站点图标 高效码农

30分钟搭一个AI旅行代理：查天气、算预算、生行程，Streamlit+LangChain实战

高效码农

上周我帮朋友规划泰国游，光是对比曼谷酒店价格、查实时天气、换算美元到泰铢就开了6个网页，最后预算还算错了——相信不少人都有过这种“旅行计划比上班还累”的经历。但现在不一样了：用Streamlit+LangChain搭一个AI旅行代理，输入“5天泰国游，预算800美元”，3秒就能拿到带天气、酒店、行程和视频的完整方案，甚至连每天的饭钱都给你算明白。

这篇文章不是干巴巴的API文档，而是一份“从0到部署”的实战指南——不管你是想解决自己的旅行规划难题，还是想练手AI应用开发，跟着做就能出成果。

序章：旅行计划的“旧痛”与AI的“新解”

做旅行计划时，我们总在重复三件麻烦事：打开天气APP查目的地温度，切换到酒店平台比价，再用计算器手动算总花费，最后还得去B站找旅行视频——信息散在各处，预算经常超支，花两小时做的计划可能还漏了关键景点。

而这个AI旅行代理恰好把这些事打包解决了：它用OpenWeatherMap查天气，靠Google Serper搜实时酒店价格，借LangChain的工具链自动算预算，最后用Streamlit把结果做成清爽的网页。核心技术栈其实很亲民：LangChain负责“让AI知道该调用什么工具”，Streamlit负责“把AI的结果变成人能看懂的界面”，OpenAI GPT-4则负责理解你的需求（比如“预算800美元转成印度卢比”）。

对普通人来说，这是个能直接用的旅行工具；对开发者来说，这是个绝佳的“AI+垂直场景”练手项目——毕竟不是所有AI项目都需要复杂的模型训练，把现成工具组合好，就能解决实际问题。

直觉：这个AI代理到底能帮你做什么？

先别着急写代码，我们先看看它的“硬实力”。假设你输入：“3天曼谷游，预算500美元，转成印度卢比，要查天气、找 budget 酒店、看旅行视频”，它会返回这些内容：

  1. 实时天气：曼谷当前气温、湿度，甚至会提醒你“今日有雷阵雨，建议带伞”（数据来自OpenWeatherMap，和手机天气APP一样准）；
  2. 酒店推荐：3家每晚30-40美元的酒店，附地址和评分，还会算好3天总费用（比如35美元/晚×3天=105美元，折合成印度卢比约8750）；
  3. 行程表：每天的安排都带价格——第一天大皇宫（门票10美元）+ 湄南河游船（15美元），第二天暹罗广场购物（无门票）+ 街头小吃（5美元/餐）；
  4. 旅行视频：3个YouTube链接，标题都是“2025曼谷旅行攻略”“曼谷街头美食指南”这类精准内容；
  5. 预算 breakdown：总花费380美元（含酒店、餐饮、景点），还剩120美元可灵活支配。

和某猪、某程这类传统旅行APP比，它的核心优势是“动态计算”——不是给你一堆酒店列表让你自己挑，而是根据你的预算主动筛选，甚至会帮你避开“价格看起来低但位置偏远”的坑（靠搜索工具爬取用户评分）。

实战：从0搭建开发环境（3步搞定）

接下来进入实操环节，不管你用Windows还是Mac，跟着做就能跑通。首先要准备三个东西：GitHub账号（用来存代码）、三个API密钥（OpenAI、Google Serper、OpenWeatherMap），以及电脑上的Python环境（3.8+就行）。

