ljg-travel
ljg-travel-flow: 旅行研究
一條命令完成:全維度文化研究 → 內容提煉 → org 文件 + 便攜卡片。
方法論借鑑考古學 Desk-Based Assessment(DBA):到達之前,窮盡一切文獻證據。
模式
強制 NATIVE 模式。 本 workflow 是多 skill 管道(Research → ContentAnalysis → ljg-card),不走 Algorithm 七步流程。
引數
| 引數 | 說明 | 示例 |
|---|---|---|
| 城市名 | 必填,目標城市 | 西安、洛陽、大同 |
-f |
聚焦主題(可選) | -f 唐代 -f 石窟 -f 青銅器 |
-q |
快速模式,跳過內容提煉,只做研究+文件 |
執行
1. 解析引數
從使用者訊息中提取城市名稱和可選引數。如有聚焦主題,後續所有搜尋圍繞該主題展開。
2. 全維度研究(Research extensive — 單次呼叫,12 個 Agent 並行)
呼叫 Skill tool 執行 Research,使用 extensive 模式。
核心設計:不分"知識底圖"和"平臺發現"兩步——它們是同一個研究操作的不同搜尋角度。 12 個 Agent 同時出發,一半做學術/百科研究,一半做平臺內容搜尋。
研究提綱(傳入 Research 的 prompt):
對「{城市}」進行深度文化旅行研究。這不是旅遊攻略,是出發前的考古學式案頭研究(Desk-Based Assessment)。
研究覆蓋以下維度,每個維度需要中英文雙語搜尋:
**維度 A — 歷史分層**
該城市經歷了哪些重要歷史時期?每個時期在這座城市留下了什麼物質遺存?朝代更迭如何影響城市格局?
**維度 B — 博物館重點**
該城市有哪些重要博物館?各博物館的鎮館之寶和核心館藏?哪些展品有重大考古意義?必須給出具體文物名稱和展廳位置。
**維度 C — 古建遺存**
現存哪些重要古建築和遺址?營造年代、建築形制、結構特點。哪些是全國重點文物保護單位?看建築時應關注什麼細節(斗拱、彩畫、碑刻等)?
**維度 D — 考古發現**
該城市及周邊有哪些重大考古發現?出土文物現藏於哪些博物館?發掘過程中有什麼重要故事?
**維度 E — 人文脈絡**
與該城市相關的重要歷史人物、文學作品、文化傳統。幫助理解這座城市的文化性格。
**維度 F — 深度內容發現**
搜尋 B站(bilibili.com)、知乎(zhihu.com)、微信公眾號(mp.weixin.qq.com)、抖音(douyin.com)、小紅書(xiaohongshu.com)上關於該城市博物館和古建的深度講解內容。
篩選標準:
- 要:有知識增量的內容(講背景、講工藝、講考古過程、講建築細節)
- 不要:純打卡拍照、純推薦無分析、廣告軟文
- B站影片優先 10 分鐘以上的講解類
- 公眾號文章優先有參考文獻或明確作者身份的
返回內容標題、URL、一句話摘要。
{如有聚焦主題:特別關注與「{聚焦主題}」相關的內容,其他維度作為背景補充。}
等待 Research 完成,獲得全維度研究結果。
3. 內容提煉(ContentAnalysis — 可選)
如果使用者指定了 -q 快速模式,跳過此步。
從步驟 2 返回的結果中,提取所有有效 URL(文章連結、影片連結)。
對每個 URL 並行啟動 Agent subagent:
每個 subagent 呼叫 Skill tool 執行 ContentAnalysis,傳入 URL,使用 fast 深度級別,提取核心知識點。
降級規則:
- 如果 ContentAnalysis 對某個 URL 失敗(無法訪問、無字幕等),跳過該 URL,不阻塞
- 如果所有 URL 都失敗,流程不中斷——步驟 2 的研究結果已經足夠生成文件
- ContentAnalysis 是增強層,不是必要層
收集所有成功提煉的內容摘要。
4. 合成 org-mode 文件
將步驟 2(研究結果)和步驟 3(內容提煉,如有)合成為一份結構化 org-mode 文件。
文件結構:
#+title: {城市}旅行研究
#+date: {當前日期}
#+filetags: :travel:museum:architecture:
* 城市概覽
{城市}的文明座標——為什麼值得去,去了看什麼。一段話勾勒這座城市在中國文明史中的位置。
* 歷史分層
** {時期1}({年代範圍})
核心事件、遺留痕跡、對應可看的實物。
** {時期2}
...
