核心用法
Daolv Hotel Booking 是一个面向旅行场景的智能酒店规划技能，通过调用 ai-go-hotel MCP 服务器实现从需求捕获到预订决策的全流程支持。
典型使用场景：
- 城市旅行酒店搜索与比价
- 家庭/商务出行住宿规划
- 基于预算和设施偏好的精准筛选
工作流程：
1. 意图识别：自动提取目的地、入住日期、天数、人数、预算、出行目的及设施需求，缺失信息时最小化追问
2. 标签初始化：单次调用 getHotelSearchTags 缓存可用标签，用于后续筛选条件构建
3. 酒店搜索：调用 searchHotels 获取 8-12 条结果，支持按价格区间、星级、距离、设施标签过滤
4. 详情增强：对候选酒店调用 getHotelDetail 获取房型、取消政策、早餐等关键决策信息
5. 决策输出：提供首选推荐 + 2 个备选，附带价格/位置/设施的权衡分析和明确下一步行动
输出特点：
- 结构化对比：每晚价格 vs 总价、交通便捷度、房型亮点
- 风险透明：明确标注数据缺失或可能过期的情况
- 行动导向：2-4 项待确认清单，推动预订闭环
显著优点
- 决策效率：将分散的酒店信息整合为「首选+备选+权衡」的决策格式，减少用户认知负担
- 参数标准化：自动处理城市/机场/景点/交通枢纽等
placeType映射，支持多语言输入 - 容错设计：日期失效自动回退、空值字段显式标注、API 异常时降级为文本说明
- 商业安全：MCP 配置与凭证分离，技能文件不含硬编码密钥
潜在局限
- 数据源依赖：依赖单一 MCP 服务端（aigohotel.com），无多平台比价能力
- 实时性风险：价格/库存可能滞后，需用户最终确认时二次核实
- 预订闭环：当前仅支持「决策辅助」，实际预订需跳转外部平台完成
- 中文场景优先：标签体系和输出模板针对中文用户优化，国际化支持有限
适合人群
- 计划国内/出境旅行的个人或家庭用户
- 需要快速筛选 3-5 个可行选项的决策型用户
- 对价格敏感度和设施优先级有明确偏好的商务出行者
常规风险
- 价格波动：展示价格为抓取时点数据，实际预订时可能变化
- 政策变更：取消规则、早餐包含状态以酒店最终确认为准
- 地址解析误差：
place字段的地理编码可能存在偏差，建议用户核对具体位置