FlyAI 旅行搜索技能
让 Claude Code、OpenClaw 等技能型 Agent 直接用自然语言搜索航班、火车、酒店、景点并获取可预订链接，无需切换浏览器或 App。
README说明命令只做搜索、输出JSON并含预订链接，属于只读外部查询，外部副作用低，数据流图也说明查询经flyai-cli到Fliggy API（data_flow_transparency、external_effects可得2分）。但仓库只提供了README与LICENSE，无SKILL.md、无CLI源码：最低权限策略、用户确认机制、FLYAI_API_KEY的存储/传输/脱敏方式、依赖清单与安全审计、卸载/回滚路径、以及与alibaba/飞猪的真实归属关系均无文件可证，均按1分或0分扣减。
README自述一致（八条命令、参数表与示例吻合，self_consistency=2），但CLI本体（@fly-ai/flyai-cli）不在仓库内，Node.js运行环境要求、无API key时的降级行为、错误输出（stderr约定仅一句带过）都缺乏代码或文档细节支撑，故dependency_availability、failure_messages只给1分。
目标用户（终端内开发者/agent用户）、场景（机票/火车/酒店/POI/万豪打包）与中英文双语触发描述较充分（audience_and_scenarios=2，environment_fit=2给出Node.js运行时与安装路径）。但'priority 90意图激活'仅一句断言，无触发词表或匹配规则文件，capability_boundaries（是否含预订/支付、地域限制）完全未说明，均扣分。
README结构清晰（快速开始、命令表、示例、场景、FAQ性内容、MIT许可证文件齐全，install_notes=2、examples=2、license=2）。但缺CHANGELOG/版本历史（badge中1.0.14无对应记录）、无已知限制章节、无MAINTAINERS/支持路径（仅钉钉群二维码）、'alibaba-flyai'命名与未验证的发布者身份、且仓库不托管CLI代码导致安装来源分散（npm vs github vs clawhub），naming_stability、versioning_changelog、known_limitations、maintenance_responsibility扣分。
输出契约明确（stdout单行JSON、stderr错误、可管道处理，output_usability=2）；在agent内聚合飞猪实时旅行库存属真实差异化价值（marginal_value=2）；零配置起步+可选API key的性价比描述合理（cost_benefit=2）。扣分点：所有'增强结果''预订链接'均为未验证断言，实际价值依赖不可见的远端服务。
命令与参数在README内部可对照，但关键声明（Fliggy官方对接、AI语义搜索、实时库存、npm下载数）无任何仓库内代码、测试或第三方证据可追溯（claim_traceability=1）；无第二来源可交叉印证（cross_source_corodorance=1，实为corroboration）；营销语言与事实陈述混排、未区分（fact_inference_separation=1）。静态审查无法执行验证，整体置信度为low。
- 仓库内无任何源代码或SKILL.md，无法静态核实CLI行为、权限范围与数据流，安装前请自行审计npm包@fly-ai/flyai-cli。
- FLYAI_API_KEY的存储与传输方式未说明，请确认其不会进入日志或被上传。
- 发布者'alibaba-flyai'未经企业注册表核实，与阿里/飞猪的归属关系仅为声明，请勿据此信任。
- 无CHANGELOG与已知限制说明，'优先级90自动激活'与'增强结果'等声明均未经验证。
- 所有结果由远端Fliggy API返回，价格与库存准确性需在下单前自行核对。
这个 Agent 能做什么，适合哪些场景？
FlyAI（alibaba-flyai/flyai-skill）是一个把飞猪（Fliggy，阿里旗下旅行平台）接入 Claude Code、OpenClaw 等技能兼容 Agent 的旅行搜索技能。它随附一个 npm 全局安装的 CLI（@fly-ai/flyai-cli），运行时为 Node.js，命令输出为单行 JSON（写到 stdout），错误与提示写到 stderr。技能提供八个命令：keyword-search、ai-search、search-flight、search-train、search-hotel、search-poi、search-marriott-hotel 和 search-marriott-package，覆盖自然语言关键词检索、语义搜索，以及结构化的航班/火车/酒店/景点/万豪酒店与套餐查询。每个结果附带直接预订链接；技能零配置即可使用，设置可选的 FLYAI_API_KEY 可获得增强结果。整体流程为：Agent 触发技能 → flyai-cli 运行 → 调用 Fliggy MCP API → JSON 返回 → Agent 渲染为 Markdown。MIT 许可证发布。