第一步：克隆代码仓库并进入目录

先打开终端（Windows用PowerShell，Mac用终端），执行这行命令克隆项目：

git clone https://github.com/yourusername/ai-travel-agent.git
cd ai-travel-agent

这里把“yourusername”换成你的GitHub用户名——如果还没建仓库，先在GitHub上新建一个空仓库，再把本地代码推上去（后面部署会用到）。

第二步：创建虚拟环境并安装依赖

为了避免依赖冲突，我们先建一个虚拟环境。执行以下命令：

# 创建虚拟环境
python -m venv venv

# 激活环境（Mac/Linux）
source venv/bin/activate

# 激活环境（Windows）
venv\Scripts\activate

激活后，终端前面会出现“(venv)”，说明环境没问题。接下来安装依赖：

pip install -r requirements.txt

requirements.txt里已经包含了Streamlit、LangChain、OpenAI等所有需要的库——这里要注意，如果你用的是Python 3.12+，可能会遇到“python-dotenv”安装警告，忽略就行，不影响使用。

第三步：配置API密钥（关键步骤，别踩坑）

项目需要三个API密钥才能工作，分别是：

  • OpenAI API：用来让AI理解你的需求（获取链接）；
  • Google Serper API：用来搜酒店、汇率、景点价格（获取链接）；
  • OpenWeatherMap API：用来查天气（获取链接）。

拿到密钥后，在项目根目录新建一个.env文件（注意文件名前面有个点），里面写：

OPENAI_API_KEY=你的OpenAI密钥
SERPER_API_KEY=你的Google Serper密钥
OPENWEATHERMAP_API_KEY=你的OpenWeatherMap密钥

这里有个坑要提醒：密钥后面别加空格！我之前多打了个空格，结果启动时一直报“API密钥无效”，查了半小时才发现问题。另外，千万别把.env文件提交到GitHub——项目里的.gitignore已经帮你排除了这个文件，放心用。

项目结构快速解读

此时你的项目文件夹里应该有这些文件：

ai-travel-agent/
├── app.py          # 核心：Streamlit界面和逻辑
├── Assignment.ipynb # 原始Jupyter笔记本（可备用）
├── requirements.txt # 依赖列表
├── .env            # 你的API密钥（本地用）
└── .streamlit/     # Streamlit配置（后面自定义主题用）
    └── config.toml

重点关注app.py——所有的界面显示、AI调用逻辑都在这里；.streamlit/config.toml则是用来改界面主题的，比如把背景色改成浅蓝色，后面会讲。

实战：跑起第一个AI旅行代理（5分钟看到效果）

环境搭好后，我们马上启动应用，看看它到底能不能用。

启动命令的三种玩法

在终端执行最基础的启动命令：

streamlit run app.py

执行后，终端会显示“您的应用正在运行”，并自动打开浏览器，地址是http://localhost:8501——这是Streamlit的默认端口。

如果遇到“端口8501已被占用”的错误（比如你之前开了其他Streamlit应用），可以换个端口：

# 用8502端口启动
streamlit run app.py --server.port 8502

如果想边改代码边看效果（开发模式），可以加--server.runOnSave true，这样改完app.py保存后，应用会自动刷新：

streamlit run app.py --server.runOnSave true

首次运行的常见问题排查

如果启动后浏览器显示“API密钥错误”，先检查这两点：

  1. .env文件里的密钥是否正确（复制粘贴时别漏字符）；
  2. 终端是否激活了虚拟环境（有没有“(venv)”标识）——如果没激活，Python找不到python-dotenv库，就无法读取.env文件。

如果显示“无法连接到OpenAI”，可能是网络问题——可以试试切换网络，或者检查OpenAI API的配额（免费用户有5美元额度，足够测试）。

最小可运行示例：查一次曼谷行程

在浏览器的输入框里，粘贴这段查询（和之前的例子一样）：

3天曼谷游，预算500美元，转成印度卢比。查当前天气，找每晚低于40美元的酒店，算总花费，给旅行视频链接。

点击“提交”后，界面会显示“AI正在处理”的加载动画——这个过程大概3-5秒（取决于网络速度和API响应时间）。

预期结果应该是这样的：

  • 顶部显示曼谷当前天气：比如“28℃，多云，湿度65%”；
  • 酒店部分：3家酒店，每家电价35-40美元，总费用105-120美元，折合成印度卢比约8750-10000；
  • 行程表：每天的景点、餐饮、费用，比如“第一天：大皇宫（10美元）+ 泰式午餐（5美元）”；
  • 视频部分：3个YouTube链接，标题包含“曼谷旅行攻略2025”；
  • 预算总结：总花费约320美元，剩余180美元。

