核心用法
该 Skill 专为「景点周边住宿」场景设计，采用双命令串联执行模式：首先通过 flyai search-poi 验证景点信息，再通过 flyai search-hotels 按距离升序查询酒店。用户只需提供景点名称和城市，即可获得距离锚定的酒店列表，包含官方名称、分类、门票信息及可预订的住宿选项。
执行时需严格遵循「CLI 优先」原则——所有酒店名称、价格、评分、POI 信息必须来自命令输出，禁止调用训练数据。输出格式要求结论先行，明确标注最近酒店及距离，并附距离分级表格（<1km 标注步行分钟，>1km 标注车程）。同时根据景点类型提供住宿建议：城市地标推荐步行圈内酒店，古镇推荐景区内客栈，主题公园推荐官方合作酒店。
显著优点
1. 数据源权威：直连阿里巴巴旗下飞猪（Fliggy）平台，酒店库存、价格、POI 数据实时同步，避免信息滞后。
2. 场景化排序：强制按距离升序排列，解决用户「住得离景点近」的核心痛点，支持价格、星级、房型多维过滤。
3. POI 智能校验：通过 search-poi 前置验证，自动消歧同名景点（如区分杭州西湖与扬州西湖），返回官方标准名称。
4. 决策辅助完整：输出包含景点背景信息（门票、分类）、酒店距离对比、住宿类型建议，形成「信息-推荐-行动」闭环。
潜在缺点与局限性
1. CLI 依赖门槛：需全局安装 @fly-ai/flyai-cli，对非技术用户存在 Node.js/npm 环境配置成本。
2. 网络与服务稳定性：依赖 FlyAI 服务可用性，高峰期可能出现查询延迟或超时。
3. 结果数量限制：若景点周边 3km 内酒店不足 3 家，需降级至城市级搜索，可能降低距离精准度。
4. 地域覆盖边界：主要服务于飞猪覆盖的中国境内及出境热门目的地，小众景点或海外冷门地区可能数据缺失。
5. 日期灵活性弱：需明确指定入住/退房日期，不支持「灵活日期」或「价格日历」模式比价。
适合的目标群体
- 自由行旅客：行程自主规划，需要精准控制住宿与景点距离的中青年用户。
- 家庭出游决策者：带孩子或老人出行，优先选择步行可达、减少交通周转的家庭用户。
- 短途周末游用户：高频进行周边城市 1-2 天短途旅行，追求快速决策的上班族。
- 旅行社/行程规划师：需要批量查询景点周边住宿选项，生成标准化推荐清单的 B 端用户。
- 境外游客：中文界面下查询中国境内景点住宿，依赖飞猪国际版服务的外国用户。
使用风险
- 供应链风险：建议固定
@fly-ai/flyai-cli版本号，避免自动安装最新版引入破坏性变更或恶意代码。 - 权限风险：全局安装 npm 包可能涉及 sudo 提权，推荐使用 nvm/fnm 等版本管理工具隔离至用户目录。
- 数据隐私风险：搜索参数（城市、POI、日期）将传输至 Fliggy 服务器，敏感行程信息可能被阿里巴巴生态记录用于推荐算法。
- 外部服务依赖：Skill 本身无容错缓存机制，CLI 服务中断或飞猪 API 限流将导致功能完全不可用。