夜雨聆风出门旅行前最头疼的是什么？
看攻略看到眼睛酸、查天气翻烂了手机、对比酒店选择困难症爆发——好不容易凑完一个行程方案，发现景点之间路程要3小时，直接崩溃。
现在有一种新玩法：用Dify搭建一个AI旅游规划助手，输入目的地、天数、预算，秒出完整行程方案。包括酒店推荐、每日行程、餐厅选择、天气查询，全自动化搞定。
今天就来手把手教你怎么做！
一、什么是Dify？
Dify 是一个开源的大语言模型（LLM）应用开发平台，核心理念是 "低代码 + 可视化工作流"。简单来说：
• 拖拽式设计 — 无需写代码，通过图形化界面就能组合各种AI能力 • 多模型支持 — 兼容GPT、DeepSeek、Claude等主流模型，随时切换 • 工作流编排 — 支持条件判断、循环迭代、API调用等复杂逻辑 • 私有化部署 — 数据完全掌握在自己手中
GitHub星标突破 5万+，是全球最受欢迎的AI应用开发平台之一。
💡 核心理念：让普通人也能快速搭建生产级AI应用。
二、AI旅游规划助手能做什么？
先看看最终效果——一个完整的AI旅游规划助手可以帮你完成以下任务：
1. 智能行程规划
根据目的地、天数、旅行偏好，自动生成每日详细行程安排。包括：
• 上午/下午的景点游览安排 • 景点之间的路线规划 • 餐饮推荐（含餐厅评分和人均消费）
2. 酒店推荐
根据你的预算范围，推荐不同档次的酒店选项：
• 经济型 / 舒适型 / 豪华型各一家 • 交通便利度评分 • 设施描述和用户评价
3. 实时天气查询
调用天气API获取目的地天气预报，帮你决定带什么衣服、安排哪些户外活动。
4. 预算分配
根据总预算自动合理分配交通、住宿、餐饮、门票等各项费用，精确到百元位。
5. 路线规划对比
支持驾车和公交两种交通方式的距离、时间、换乘次数对比，帮你选择最优出行方案。
三、搭建步骤详解
第一步：注册Dify并准备环境
Dify提供两种使用方式：
方式一：云服务（推荐新手）直接访问 dify.ai[1] 注册账号，开箱即用。新注册用户还有200条OpenAI GPT免费额度。
方式二：私有化部署
# 克隆代码git clone https://github.com/langgenius/dify.gitcd dify/docker# 启动服务docker compose up -d⚠️ 环境要求：Docker Desktop + 4GB内存 + 2核CPU，Mac M芯片和Windows（WSL2）均可。
第二步：安装必备工具
在Dify的"工具"菜单中搜索并安装以下工具：
| Google Search | |
| Wikipedia | |
| Web Scraper |
其中Google Search需要配置API Key，其他工具开箱即用。
第三步：创建应用并选择模式
在Dify工作室中创建新应用，有两种模式可选：
1. Agent模式（适合简单场景）
• 基于思维链（Chain-of-Thoughts）+ 函数调用 • 自动判断需要调用哪些工具 • 配置简单，适合快速验证
2. Chatflow工作流模式（推荐生产环境）
• 可视化编排完整的处理流程 • 支持变量提取、条件分支、迭代循环 • 可控性强，逻辑清晰
📌 本文以Chatflow工作流模式为例进行讲解。
第四步：配置核心工作流节点
一个完整的旅游规划工作流包含以下关键节点：
📥 1. 开始节点 — 变量提取
定义用户需要输入的变量：
location（文本）: 旅行目的地activities（数组）: 喜欢的活动类型travel_days（数字）: 旅行天数total_budget（数字）: 总预算hotel_budget（文本）: 每晚酒店预算范围travel_purpose（下拉选择）: 亲子游/蜜月/商务/独自旅行dietary_restrictions（文本）: 饮食限制🤖 2. LLM节点 — 智能分析
配置提示词，让AI理解用户意图并规划行程：
你是一个专业的旅行规划助手。请根据以下信息为用户生成旅行方案：1. 根据{{travel_days}}确定旅行天数，建议每日合理安排2. 基于{{destination}}和{{hotel_budget_per_night}}推荐3家酒店 - 包含酒店名称、评分、推荐理由、参考价格3. 结合{{number_of_travelers}}和{{travel_purpose}}推荐景点 - 每日必去景点及特色说明4. 根据{{total_budget}}分配餐饮预算，推荐特色美食 - 餐厅名称、评分、必点菜品、价格区间5. 输出要求： - 按日程顺序列出行程（上下午安排） - 酒店按价格从低到高排序 - 标注景点开放时间和门票价格🔧 3. Code节点 — 工具调用
通过代码节点调用外部API获取实时数据：
天气查询工具示例：
import requestsAPI_KEY = "YOUR_API_KEY"def main(location: str) -> str: base_url = "https://api.openweathermap.org/data/2.5/weather" params = { "q": location, "appid": API_KEY, "units": "metric", } response = requests.get(base_url, params=params) data = response.json() if response.status_code == 200: weather_desc = data["weather"]["description"] temp = data["main"]["temp"] return { "result": f"{location}当前天气：{weather_desc}，气温：{temp}°C" } else: return {"result": "无法获取天气数据"}路线规划对比工具：