如果能看到这些内容，说明你的AI旅行代理已经跑通了——接下来就可以玩更多功能，比如查东京、巴黎的行程，或者调整预算。

实战：核心功能拆解（知道它为什么能工作）

光会用还不够，我们简单拆解一下核心功能，让你知道背后的逻辑——以后想加新功能（比如机票查询），也知道从哪下手。

1. 天气查询：怎么做到实时准确？

当你输入“查曼谷天气”时，app.py里的get_weather(city)函数会被调用——它会把“曼谷”作为参数，传给OpenWeatherMap API，拿到返回的JSON数据后，提取出气温、湿度、天气状况，再用Streamlit显示出来。

你可以在app.py里找到这段逻辑（简化版）：

def get_weather(city):
    api_key = os.getenv("OPENWEATHERMAP_API_KEY")
    url = f"https://api.openweathermap.org/data/2.5/weather?q={city}&appid={api_key}&units=metric"
    response = requests.get(url)
    data = response.json()
    return f"{city}当前气温：{data['main']['temp']}℃，天气：{data['weather'][0]['description']}"

这里的units=metric表示用摄氏度（默认是华氏度），如果想改回华氏度，把metric换成imperial就行。

2. 预算计算：实时汇率从哪来？

当你需要“把美元转成印度卢比”时，AI会调用search_google工具，搜索“2025年X月X日美元兑印度卢比汇率”——数据来自Google搜索结果，和你在Google上查的汇率一致。

比如当前汇率是1美元=83印度卢比，AI会自动计算：35美元/晚×3天=105美元×83=8715印度卢比——这个计算过程用的是LangChain里的addition/multiply工具，不用你写复杂的数学逻辑。

3. 视频推荐：怎么找到精准的YouTube视频？

视频推荐靠的是youtube_search函数，它会把你的查询（比如“曼谷旅行攻略”）作为关键词，调用YouTube的搜索API，返回最新的3-5个视频链接。

你可以在app.py里调整视频数量——找到youtube_search函数，把max_results=3改成max_results=5，就能多要两个视频链接。

进阶：把代理部署到云端（让朋友也能用上）

本地跑通后，我们把它部署到云端，这样不管在哪，打开链接就能用——推荐用Streamlit Cloud，免费、简单，不用懂服务器。

Streamlit Cloud部署（推荐，10分钟搞定）

  1. 把代码推到GitHub：先在GitHub上新建一个仓库（比如叫ai-travel-agent），然后在本地终端执行：

    # 初始化Git（如果没初始化过）
git init
# 添加文件
git add .
# 提交
git commit -m "初始提交：AI旅行代理"
# 关联远程仓库（换成你的仓库地址）
git remote add origin https://github.com/yourusername/ai-travel-agent.git
# 推到GitHub
git push -u origin main

    这里要注意：.env文件不会被推上去（因为.gitignore里排除了），所以云端需要重新配置密钥。

  2. 连接Streamlit Cloud：打开Streamlit Cloud官网，用GitHub账号登录，点击“New app”，然后：

    • Repository：选择你刚推的yourusername/ai-travel-agent；
    • Branch：选main；
    • Main file path：填app.py（核心文件）；
      点击“Deploy”，等待1-2分钟。

  3. 配置云端密钥：部署后，点击“Manage app”→“Secrets”，在文本框里输入：

    OPENAI_API_KEY = "你的OpenAI密钥"
SERPER_API_KEY = "你的Google Serper密钥"
OPENWEATHERMAP_API_KEY = "你的OpenWeatherMap密钥"

