| name | ljg-travel |
| description | Deep travel research workflow for museums and ancient architecture. Input a city name, auto-generates structured knowledge document (org-mode) + portable reference cards (PNG). Covers historical background, museum highlights, archaeological significance, and architectural heritage. Use when user says '旅行研究', '博物馆功课', '古建功课', 'travel research', '出发前功课', or provides a city name with intent to do deep cultural travel preparation. |
| user_invocable | true |
| version | 1.0.0 |
ljg-travel-flow: 旅行研究
一条命令完成：全维度文化研究 → 内容提炼 → org 文档 + 便携卡片。
方法论借鉴考古学 Desk-Based Assessment（DBA）：到达之前，穷尽一切文献证据。
模式
强制 NATIVE 模式。 本 workflow 是多 skill 管道（Research → ContentAnalysis → ljg-card），不走 Algorithm 七步流程。
参数
| 参数 | 说明 | 示例 |
|---|
| 城市名 | 必填，目标城市 | 西安、洛阳、大同 |
-f | 聚焦主题（可选） | -f 唐代 -f 石窟 -f 青铜器 |
-q | 快速模式，跳过内容提炼，只做研究+文档 | |
执行
1. 解析参数
从用户消息中提取城市名称和可选参数。如有聚焦主题，后续所有搜索围绕该主题展开。
2. 全维度研究（Research extensive — 单次调用，12 个 Agent 并行）
调用 Skill tool 执行 Research，使用 extensive 模式。
核心设计：不分"知识底图"和"平台发现"两步——它们是同一个研究操作的不同搜索角度。 12 个 Agent 同时出发，一半做学术/百科研究，一半做平台内容搜索。
研究提纲（传入 Research 的 prompt）：
对「{城市}」进行深度文化旅行研究。这不是旅游攻略，是出发前的考古学式案头研究（Desk-Based Assessment）。
研究覆盖以下维度，每个维度需要中英文双语搜索：
**维度 A — 历史分层**
该城市经历了哪些重要历史时期？每个时期在这座城市留下了什么物质遗存？朝代更迭如何影响城市格局？
**维度 B — 博物馆重点**
该城市有哪些重要博物馆？各博物馆的镇馆之宝和核心馆藏？哪些展品有重大考古意义？必须给出具体文物名称和展厅位置。
**维度 C — 古建遗存**
现存哪些重要古建筑和遗址？营造年代、建筑形制、结构特点。哪些是全国重点文物保护单位？看建筑时应关注什么细节（斗拱、彩画、碑刻等）？
**维度 D — 考古发现**
该城市及周边有哪些重大考古发现？出土文物现藏于哪些博物馆？发掘过程中有什么重要故事？
**维度 E — 人文脉络**
与该城市相关的重要历史人物、文学作品、文化传统。帮助理解这座城市的文化性格。
**维度 F — 深度内容发现**
搜索 B站（bilibili.com）、知乎（zhihu.com）、微信公众号（mp.weixin.qq.com）、抖音（douyin.com）、小红书（xiaohongshu.com）上关于该城市博物馆和古建的深度讲解内容。
筛选标准：
- 要：有知识增量的内容（讲背景、讲工艺、讲考古过程、讲建筑细节）
- 不要：纯打卡拍照、纯推荐无分析、广告软文
- B站视频优先 10 分钟以上的讲解类
- 公众号文章优先有参考文献或明确作者身份的
返回内容标题、URL、一句话摘要。
{如有聚焦主题：特别关注与「{聚焦主题}」相关的内容，其他维度作为背景补充。}
等待 Research 完成，获得全维度研究结果。
3. 内容提炼（ContentAnalysis — 可选）
如果用户指定了 -q 快速模式，跳过此步。
从步骤 2 返回的结果中，提取所有有效 URL（文章链接、视频链接）。
对每个 URL 并行启动 Agent subagent：
每个 subagent 调用 Skill tool 执行 ContentAnalysis，传入 URL，使用 fast 深度级别，提取核心知识点。
降级规则：
- 如果 ContentAnalysis 对某个 URL 失败（无法访问、无字幕等），跳过该 URL，不阻塞
- 如果所有 URL 都失败，流程不中断——步骤 2 的研究结果已经足够生成文档
- ContentAnalysis 是增强层，不是必要层
收集所有成功提炼的内容摘要。
4. 合成 org-mode 文档
将步骤 2（研究结果）和步骤 3（内容提炼，如有）合成为一份结构化 org-mode 文档。
文档结构：
#+title: {城市}旅行研究
#+date: {当前日期}
#+filetags: :travel:museum:architecture:
* 城市概览
{城市}的文明坐标——为什么值得去，去了看什么。一段话勾勒这座城市在中国文明史中的位置。
* 历史分层
** {时期1}（{年代范围}）
核心事件、遗留痕迹、对应可看的实物。
** {时期2}
...