* 博物館指南
** {博物館1名稱}
地址、開放時間、預約方式(如需要)。
*** 鎮館之寶
- {文物名}:{為什麼重要} | 看什麼細節:{具體觀察點}
*** 重點展廳
- {展廳名}:{核心看點}
*** 容易錯過的
- {被忽視但值得看的內容}
** {博物館2名稱}
...
* 古建遺存
** {古建1名稱}({朝代},{保護級別})
形制概述。
*** 看什麼
- {具體觀察點1}:{為什麼值得注意}
- {具體觀察點2}
** {古建2名稱}
...
* 考古發現
** {遺址/發現1}
發現經過、意義、出土文物現藏地。如果有有趣的發掘故事,講出來。
* 參觀路線
** 路線一:{主題名}({預計時間})
適合誰:{描述}
1. {地點} → 重點看 {什麼}({停留建議時間})
2. ...
** 路線二:{主題名}
...
* 深度內容推薦
從各平臺發現的值得在出發前看的內容。
** 影片
- [[{URL}][{標題}]] — {一句話摘要}
** 文章
- [[{URL}][{標題}]] — {一句話摘要}
** 書籍(如有推薦)
- {書名} — {為什麼值得讀}
檔案命名:使用 denote naming schema,儲存到 ~/Documents/notes/ 目錄:
{YYYYMMDDTHHMMSS}==z--{城市}旅行研究.org
寫作要求:
- 每個推薦必須有「為什麼看」和「看什麼細節」,不許空泛
- 語氣是給自己寫的筆記,不是導遊詞
- 有確切資訊寫確切的,沒有的不編
5. 鑄造便攜卡片(ljg-card)
從步驟 4 的 org 文件中提取核心內容,鑄造兩張卡片,並行執行:
卡片 A — 城市文明概覽(資訊圖):
呼叫 Skill tool 執行 ljg-card -i,輸入內容為:城市歷史分層 + 核心博物館清單 + 必看古建清單的精華摘要。一張圖看懂這座城市的文明骨架。
卡片 B — 參觀路線速查(長圖):
呼叫 Skill tool 執行 ljg-card -l,輸入內容為:參觀路線建議 + 每個地點的核心看點。手機上隨時檢視。
6. 彙總報告
════ 旅行研究完成 ═══════════════════════
🏛️ 城市: {城市名}
📝 知識文件: {org 檔案路徑}
🖼️ 文明概覽卡: {PNG 檔案路徑}
🖼️ 路線速查卡: {PNG 檔案路徑}
📊 研究覆蓋: {N}個博物館 | {M}座古建 | {K}處考古遺址
📎 深度內容: {X}個影片 | {Y}篇文章
關鍵約束
- 步驟 2 是核心——12 個 Agent 並行覆蓋學術研究和平臺內容,一次完成
- 步驟 3(內容提煉)是增強層,失敗不阻塞流程
- 步驟 5 的兩張卡片之間並行
- org 文件是主產出,卡片是衍生產出——文件質量優先
- 不產出泛泛的旅遊攻略,每個推薦必須有「為什麼看」和「看什麼細節」
- Research 搜尋使用中英文雙語關鍵詞,擴大覆蓋面
- 沒有確切資訊時寧可留空,不編造
Known Pitfalls
(首次建立,暫無記錄。使用中積累。)
More from yelban/ljg-skills.tw
ljg-card
Content caster (鑄). Transforms content into PNG visuals. Six molds: -l (default) long reading card, -i infograph, -m multi-card reading cards (1080x1440), -v visual sketchnote, -c comic (manga-style B&W), -w whiteboard (marker-style board layout). Output to ~/Downloads/. Use when user says '鑄', 'cast', '做成圖', '做成卡片', '做成資訊圖', '做成海報', '視覺筆記', 'sketchnote', '漫畫', 'comic', 'manga', '白板', 'whiteboard'. Replaces ljg-cards and ljg-infograph.
5ljg-word
Deep-dive English word mastery tool. Deconstructs a single English word into core semantics and epiphany. Use when user asks to explain/master a specific English word.
5ljg-rank
給一個領域,找出背後真正撐著它的幾根獨立的力。十幾個現象砍到不可再少的生成器——砍完能把現象一個個生回來,才算數。Use when user says '降秩', '找秩', '秩是什麼', '這個領域靠什麼撐著', '背後是什麼', or wants to decompose any domain to its irreducible generators.
5ljg-writes
寫作引擎。帶著一個觀點出發,在寫的過程中把它想透。
5ljg-plain
Cognitive atom: Plain (白). Rewrites any content so a smart 12-year-old groks it. Structure-free — form follows content. Use when user says '白話說', '說人話', '解釋一下', 'plain', 'grok'.
5ljg-relationship
>-
5