    点击“Save”，应用会自动重启——此时你的AI旅行代理已经在线了，链接是https://your-app-name.streamlit.app（可以分享给朋友）。

其他部署方案对比

如果Streamlit Cloud满足不了你（比如需要更高的访问量），可以试试这两个方案：

  • Heroku：需要创建Procfile和setup.sh文件（用来配置端口），免费额度有限（550小时/月）；
  • Railway：不用写配置文件，连接GitHub后自动部署，但免费额度用完后会收费。

具体的部署步骤可以参考项目文档，这里就不展开了——对大多数人来说，Streamlit Cloud足够用。

进阶：3个技巧让你的代理更好用

跑通和部署只是开始，我们可以做一些优化，让体验更好。

1. 用缓存减少API调用（省 money + 提速）

每次查询都调用API，不仅慢，还会消耗配额（比如OpenAI API是按调用次数收费的）。用Streamlit的@st.cache_data装饰器，可以缓存相同查询的结果——比如你查了“曼谷天气”，10分钟内再查，会直接返回缓存结果，不重复调用API。

在app.py的get_weather函数上面加一行代码：

@st.cache_data(ttl=600)  # ttl=600表示缓存10分钟（600秒）
def get_weather(city):
    # 原函数逻辑不变

同理，search_google、youtube_search函数也可以加这个装饰器——注意，涉及实时数据的函数（比如汇率），ttl别设太长，建议1小时（3600秒）以内。

2. 自定义界面主题（换个“旅行风”皮肤）

默认的Streamlit界面是白色的，我们可以改成浅蓝色（像天空一样，符合旅行主题）。在.streamlit/config.toml里写：

[theme]
primaryColor = "#4A90E2"  # 主色调：浅蓝色
backgroundColor = "#F5F7FA"  # 背景色：浅灰色
secondaryBackgroundColor = "#E8F0FE"  # 次要背景色：更浅的蓝
textColor = "#333333"  # 文字色：深灰色
[server]
runOnSave = true  # 保存即刷新

保存后，重启应用，界面就会变成你设置的颜色——如果想换其他颜色，搜“Streamlit theme color codes”，有很多现成的配色方案。

3. 保存聊天历史（不用重复输入）

默认情况下，每次刷新页面，之前的查询记录会消失。用Streamlit的session_state可以保存聊天历史——在app.py里加一段代码：

# 初始化会话状态（如果没有）
if "messages" not in st.session_state:
    st.session_state.messages = []

# 显示历史消息
for msg in st.session_state.messages:
    st.chat_message(msg["role"]).write(msg["content"])

# 处理新输入
if prompt := st.chat_input("输入你的旅行需求..."):
    # 把新输入加入会话状态
    st.session_state.messages.append({"role": "user", "content": prompt})
    # 调用AI处理（原逻辑不变）
    response = react_graph.invoke(...)
    # 把AI的回复加入会话状态
    st.session_state.messages.append({"role": "assistant", "content": response})

这样不管怎么刷新页面，之前的查询和回复都不会丢——对需要多次调整行程的用户来说，体验提升很多。

结论：不止是旅行工具，更是AI落地的思路

到这里，你已经拥有了一个能查天气、算预算、生行程的AI旅行代理——但这个项目的价值不止于此。

对普通人来说，它解决了“旅行计划耗时”的实际问题；对开发者来说，它展示了“如何把AI工具组合起来解决垂直场景问题”：LangChain负责“工具调用逻辑”（什么时候用天气API，什么时候用搜索API），Streamlit负责“用户交互”（把复杂的AI输出变成简单的界面），两者结合，就能快速做出有用的AI应用。

接下来你可以尝试扩展功能：

  • 加“机票查询”：集成Skyscanner API，输入出发地和日期，就能查机票价格；
  • 加“签证提醒”：调用目的地国家的大使馆API，提醒签证办理时间；
  • 加“多人协作”：用Firebase存储行程，让多个人一起编辑。

