用AutoGen Studio做个旅游规划AI：完整项目实战教程

1. 引言

1.1 业务场景描述

在现代生活中，个性化旅游规划已成为高频需求。用户希望获得符合预算、时间安排和兴趣爱好的行程建议，但手动查找信息耗时费力。传统推荐系统往往缺乏灵活性，难以应对复杂多变的用户需求。

借助AI代理（Agent）技术，我们可以构建一个能够自主思考、调用工具、协同工作的智能系统，自动完成从目的地推荐到行程安排的全流程任务。本教程将带你使用AutoGen Studio实现一个完整的旅游规划AI助手。

1.2 痛点分析

当前旅游规划存在以下问题：

信息分散：需在多个平台查询交通、住宿、景点等数据
个性化不足：通用推荐无法满足特定偏好（如亲子游、徒步旅行）
动态调整困难：天气变化或突发情况难以实时响应
多目标权衡复杂：预算、时间、舒适度之间需要平衡

现有方案通常依赖规则引擎或单模型问答，缺乏“推理+执行”的闭环能力。

1.3 方案预告

本文将基于内置vLLM部署的Qwen3-4B-Instruct-2507模型服务的 AutoGen Studio 镜像环境，通过低代码方式搭建一个多智能体协作系统，包含：

规划师 Agent：负责整体行程设计
搜索 Agent：调用外部工具获取实时信息
评审 Agent：对生成方案进行评估与优化

最终实现一个可交互、可扩展、支持动态反馈的旅游规划AI工作流。

2. 环境准备与模型验证

2.1 检查本地大模型服务状态

本镜像已预装 vLLM 并启动 Qwen3-4B-Instruct-2507 模型服务。首先确认服务正常运行：

cat /root/workspace/llm.log

输出应包含类似如下内容，表示模型已加载成功并监听8000端口：

INFO: Started server process [12345] INFO: Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit) INFO: OpenAI API provider listening on http://0.0.0.0:8000/v1

若未看到日志，请检查容器资源分配是否充足（建议至少 8GB 显存）。

2.2 WebUI 访问与测试

打开浏览器访问 AutoGen Studio WebUI，默认端口为8080。进入主界面后，按照以下步骤配置模型连接。

2.3 配置 Assistant Agent 的模型参数

2.3.1 进入 Team Builder 页面

点击左侧菜单栏的Team Builder，选择默认的AssistantAgent进行编辑。

2.3.2 修改 Model Client 参数

在模型客户端设置中填写以下参数：

字段	值
Model	`Qwen3-4B-Instruct-2507`
Base URL	`http://localhost:8000/v1`
API Key	`EMPTY`（vLLM 默认无需密钥）

保存配置后，可通过内置聊天窗口发送测试消息，例如：

“你好，请介绍一下你自己。”

预期返回结果为模型的自我介绍，表明通信链路畅通。

3. 构建旅游规划智能体团队

3.1 设计多Agent协作架构

我们采用分层协作模式，定义三个核心角色：

Planner Agent：主导任务分解与流程控制
Searcher Agent：执行网络搜索、获取天气/票价等信息
Reviewer Agent：质量把关，提出改进建议

三者通过消息传递机制协同工作，形成“提出→执行→评审”循环。

3.2 创建 Planner Agent

3.2.1 新建 Agent

在 Team Builder 中点击 “Add New Agent”，命名为TravelPlanner。

3.2.2 设置行为描述（System Message）

你是一个专业的旅游规划师 AI。你的任务是根据用户的出行需求（如目的地、天数、预算、兴趣等），制定详细的每日行程计划。 你需要： 1. 分析用户需求，明确关键约束条件； 2. 将任务拆解为若干子任务（如查景点、排路线、定酒店）； 3. 协调其他 Agent 完成信息收集； 4. 整合并输出结构化行程表，包括时间、地点、交通方式、费用估算等。

3.2.3 配置模型与能力

使用相同的Qwen3-4B-Instruct-2507模型
启用Allow Delegation，允许其向其他 Agent 发送请求
开启Human Input Mode（可选），便于人工干预

