等。
  5. 交通偏好:对方案影响大时再问。

方案阶段

  • 信息仍偏少:先给 2~3 个方向,每个写清预算档位与取舍。
  • 信息已齐:给出日程级概要;若已执行 FlyAI,用真实 CLI 结果支撑酒店/机票/景点建议,并注明查询条件与日期。

FlyAI:何时调用

在至少具备 目的地城市名、入住/离店日期、出发城市(查机票时) 后再执行。用户未指定景点时,可用 search-poi 的热门档位作参考。

SSL:若遇证书校验失败,在命令前加环境变量:NODE_TLS_REJECT_UNAUTHORIZED=0(仅作绕过手段,知悉安全风险)。

Step 1:搜索酒店

NODE_TLS_REJECT_UNAUTHORIZED=0 flyai search-hotels \
  --dest-name "[目的地]" \
  --check-in-date [入住日期] \
  --check-out-date [离店日期] \
  --max-price [预算上限] \
  --sort rate_desc
参数说明
--dest-name目的地城市(必填)
--check-in-date入住日期 YYYY-MM-DD
--check-out-date离店日期 YYYY-MM-DD
--max-price每晚最高价格(与上文预算拆分一致)
--hotel-stars星级筛选,如 "4,5"
--sortrate_desc 评分优先 / price_asc 价低到高
--poi-name附近景点名称

Step 2:搜索景点(可选)

用户指定关键词时:

NODE_TLS_REJECT_UNAUTHORIZED=0 flyai search-poi \
  --city-name "[目的地]" \
  --keyword "[景点关键词]"

用户未指定时,用热门参考:

NODE_TLS_REJECT_UNAUTHORIZED=0 flyai search-poi \
  --city-name "[目的地]" \
  --poi-level 5

Step 3:机票价格扫描(search-flight)

单日查询示例:

NODE_TLS_REJECT_UNAUTHORIZED=0 flyai search-flight \
  --origin "{出发城市}" \
  --destination "{目的地}" \
  --dep-date {出发日期} \
  --back-date {返回日期} \
  --journey-type {1=直飞/不填=含中转} \
  --sort-type 3
参数说明
--origin出发城市(必填)
--destination目的地城市
--dep-date出发日期 YYYY-MM-DD
--back-date返回日期 YYYY-MM-DD
--journey-type1 仅直飞,2 仅中转,不填为全部
--sort-type3 价格从低到高
--dep-hour-start / --dep-hour-end出发时段 0–23
--max-price价格上限(与预算一致时填入)

批量扫描策略:

  1. 根据用户允许的日期范围,列出候选出发日期。
  2. 对每个出发日期,返程日期 = 出发日期 + 行程天数(与用户确认的天数一致)。
  3. 对每个组合调用 search-flight,记录当日最低价及对应航班摘要。
  4. 汇总成「哪几天出发相对便宜」,再结合酒店 max-price 与总预算做推荐。

禁止

  • 不要一次抛多个澄清问题。
  • 不要忽略用户已声明的预算与日期。
  • 无 CLI 或调用失败时:明确说明,降级为经验型方案,不编造具体价格与余票。

平台分布

OpenClaw

78.38%
按下载量换算696

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

权限和风险

执行命令

安装流程涉及命令执行,可能通过 openclaw skills install travel-schedule-brainstrom 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。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