OpenClaw+Phi-3-vision-128k-instruct：个人旅行规划自动化助手
OpenClaw+Phi-3-vision-128k-instruct：个人旅行规划自动化助手
1. 为什么需要AI旅行助手？
每次计划旅行时，我都会陷入同样的困境：浏览器开着十几个攻略标签页，手机相册里塞满截图，Excel表格里杂乱地记录着景点信息。最痛苦的是要把这些碎片信息整理成可执行的行程表——这个过程往往要耗费整个周末。
直到我发现OpenClaw和Phi-3-vision-128k-instruct的组合可以解决这个问题。这个方案的核心价值在于：
- 多模态理解：Phi-3-vision能同时处理文字和图片信息，直接解析攻略中的景点图片
- 自动化执行：OpenClaw可以自动收集网页内容、整理文档、生成最终行程表
- 持续优化：根据我的历史偏好自动调整推荐（比如避开人多的网红景点）
2. 技术组合的关键能力
2.1 Phi-3-vision的多模态优势
这个128k上下文的多模态模型特别适合旅行规划场景：
- 能理解攻略中的景点图片风格（比如"适合拍照的咖啡馆"）
- 从长文章中提取关键信息（开放时间、门票价格等）
- 处理PDF、网页截图等非结构化数据
我在本地用vllm部署时特别注意了显存占用——在24G显存的3090上能流畅运行128k上下文的全精度推理。
2.2 OpenClaw的自动化链路
通过几个核心技能模块的配合：
- 网页抓取：自动收集马蜂窝/穷游等攻略
- 信息提取：调用Phi-3分析图文内容
- 行程生成：按时间/地点/兴趣自动排期
- 文档输出：生成PDF/Excel格式的行程表
最让我惊喜的是它还能自动检查景点间的交通时间——这是手工规划最容易出错的部分。
3. 具体实现步骤
3.1 环境部署要点
先确保基础服务就位：
# 部署Phi-3-vision服务 git clone https://github.com/vllm-project/vllm cd vllm && pip install -e . python -m vllm.entrypoints.api_server --model microsoft/Phi-3-vision-128k-instruct --tensor-parallel-size 1OpenClaw配置关键项：
{ "models": { "providers": { "phi3-vision": { "baseUrl": "http://localhost:8000/v1", "api": "openai-completions", "models": [{ "id": "phi3-vision", "name": "Local Phi-3 Vision" }] } } } }3.2 核心技能开发
我编写了一个travel-planner技能模块，主要逻辑包括：
def extract_attractions(html): # 调用Phi-3分析网页内容 response = openclaw.models.chat( model="phi3-vision", messages=[{ "role": "user", "content": f"从以下攻略中提取景点信息：{html}" }] ) return parse_attractions(response.choices[0].message.content) def generate_schedule(attractions): # 自动排程算法 return optimize_route(attractions)3.3 实际工作流示例
当我说"规划一个3天的杭州文艺之旅"时：
- OpenClaw自动搜索"杭州文艺景点"并抓取前10篇攻略
- Phi-3分析图文内容，筛选出符合"文艺"特征的景点
- 根据地理位置和开放时间生成行程初稿
- 与我确认后输出PDF行程表和地图标记
整个过程从原来的3小时缩短到10分钟，且避免了手工复制粘贴的错误。
4. 实践中的经验教训
4.1 多模态处理的坑
最初直接让模型分析网页截图效果很差，后来改进为：
- 先用Readability-lib提取正文文本
- 只对关键图片单独截图分析
- 结合文本和图片特征做综合判断
4.2 自动化边界管理
遇到过几次自动生成的行程不合理，现在设置了几条安全规则：
- 不自动预订任何付费项目
- 重要节点必须人工确认
- 保留完整的信息溯源链（点击可查看原始攻略）
4.3 性能优化技巧
对于长攻略的处理：
- 先用Phi-3生成摘要
- 只对关键段落做详细分析
- 使用OpenClaw的缓存机制避免重复处理
5. 效果展示与个人体会
上个月用这个系统规划了京都之旅，最实用的几个功能：
- 自动天气适配：发现行程日有雨，自动调整室内景点优先
- 实时同步：在飞书里随时添加新想法，行程表自动更新
- 应急方案：当某个景点临时关闭时，立即推荐附近替代方案
不过最大的收获反而是旅行前的准备过程变得轻松愉快——我不再需要与Excel表格搏斗，而是能专注享受规划旅行的乐趣。这种"人机协作"的体验，或许才是AI助手的真正价值。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。