核心用法
explore-japan 是一款面向日本旅行的专业级 Agent Skill，采用"指令编排+CLI 执行"的架构设计。用户通过自然语言提出旅行需求（如"东京大阪7日游""北海道滑雪行程"），Agent 自动识别意图并调用 flyai CLI 工具链完成实时数据获取。
技能内置四大场景剧本（Playbook）：Multi-City Japan（全日本环游）、Tokyo Only（东京深度游）、Kansai（关西文化游）、Hokkaido（北海道季节游）。每个剧本自动组合航班搜索（search-flight）、酒店预订（search-hotel）、景点推荐（search-poi）及签证/JR Pass 等增值服务查询。
执行流程严格遵循四步闭环：环境检查（自动安装 CLI）→ 参数收集（最多追问2次）→ 多命令编排执行 → 结果格式化输出。所有数据必须附带 [Book]({detailUrl}) 预订链接，确保信息可溯源、可预订。
显著优点
商业级数据可靠性：直接接入阿里巴巴飞猪（Fliggy）平台实时库存，覆盖全球航司赴日航线、全日本 47 都道府县的酒店民宿（从胶囊旅馆到百年温泉旅馆）、景点门票及当地玩乐，数据新鲜度与官网同步。
场景化智能编排：无需用户逐项指定，系统根据关键词自动识别"蜜月游/亲子游/滑雪季/赏樱"等场景，一键生成跨交通-住宿-玩乐的完整行程方案。
多语言无缝切换：严格遵循用户输入语言输出（中文输入→中文结果，英文输入→英文结果），适配国际旅行者与国内出境游用户双重场景。
零代码安全架构：Skill 本身为纯 Markdown 文档，无可执行代码，所有网络请求均通过官方 @fly-ai/flyai-cli 代理，攻击面极窄。
潜在缺点与局限性
强依赖外部 CLI：核心功能完全依赖用户本地安装的 flyai-cli，若安装失败或版本不兼容，Skill 将拒绝提供服务（设计如此，避免 fallback 到训练数据产生幻觉）。
地域覆盖偏亚太：数据源飞猪平台主要服务中国及亚太用户，欧美出发的航班选择、非中日韩语言的服务支持可能相对有限。
实时性≠库存保证：查询结果为实时可查价格，但热门日期（樱花季、黄金周、跨年）的库存紧张时，低价舱位/房型可能瞬间售罄，存在"看得到订不到"的落差。
JR Pass 决策简化：技能提供 JR Pass 购买建议，但实际是否划算需精确计算跨城次数，自动化建议可能过于粗放。
适合的目标群体
- 计划赴日自由行的中国游客：尤其是首次出行、需要一站式比价和预订的用户
- 商务差旅人士：快速锁定东京/大阪/名古屋等商务航线的高效方案
- 主题游爱好者：樱花、红叶、滑雪、美食巡礼等季节性深度游规划
- 家庭/团队出游：多房间酒店比价、儿童政策查询等复杂需求
使用风险说明
隐私数据共享：航班搜索、酒店偏好等查询参数将发送至 Alibaba Fliggy 服务端，用于价格计算与库存查询，符合 typical OTA 数据使用模式。
CLI 供应链风险：虽 @fly-ai/flyai-cli 来自 T1 级可信源（Alibaba Group），但仍建议用户通过官方 NPM 源安装，定期检查更新。
URL 跳转安全：输出中的 detailUrl 虽经官方域名校验，但用户点击后仍需留意最终跳转页是否为飞猪官方支付页面，防范中间人攻击。
服务可用性：依赖飞猪平台 API 稳定性，极端情况下（系统维护、API 限流）可能出现查询失败。