核心用法
Daolv Hotel Booking 是一款基于 MCP 协议的酒店预订决策支持技能，通过对接 ai-go-hotel 服务实现酒店发现、筛选比价和预订指引的全流程自动化。用户只需提供目的地、日期、人数和预算等基础信息，系统即可智能调用 getHotelSearchTags、searchHotels 和 getHotelDetail 三大工具完成深度检索。
工作流程
1. 意图捕获：提取目的地、入住/离店日期、入住人数、房间数、预算范围、出行目的（商务/家庭/休闲）及必备设施等关键约束
2. 标签预热：单次调用获取搜索标签并缓存，用于后续精准筛选
3. 智能搜索：支持按城市、机场、景点、火车站等多类地点类型检索，返回8-12条候选结果
4. 详情 enrich：对入围酒店调用详情接口，提取房型、价格、取消政策、早餐等决策关键信息
5. 决策输出：提供「首选推荐+2个备选」的结构化方案，包含价格对比、位置交通、设施亮点及明确下一步行动
显著优点
- 多源聚合：整合酒店星级、价格、设施、位置等多维数据，避免用户跨平台比价
- 决策友好：强制输出「推荐理由+风险提示+下一步确认」三段式结论，降低决策疲劳
- 容错设计：自动处理日期失效、字段缺失、非结构化返回等边界情况
- 中文原生：针对国内用户习惯优化地点类型映射（城市/机场/景点/火车站/地铁站）
潜在缺点与局限性
- 数据源依赖：实际酒店库存与价格完全依赖 ai-go-hotel 服务端，存在数据延迟或覆盖盲区
- 预订闭环缺失：仅提供「预订指引」而非直连下单，最终交易需跳转第三方平台完成
- 实时性风险：价格字段可能为"预估"，高峰期库存变动可能导致推荐失效
- MCP 配置门槛：需正确配置
streamable_http端点和 Authorization 头，否则工具调用失败
适合人群
- 商务差旅人士：需快速锁定符合公司预算与位置要求的酒店
- 家庭出行规划者：关注多房型、儿童政策、设施完整度的对比决策
- 自由行游客：对陌生目的地缺乏酒店品牌认知，需要结构化筛选建议
常规风险
- 价格波动：展示价格为"lowestPrice"快照，实际支付可能因税费、会员价等产生差异
- 库存失效：热门日期酒店可能秒空，建议用户收到推荐后立即二次确认
- 政策变更：取消政策、早餐包含状态以酒店最终确认为准，技能输出仅供参考
- 隐私合规：预订流程涉及用户身份信息，需确保下游平台符合数据保护要求