def compare_routes(origin, destination): """对比驾车和公交路线""" # 驾车路线API driving_data = requests.get(driving_url).json() # 公交路线API transit_data = requests.get(transit_url).json() return { "driving": { "distance": driving_data['route']['paths'][0]['distance'] + "米", "duration": driving_data['route']['paths'][0]['duration'] + "秒" }, "transit": { "distance": transit_data['route']['paths'][0]['distance'] + "米", "bus_lines": len(transit_data['route']['paths'][0]['segments']) } }🔀 4. 条件分支节点
根据旅行类型走不同处理逻辑：
IF travel_type == "亲子游" → 优先推荐适合家庭的景点和酒店 → 增加儿童友好活动ELIF travel_type == "自驾游" → 优化驾车路线规划 → 推荐沿途风景好的住宿点🔄 5. 迭代节点 — 多日行程生成
使用循环处理多天行程，每个迭代生成一天的完整安排：
FOR day IN range(travel_days): - 查询当日天气 - 根据天气调整室内外活动 - 生成本景点列表 + 交通方案 + 餐饮推荐 - 输出当日行程详情💰 6. 预算可视化
生成清晰的预算分配表格：
| 总计 | total | 100% |
第五步：设置对话体验优化
开场白设计
嗨～我是你的旅行搭子小旅！✈️✨不管是想躺平看海、暴走打卡还是沉浸式吃遍本地，我都能帮你搞定～告诉我这几个信息就好：✅ 目的地（想去哪个城市/国家？）✅ 天数（打算玩几天呀？）✅ 预算（大概想花多少钱？）✅ 喜欢的风格（自然风光/人文历史/美食探店/亲子溜娃...）等你回复，立刻开启私人旅行规划模式！🚀内容审查
设置关键词过滤，对于不相关的提问自动回复预设内容，避免AI"跑题"。
四、完整工作流架构
用一张图理解整个处理流程：
用户输入 ↓[变量提取节点] → 解析目的地、天数、预算等参数 ↓[并行调用] ──→ 天气API（获取实时天气） 景点API（搜索推荐景点） 酒店API（查找匹配酒店） Google搜索（背景信息） ↓[变量聚合器] → 合并多接口结果 ↓[LLM节点] → 综合分析，生成行程方案 ↓[条件分支] → 根据旅行类型调整策略 ↓[迭代节点] → 逐日生成详细行程 ↓[Answer节点] → Markdown格式输出给用户五、实际效果演示
输入示例："帮我规划长沙7天旅行，预算10000元，3人出行"
AI助手输出的核心内容包括：
🏨 酒店推荐（3家不同档次）
• 经济型：XXX酒店，评分4.5，¥200/晚 • 舒适型：XXX酒店，评分4.8，¥400/晚 • 豪华型：XXX酒店，评分4.9，¥800/晚
📅 每日行程安排
• Day 1：上午→岳麓书院，下午→橘子洲头，晚上→坡子街美食 • Day 2：上午→湖南博物院，下午→太平老街...
💰 预算分配明细
• 住宿：2400元（3晚） • 景点门票：1802元（3人共计） • 餐饮：1560元 • 交通及活动：4238元
六、高级技巧
1. 并行处理加速
同时调用天气、景点、酒店API，相比串行调用可将总耗时缩减70%。
2. API重试机制
def retry(max_retries=3, delay=1): def decorator(func): def wrapper(*args, **kwargs): for i in range(max_retries): try: return func(*args, **kwargs) except Exception as e: if i == max_retries - 1: raise e time.sleep(delay * (i + 1)) # 指数退避 return wrapper return decorator3. Redis缓存优化
对频繁查询的目的地信息进行缓存，避免重复调用API，显著降低响应时间。
4. DSL工作流导入导出
Dify支持将工作流导出为DSL文件（YAML格式），方便分享和复用。社区已有 Awesome-Dify-Workflow[2] 这样的资源库，直接导入即可使用。
七、总结
用Dify搭建AI旅游规划助手的核心优势：
1. 零代码 — 拖拽式配置，非技术人员也能上手 2. 实时数据 — 集成天气、地图、搜索等API，信息有据可查 3. 个性化 — 根据预算、天数、偏好定制方案 4. 可扩展 — 随时添加新工具（如火车票查询、航班比价） 5. 可复用 — DSL导出分享给朋友，一键导入即用
🎯 下一步建议：从Dify官方提供的"旅行Demo"工作流模板开始，先跑通基础流程，再逐步加入自定义工具和逻辑。
📢 关注"大强哥爱编程"公众号，获取更多AI技术前沿资讯！
🌟 喜欢这篇文章？请点赞、转发、收藏！有任何问题或建议，欢迎在评论区留言交流！