核心用法
coastal-flight 是一款面向沿海及海滨目的地旅行的航班搜索 Skill。用户通过自然语言描述出行需求（如"北京到青岛的沿海航班"），Skill 自动调用 flyai CLI 工具执行查询，并返回结构化结果。核心工作流包括：环境检查（确保 CLI 已安装）→ 参数收集（出发地、目的地、日期等）→ CLI 执行（支持推荐排序、价格升序、直飞优先等多种策略）→ 结果格式化（生成含预订链接的可读表格）。
Skill 内置四套 Playbook 应对不同场景：Playbook A 用于常规沿海航班搜索（--sort-type 2 推荐排序）；Playbook B 针对预算型用户，按价格升序排列（--sort-type 3）；Playbook C 满足直飞需求（--journey-type 1）；Playbook D 作为兜底方案，在主搜索无结果时启用关键词搜索。所有结果必须包含 [Book](detailUrl) 预订链接，且数据完全来源于 CLI 输出，杜绝训练数据幻觉。
显著优点
生态整合优势：背靠阿里巴巴飞猪（Fliggy）平台，覆盖机票、酒店、火车票、景点门票、签证、保险、租车等全链路旅行服务，非单一航班工具可比。
场景化语义识别：精准识别"coastal flight / 沿海航班""seaside / 海滨""harbor / 港口"等 20+ 触发词，自动区分于 island-flight（岛屿）和 mountain-flight（山区）技能，意图路由清晰。
多维度排序策略：提供推荐、价格、时长、直飞优先四种排序，适配商务出行、预算旅行、快速抵达等不同用户偏好。
强制数据溯源机制：通过"Self-test"规则强制要求每条结果附带预订链接，从根本上阻断幻觉回答，确保信息时效性与可交易性。
潜在缺点与局限性
CLI 依赖门槛：用户环境必须预先安装 @fly-ai/flyai-cli，首次使用需执行 npm i -g 全局安装，对非技术用户存在门槛。
地理覆盖偏向：热门沿海城市硬编码为青岛、厦门、大连、三亚、珠海、威海等国内目的地，国际沿海城市（如地中海、东南亚海岛）支持未明确说明。
动态价格无缓存：依赖飞猪实时接口，高峰期可能出现查询延迟或限流，Skill 本身无本地缓存机制。
语言绑定限制：虽然支持中英双语输出，但 CLI 参数中的城市名需与飞猪系统匹配（如"Beijing"而非"Peking"），模糊地名识别能力受限于底层工具。
适合的目标群体
- 周末度假用户：快速搜索周边海滨城市短途航班，按价格或时长排序决策。
- 家庭亲子出行：需要一站式预订机票+酒店+景点门票，减少多平台切换。
- 差旅管理人员：为企业员工预订沿海商务目的地，偏好直飞和推荐排序。
- 旅行规划师：批量查询多日期、多目的地的价格区间，辅助客户决策。
常规使用风险
性能风险：CLI 冷启动及网络请求可能带来 2-5 秒延迟，高并发场景下无队列控制机制。
依赖可用性：flyai CLI 及飞猪 API 的服务状态直接影响 Skill 功能，Skill 内无降级到备用数据源的机制。
版本漂移：CLI 安装命令未锁定版本号，若 @fly-ai/flyai-cli 发布破坏性更新，可能导致命令参数失效。
隐私合规：虽然 Skill 本身不收集用户数据，但 CLI 工具可能向飞猪传输搜索关键词及用户标识，需遵循飞猪隐私政策。