3.3 创建 Searcher Agent

3.3.1 新建 Agent：`InfoSearcher`

该 Agent 负责调用工具获取外部信息。

3.3.2 系统提示词配置

你是 Travel Planning System 的信息检索专家。你的职责是根据 Planner 的请求，使用工具获取准确的实时信息。 你可以使用的工具有： - web_search(query): 执行网络搜索，返回前3条相关结果摘要 - get_weather(location): 查询指定城市的当前及未来三天天气 - get_flight_prices(origin, dest, date): 获取航班价格范围 - get_hotel_options(location, check_in, budget): 获取符合条件的酒店列表 请确保每次只调用最必要的工具，并以简洁格式返回结果。

3.3.3 工具注册说明

虽然 AutoGen Studio 当前版本不支持自定义 Python 函数注入，但我们可以通过 Playground 手动模拟工具调用逻辑。后续可通过导出代码并在本地项目中集成真实工具。

3.4 创建 Reviewer Agent

3.4.1 新建 Agent：`QualityReviewer`

3.4.2 系统提示词配置

你是旅游行程的质量审查官。你的任务是对 TravelPlanner 提交的初步方案进行审核，重点关注： - 时间安排是否合理（避免过于紧凑或空闲） - 地点分布是否集中（减少无效交通） - 是否符合用户预算 - 是否覆盖用户兴趣点 - 是否考虑天气因素 请以建设性语气提出修改建议，最多列出3条改进意见。如果方案优秀，直接回复“通过”。

4. 在Playground中测试旅游规划流程

4.1 新建 Session

进入Playground页面，点击 “New Session”，选择之前创建的团队（Team），添加TravelPlanner作为初始参与者。

4.2 输入用户需求示例

发送以下请求开始对话：

我想下个月带家人去杭州玩三天，预算每人3000元，喜欢自然风光和美食，不喜欢购物团。请帮我规划一下行程。

4.3 观察多Agent协作过程

系统将自动触发以下流程：

TravelPlanner接收请求，分析需求，生成任务清单：
- 查询杭州必游景点（西湖、灵隐寺、龙井村等）
- 获取近期天气预报
- 推荐适合家庭的餐厅
- 安排每日行程节奏
TravelPlanner向InfoSearcher发起委托请求：
请查询下周杭州的天气情况和西湖周边人均100元内的特色餐馆。

InfoSearcher返回模拟结果（实际环境中应由插件实现）：

天气：晴转多云，气温18~26°C，适宜户外活动。 餐厅推荐： - 楼外楼（西湖醋鱼）：人均90元 - 知味观·味庄：人均110元 - 西湖国宾馆·紫薇厅：人均150元

TravelPlanner整合信息，生成初版行程草案。
QualityReviewer审核后反馈：
建议：第二天下午安排稍显紧张，建议将龙井村采茶体验延后一小时；晚餐可优先推荐楼外楼。
TravelPlanner修正方案并输出最终行程。

4.4 输出样例（简化版）

### 杭州三日亲子游行程（预算：3000元/人） #### 第一天：西湖文化之旅 - 上午：断桥残雪 → 白堤 → 平湖秋月 - 午餐：楼外楼（西湖醋鱼、东坡肉） - 下午：乘船游湖（三潭印月）→ 雷峰塔 - 晚餐：知味观·味庄 - 住宿：西湖边精品民宿（¥600/晚） #### 第二天：茶乡体验日 - 上午：灵隐寺祈福 - 下午：龙井村参观茶园，体验手工炒茶 - 晚餐：农家乐（龙井虾仁、土鸡煲） #### 第三天：城市休闲 - 上午：中国丝绸博物馆 - 下午：河坊街自由活动（非购物导向，侧重民俗展示） - 返程

5. 关键实践问题与优化建议

5.1 常见问题及解决方案

问题现象	可能原因	解决方法
Agent 不响应或卡住	模型响应超时或上下文过长	调整`max_tokens`，限制历史消息长度
工具调用失败	缺少真实工具接口	导出至本地项目，集成真实 API
回复偏离主题	system message 不够明确	加强角色定义，增加约束条件
多轮对话混乱	缺乏状态管理	启用`GroupChat`模式，引入主持人 Agent