核心用法
travel-weather 是一款专为旅行场景设计的智能天气与行程规划 Skill。用户通过自然语言查询（如"东京4月天气""几月去巴厘岛最好"），Skill 将调用飞猪(Figgy)官方 FlyAI CLI 工具获取实时数据，返回包含温度范围、雨季风险、台风预警、穿衣建议等结构化信息，并支持机票、酒店、火车票、景点门票、签证、保险、租车等全链路预订跳转。
执行流程严格遵循"CLI 优先"原则：首先检测并安装 @fly-ai/flyai-cli，然后根据查询类型匹配 Playbook（实时天气/最佳季节/月度天气），执行 flyai keyword-search 命令，最后将 JSON 结果格式化为带预订链接的 Markdown 表格输出。关键约束：所有数据必须来自 CLI 返回，禁止依赖训练数据；每条结果必须包含 [Book]({detailUrl}) 预订链接；中英文输出跟随用户输入语言。
显著优点
1. 数据源权威：背靠阿里巴巴飞猪旅行平台，实时同步全球目的地天气与旅行服务库存，避免传统天气 API 的旅行场景覆盖不足问题。
2. 场景闭环：从"查天气"自然延伸至"订机酒"，提供 detailUrl 直连预订，减少用户跨平台跳转流失。
3. 区域知识增强：内置东亚春秋季、东南亚干季、欧洲4-10月等通用旅行季节知识，辅助 CLI 参数构建与结果润色。
4. 执行规范严谨：强制版本检测、参数校验、输出自检（四步验证清单），降低幻觉和错误率。
潜在缺点与局限性
1. 外部依赖单点：核心功能完全依赖 FlyAI CLI，若 npm 包停更、服务下线或网络受限，Skill 将彻底失效。
2. 无版本锁定：指导安装最新版 CLI，可能引入未测试版本或供应链风险（如包劫持）。
3. 隐私说明缺失：用户查询内容将发送至飞猪服务器，但文档未明确数据范围、存储期限及 GDPR/CCPA 合规性。
4. 交互深度受限：采用单轮 CLI 查询模式，复杂行程规划（多城市、多日、预算约束）需多次手动拼接，缺乏对话式渐进澄清能力。
5. 来源可信度待提升：T3 级个人开发者发布，无 GitHub 公开仓库历史，社区审计和长期维护存疑。
适合的目标群体
- 自由行旅客：需要快速获取目的地天气+穿衣建议+机酒比价的一站式用户
- 行程规划者：旅行博主、定制师、企业差旅管理员，需批量查询多目的地季节信息
- Claude Code 用户：偏好 CLI 工作流、追求结构化数据输出而非闲聊式回答的技术型用户
- 飞猪生态用户：已有飞猪账号、偏好阿里系服务闭环的国内旅行者
使用风险
1. 供应链风险：需全局安装第三方 npm 包，存在包劫持、恶意代码植入可能；建议安装前验证 @fly-ai/flyai-cli 发布者身份及版本哈希。
2. 数据隐私风险：旅行查询可能暴露行程意图、地理位置偏好；敏感商务或探亲行程应避免在查询中输入具体人名、公司名。
3. 服务连续性风险：CLI 工具或飞猪 API 策略变更可能导致 Skill 失效；建议生产环境使用前确认 CLI 最新版本兼容性。
4. 网络依赖风险：国内用户需确保 npm 源和飞猪服务可达；企业内网环境可能需配置代理。
5. 沙箱建议：鉴于 T3 来源，建议在隔离环境（如容器、受限权限 Shell）中执行 CLI 安装与运行，限制文件系统写入和网络出站权限。