打造AI智能旅行规划器：基于LLM和Crew AI的Agent实践

　　引言 　　今天来学习大佬开发的一个AI驱动的旅行规划应用程序，它能够自动处理旅行规划的复杂性——寻jni找航班、预订酒店以及优化行程。传统上，这个过程需要手动搜索多个平台，常常导致决策效率低下。 　　通过利用**代理型人工智能（Agentic AI）**的力量，这个应用程序展示了AI代理是如何协作以简化规划过程的——检索实时旅行数据、分析选项，并使用大型语言模型（LLM）生成AI驱动的建议。 　　什么是代理型人工智能（Agentic AI）？ 　　代理型人工智能（Agentic AI）指的是能够主动运行、独立做决策，并且无需持续人工干预即可执行复杂任务的自主人工智能系统。 　　关键特性： 　　自主决策 — 通过允许AI自主思考、推理并采取行动，减少人工劳动。多代理协作 — 让不同的AI代理专注于特定任务，提高准确性和效率。可扩展性与效率 — AI代理并行执行任务，与传统工作流程相比减少了处理时间。增强用户体验 — 为复杂任务提供更快、更智能、更个性化的解决方案。 　　与需要逐步指令的传统AI模型不同，代理型人工智能（Agentic AI）能够动态工作，实时做决策，与其他代理协作，并根据上下文数据优化工作流程。 　　这个代理型人工智能（Agentic AI）系统的关键特性 　　以下是使这个AI旅行规划器强大的最重要的特性的分解： 　　 　　1. 航班搜索自动化 　　通过SerpAPI从Google Flights检索实时航班数据根据价格、转机次数和旅行时间筛选航班。AI根据性价比和便利性推荐最佳航班。 　　2. 酒店推荐 　　从Google Hotels搜索实时酒店可用性根据位置、预算、设施和用户评分进行筛选。AI通过分析与关键地点的接近程度等因素，建议最佳酒店。 　　3. AI驱动的分析与建议 　　使用Gemini LLM的AI代理评估旅行选项。使用Crew AI协调多个AI代理以做出更好的决策。AI解释其对航班和酒店的推荐，提供见解。 　　4. 动态行程生成 　　AI根据航班和酒店预订构建结构化的旅行计划。生成按天划分的行程，包含必游景点、餐厅推荐以及当地交通选项。 　　5. 易于使用的API集成 　　API端点允许用户搜索航班、酒店并请求AI驱动的建议。启用与前端UI（Streamlit）的无缝集成。 　　实现指南 　　让我们一步步了解构建这个AI驱动的旅行规划系统的步骤： 　　先决条件 　　在开始编码之前，请确保在本地计算机上满足以下先决条件： 　　安装Python 3.8+。拥有用于获取实时航班和酒店数据的 SerpAPI 密钥。拥有用于AI建议的 Google Gemini API 密钥。使用 CrewAI 来协调AI驱动的代理。 　　安装所需的库： 　　步骤1：设置环境并加载API密钥 　　首先，让我们设置环境并配置必要的API密钥： 　　步骤2：初始化Google Gemini AI（LLM） 　　我们将使用CrewAI的LLM，为简单起见，实现LRU缓存以仅初始化一次： 　　步骤3：定义Pydantic模型 　　我们将使用Pydantic模型来强制执行请求和响应的严格数据验证： 　　步骤4：Fast API初始化用于后端处理 　　现在，我们将创建一个REST API来处理旅行规划请求： 　　步骤5：使用SerpAPI实时检索航班和酒店数据 　　让我们实现辅助函数，使用SerpAPI检索航班和酒店数据： 　　 　　步骤6：定义多代理任务、团队和流程 　　现在让我们使用CrewAI设置我们的多代理系统： 　　代理1：航班分析： 　　航班分析师代理接收航班选项Gemini LLM分析价格、时长、转机次数和便利性AI推荐最佳航班并提供详细理由 　　代理2：酒店分析： 　　酒店分析师代理接收住宿选项Gemini LLM比较价格、评分、位置和设施AI推荐最佳酒店并提供详细理由 　　代理3：行程生成： 　　行程代理使用航班和酒店推荐创建按天划分的计划，包含景点、餐厅和交通安排根据地理位置优化日程安排包含时间估算和实用旅行提示 　　 　　现在，让我们实现行程规划代理： 　　步骤7：航班和酒店搜索的API端点 　　现在让我们实现我们的API端点： 　　获取航班推荐 　　2. 获取酒店推荐 　　步骤8：生成AI处理的行程 　　让我们实现我们的行程生成端点： 　　最后，让我们添加服务器启动代码： 　　步骤9：构建Streamlit前端界面 　　现在让我们使用Streamlit创建一个用户友好的界面： 　　步骤10：运行应用程序 　　启动FastAPI后端服务器： 　　这将启动运行在的后端服务器。 　　 　　在新的终端窗口中，启动Streamlit前端： 　　Streamlit UI将自动在默认的网络浏览器中打开，地址为。 　　 　　步骤11：最终演示（多代理AI + Gemini LLM） 　　让我们通过一个完整的用户旅程来看看多代理系统在实践中是如何工作的： 　　 　　 　　AI生成的旅行行程 　　这个示例展示了多代理系统如何通过协同工作的专门AI代理创建连贯的个性化旅行计划，每个代理都由Google的Gemini 2.0 LLM的智能驱动。 　　总结 　　上述文章展示了多代理AI、Google Gemini LLM以及结构化的AI任务提示工程如何帮助实现智能自动化。通过利用实时数据、并行AI执行和LLM驱动的建议，我们可以在金融、医疗保健、物流和客户支持等各个领域高效地自动化复杂的决策任务。