AI应用开发不一定要从零开始——把现成的工具用好，解决一个小痛点，就是一个好项目。

常见问题解答（FAQ）

Q：API调用次数多了会花钱吗？
A：会，但新手足够用。OpenAI免费用户有5美元额度（调用GPT-4约0.03美元/次），Google Serper免费版每月100次搜索，OpenWeatherMap免费版每天可查60次天气——测试阶段完全够，后续不够可以升级付费版。

Q：部署后访问速度慢怎么办？
A：有两个优化方向：1. 用@st.cache_data缓存API结果，减少调用次数；2. 把应用部署到离你近的区域（Streamlit Cloud可以选区域，比如亚洲的新加坡节点）。

Q：能不能让AI推荐小众景点，而不是热门景点？
A：可以。在search_google函数的查询关键词里加“小众景点”，比如把“曼谷景点”改成“曼谷小众景点 2025”——AI会根据新的关键词搜索，返回更符合需求的结果。

Q：Windows系统激活虚拟环境时提示“权限不足”怎么办？
A：以管理员身份打开PowerShell，执行Set-ExecutionPolicy RemoteSigned，然后输入“Y”确认——这是Windows默认的执行策略限制，改完就能激活虚拟环境了。

工程化checklist（可复制到GitHub Issue）

  • [ ] 已克隆代码仓库并进入目录
  • [ ] 已创建并激活虚拟环境（venv\Scripts\activate或source venv/bin/activate）
  • [ ] 已安装所有依赖（pip install -r requirements.txt）
  • [ ] 已创建.env文件并填入3个API密钥（无多余空格）
  • [ ] 本地运行streamlit run app.py成功，能查询行程
  • [ ] 已将代码推到GitHub（.env未提交）
  • [ ] 已部署到Streamlit Cloud并配置Secrets
  • [ ] 已添加缓存装饰器（@st.cache_data）优化性能

思考题与答案

  1. 问题：如何给AI旅行代理增加“机票价格查询”功能？
    答案：
    步骤1：注册Skyscanner API（官网链接），获取API密钥；
    步骤2：在.env文件中添加SKYSCANNER_API_KEY=你的密钥；
    步骤3：在app.py中新建get_flights(origin, destination, date)函数，调用Skyscanner API获取机票价格（示例代码）：

    def get_flights(origin, destination, date):
    api_key = os.getenv("SKYSCANNER_API_KEY")
    url = f"https://partners.api.skyscanner.net/apiservices/browsequotes/v1.0/CN/CNY/zh-CN/{origin}/{destination}/{date}"
    params = {"apiKey": api_key}
    response = requests.get(url, params=params)
    data = response.json()
    # 提取最低价格
    min_price = data["Quotes"][0]["MinPrice"]
    return f"{origin}到{destination}（{date}）的最低机票价格：{min_price}元"

    步骤4：在AI工具链中添加get_flights函数，让AI能识别“查机票”需求并调用该函数；
    步骤5：在Streamlit界面添加“出发地、目的地、日期”输入框，关联机票查询功能。

  2. 问题：为什么部署时必须用“环境变量”存储API密钥，而不是直接写在代码里？
    答案：
    有三个核心原因：
    ① 安全风险：如果把密钥写在代码里，提交到GitHub后会被公开——任何人都能拿去调用API，产生高额费用（曾有人泄露OpenAI密钥，一天被刷走几百美元）；
    ② 环境适配：本地开发和云端部署可能用不同的密钥（比如本地用测试密钥，云端用生产密钥），用环境变量可以灵活切换，不用改代码；
    ③ 合规要求：大多数API服务商（如OpenAI、Google）都要求密钥不能公开存储，违反会被封禁账号——用环境变量是符合最佳实践的做法。

退出移动版