* 博物馆指南
** {博物馆1名称}
地址、开放时间、预约方式（如需要）。
*** 镇馆之宝
- {文物名}：{为什么重要} | 看什么细节：{具体观察点}
*** 重点展厅
- {展厅名}：{核心看点}
*** 容易错过的
- {被忽视但值得看的内容}
** {博物馆2名称}
...
* 古建遗存
** {古建1名称}（{朝代}，{保护级别}）
形制概述。
*** 看什么
- {具体观察点1}：{为什么值得注意}
- {具体观察点2}
** {古建2名称}
...
* 考古发现
** {遗址/发现1}
发现经过、意义、出土文物现藏地。如果有有趣的发掘故事，讲出来。
* 参观路线
** 路线一：{主题名}（{预计时间}）
适合谁：{描述}
1. {地点} → 重点看 {什么}（{停留建议时间}）
2. ...
** 路线二：{主题名}
...
* 深度内容推荐
从各平台发现的值得在出发前看的内容。
** 视频
- [[{URL}][{标题}]] — {一句话摘要}
** 文章
- [[{URL}][{标题}]] — {一句话摘要}
** 书籍（如有推荐）
- {书名} — {为什么值得读}
文件命名：使用 denote naming schema，保存到 ~/Documents/notes/ 目录：
{YYYYMMDDTHHMMSS}==z--{城市}旅行研究.org
写作要求：
- 每个推荐必须有「为什么看」和「看什么细节」，不许空泛
- 语气是给自己写的笔记，不是导游词
- 有确切信息写确切的，没有的不编
5. 铸造便携卡片（ljg-card）
从步骤 4 的 org 文档中提取核心内容，铸造两张卡片，并行执行：
卡片 A — 城市文明概览（信息图）：
调用 Skill tool 执行 ljg-card -i，输入内容为：城市历史分层 + 核心博物馆清单 + 必看古建清单的精华摘要。一张图看懂这座城市的文明骨架。
卡片 B — 参观路线速查（长图）：
调用 Skill tool 执行 ljg-card -l，输入内容为：参观路线建议 + 每个地点的核心看点。手机上随时查看。
6. 汇总报告
════ 旅行研究完成 ═══════════════════════
🏛️ 城市: {城市名}
📝 知识文档: {org 文件路径}
🖼️ 文明概览卡: {PNG 文件路径}
🖼️ 路线速查卡: {PNG 文件路径}
📊 研究覆盖: {N}个博物馆 | {M}座古建 | {K}处考古遗址
📎 深度内容: {X}个视频 | {Y}篇文章
关键约束
- 步骤 2 是核心——12 个 Agent 并行覆盖学术研究和平台内容，一次完成
- 步骤 3（内容提炼）是增强层，失败不阻塞流程
- 步骤 5 的两张卡片之间并行
- org 文档是主产出，卡片是衍生产出——文档质量优先
- 不产出泛泛的旅游攻略，每个推荐必须有「为什么看」和「看什么细节」
- Research 搜索使用中英文双语关键词，扩大覆盖面
- 没有确切信息时宁可留空，不编造
Known Pitfalls
（首次创建，暂无记录。使用中积累。）