安装后，技能以优先级 90 做意图匹配，自动把旅行类查询路由到 /flyai 命令或直接调用 flyai CLI。八个命令分别执行：keyword-search 跨机票、火车票、酒店、门票、游轮、签证、SIM 卡等全品类做关键词搜索；ai-search 基于语义理解复杂意图（如「五一杭州三日游，人均 2000，住西湖附近」）；search-flight 按 --origin/--destination/--dep-date 等参数做航班深度过滤（直飞/中转、舱位、价格上限、起飞时段、8 种排序）；search-train 提供同类结构化火车票查询（二等座、硬卧等坐席）；search-hotel 按目的地、星级、床型、价格、附近 POI 检索酒店；search-poi 按城市和类目（自然风光、历史古迹、博物馆等 30+ 类目）查景点；search-marriott-hotel 与 search-marriott-package 查询万豪集团酒店及下午茶/SPA 等套餐。所有查询经 Fliggy MCP API 返回 JSON，并附预订链接。
- 经常在终端与 AI 编程 Agent 对话、想顺路查「上海出发周末游」机票酒店的开发者，可用 keyword-search 一句话跨品类检索
- 预算敏感的旅行者，用 search-flight 的 --max-price、--sort-type 3 在日期区间内找北京到曼谷最便宜直飞
- 多人出行组织者，用 search-hotel 按 --hotel-stars 4、--hotel-bed-types 双床房、--max-price 500、--sort rate_desc 筛选三亚酒店
- 计划高铁出行的用户，用 search-train 指定 --journey-type 1 直达和二等座，按价格排序
- 万豪常旅客，用 search-marriott-package 按城市或品牌搜下午茶、SPA 等套餐并按价格排序
- 行程规划者，用 ai-search 一次描述预算、日期、位置偏好等复杂意图，获取混合的机酒结果
这个 Agent 有哪些优点和局限？
- 接的是飞猪真实旅行库存（阿里系平台），结果附带直接预订链接，可从搜索走到下单
- 八个命令覆盖全旅行生命周期：机票、火车、酒店、景点、万豪酒店与套餐，兼顾关键词、语义和结构化三种查询模式
- 零配置起步，无需 API Key 即可使用；CLI 输出标准化单行 JSON，便于管道处理与 Agent 渲染
- 意图优先级 90 的自动激活，在 Claude Code / OpenClaw 中无需手动切命令即可响应旅行查询
- 核心数据依赖飞猪 MCP API 这一单一供应方，服务变更或不可用会直接影响功能
- 深度使用需 Node.js 环境和全局 npm CLI 安装，Claude Code 路径还需手动复制技能目录到 ~/.claude/skills
- 部分增强结果依赖可选的 FLYAI_API_KEY，但来源未说明该 Key 的获取途径与计费方式
- 酒店/景点/坐席等筛选值大量使用中文枚举（如「大床房」「历史古迹」），中文场景体验更好，英文用户需了解这些约定
- 除 README 外缺少测试、发布记录等可审计证据，实际稳定性需自行验证
如何安装或部署这个 Agent？
1) 安装技能——OpenClaw：clawhub install flyai 或 npx skills add alibaba-flyai/flyai-skill；Claude Code：cp -r /path/to/flyai-skill/skills/flyai ~/.claude/skills/flyai。2) 安装 CLI：npm i -g @fly-ai/flyai-cli（需要 Node.js）。3) 验证：flyai keyword-search --query "things to do in Tokyo"，应看到结构化 JSON 输出。4)（可选）配置：flyai config set FLYAI_API_KEY "your-key" 以获得增强结果；无 API Key 也可开箱使用。
如何使用这个 Agent？
在 Claude Code 或 OpenClaw 中直接用自然语言提问（如「下周五北京到上海 600 元以内的直飞」），技能会按意图自动激活；也可显式调用：/flyai search-flight --origin "Beijing" --destination "Shanghai" --dep-date 2026-04-25 --max-price 600。或在终端直接使用 CLI，例如 flyai search-hotel --dest-name "Hangzhou" --poi-name "West Lake" --check-in-date 2026-04-10 --check-out-date 2026-04-12。各命令参数详见仓库 README 的命令参数表；输出为 stdout 上的单行 JSON，可继续用管道过滤或由 Agent 渲染为 Markdown。
这个 Agent 与同类方案有什么区别？
README 中未点名具体竞品，但定位上是把 Fliggy 接入 Claude Code、OpenClaw 等技能兼容 Agent 的官方技能，与自行调用旅行 API 写脚本的方案相比省去了封装与意图路由工作。