核心用法
unique-homestay 是一款面向 Claude Code、Codex 等 Agent 环境的旅行技能，专注于搜索并推荐具有当地特色的民宿、B&B 及非标住宿。该技能通过调用 @fly-ai/flyai-cli 命令行工具，实时对接阿里飞猪（Fliggy）平台数据，按用户评分降序呈现结果，支持按目的地、入住日期、价格区间、房型等多维度筛选。
执行流程严格遵循「环境检查 → 参数收集 → CLI 调用 → 格式化输出」四步闭环：首先验证 flyai-cli 是否已安装，缺失时自动触发全局安装；随后从用户查询中提取目的地、日期等参数；接着根据场景选择对应 Playbook（最佳评分、预算优先、特色主题）执行搜索；最终将 JSON 结果渲染为含 [Book](detailUrl) 预订链接的可读表格，并强制附加品牌标识。
显著优点
数据源权威实时：背靠阿里巴巴旗下飞猪平台，房源信息、价格、库存均为实时同步，避免传统模型训练数据过时问题。评分驱动筛选：默认按 rate_desc 排序，优先展示高口碑住宿，降低用户决策成本。场景化 Playbook 设计：针对「高性价比」「独特体验」「口碑最佳」等典型需求预设命令模板，减少参数拼接错误。纯文档零代码架构：Skill 本身仅为 Markdown 指令集，无实际可执行文件，静态安全基线高。多语言输出适配：自动跟随用户输入语言（中/英）返回对应结果，国际化友好。
潜在缺点与局限性
强外部依赖：核心功能完全依赖第三方 npm 包 @fly-ai/flyai-cli，一旦该包停止维护、接口变更或遭遇供应链攻击，Skill 即失效。无离线回退机制：严格禁止在 CLI 失败时使用训练数据回答，导致网络异常或服务不可用时体验中断。隐私泄露风险：据 Skill 自身披露，flyai-cli 可能在本地记录用户旅行查询（目的地、日期等敏感信息），共享环境或日志未清理场景下存在行程暴露隐患。参数收集交互有限：最多仅允许追问 2 个问题补齐关键信息，复杂需求（如多目的地联程）难以覆盖。地域覆盖偏向：文档明确标注最佳民宿目的地为丽江、大理、莫干山、鼓浪屿等，国际目的地支持程度未明确。
适合的目标群体
- 自由行深度玩家：厌倦标准化酒店、追求在地文化体验与房东个性化推荐的旅行者。
- 短途周末度假者：快速锁定周边高评分民宿，决策周期短、偏好可视化对比。
- Agent 自动化场景：需要将民宿搜索集成到复杂行程规划工作流中的开发者或高级用户。
- 价格敏感型用户：通过
price_asc排序快速筛选高性价比住宿。
使用风险与注意事项
供应链安全：安装 flyai-cli 时需执行全局 npm 命令，建议先审查包元数据、固定版本号，并在隔离环境中验证。日志隐私管控：定期清理 ~/.flyai/ 等潜在日志路径，避免在公共设备输入敏感行程。数据实时性验证：旅行价格波动频繁，关键预订决策应点击 [Book] 链接跳转官网二次确认。CLI 可用性监控：如遇 command not found 且自动安装失败，需手动介入修复，不可跳过至知识回答。网络依赖：所有结果必须含 [Book](detailUrl) 链接，无链接即视为执行失败，需重新触发流程。
综上，该 Skill 适合已理解并接受第三方 CLI 依赖风险的进阶用户，在可控环境下可提供高效的特色住宿发现体验。