plan-tour-route
Über
Diese Fähigkeit plant und optimiert Reiserouten mit mehreren Stopps, indem Wegpunkte neu angeordnet werden, um die Reisezeit oder -distanz unter Verwendung von OSM-Daten zu minimieren. Sie schätzt Fahr- und Gehzeiten, berechnet Entfernungsmatrizen und ermittelt nahegelegene POIs wie Restaurants oder Sehenswürdigkeiten entlang der Route. Entwickler können sie nutzen, um detaillierte Reisepläne zu erstellen und Verkehrsmittel für Reiseplanungsanwendungen zu vergleichen.
Schnellinstallation
Claude Code
Empfohlennpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/plan-tour-routeKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
謀行徑
謀並優化多停之行徑,附時估、距算、沿途景點。
用時
- 謀多目地之公路行或徒步行
- 優訪序以減總旅時或距
- 發掘沿途之餐館、觀景、文化地
- 生實時預算之日行程
- 比駕/行/公共交通之選
入
- 必要:途點之列(地名、址、座標)
- 必要:旅模(駕、行、騎、公共)
- 可選:起終點(若異於首末途點)
- 可選:時制(出發時、必至時、開放時)
- 可選:欲發掘之 POI 類(食、觀景、博物館、燃料)
- 可選:徑型之偏(最速、最短、景觀)
法
第一步:定途點
採並結構行所必含之諸停。
Waypoint Schema:
┌──────────┬────────────────────────────────────────────┐
│ Field │ Description │
├──────────┼────────────────────────────────────────────┤
│ name │ Human-readable label for the stop │
│ address │ Street address or place name │
│ lat/lon │ Coordinates (if known; otherwise geocode) │
│ duration │ Time to spend at this stop (minutes) │
│ priority │ Must-visit vs. nice-to-have │
│ hours │ Opening/closing times (if applicable) │
│ notes │ Parking, accessibility, booking required │
└──────────┴────────────────────────────────────────────┘
分定序途點(如起終之店)與可重序之途點。
得:諸途點之結構列,至少含名與址或座標。
敗則:若途點模糊(如「該城堡」),用 WebSearch 釋為特定地。若需座標而唯有名,留至第二步地理編碼。
第二步:地理編碼並驗
化諸途點為緯經座標並驗其可達。
Geocoding Sources (in preference order):
1. Nominatim (OpenStreetMap) - free, no key required
https://nominatim.openstreetmap.org/search?q=QUERY&format=json
2. Overpass API - for POI-type queries
https://overpass-api.de/api/interpreter
3. Manual coordinates from mapping services
各途點:
- 對地理編碼服務查址或地名
- 驗返之座標於預期區
- 察多結果消歧(擇正確者)
- 將座標與原途點數據並存
得:諸途點皆有有效緯經座標,諸點皆於合理地理區(無越洲之異點)。
敗則:若地理編碼無果,試他拼、加區/國限、或搜近地標。若途點於 OSM 覆稀之偏地,用 WebSearch 自旅遊網或文找座標。
第三步:優徑序
定減總旅時或距之訪序。
Optimization Strategies:
┌─────────────────────┬────────────────────────────────────────┐
│ Strategy │ When to use │
├─────────────────────┼────────────────────────────────────────┤
│ Fixed order │ Stops must be visited in given sequence│
│ Nearest neighbor │ Quick approximation for 5-15 stops │
│ TSP solver │ Optimal ordering for any number │
│ Time-window aware │ Stops have opening hours constraints │
│ Cluster-then-route │ Stops span multiple days/regions │
└─────────────────────┴────────────────────────────────────────┘
近鄰啟發法:
- 自指定之起點始
- 自當前位,擇旅時最近之未訪途點
- 移至該途點並標已訪
- 重至諸途點皆訪
- 返指定之終點(若往返)
多日之行,先依地理近聚途點,再各日內優化。
得:途點有序之序,徑無過倒回。少於 10 停者,總距當於理論最優之 20% 內。
敗則:若近鄰之果有顯倒回(後停近於前者),試反徑或用 2-opt 改進:交對邊,若縮徑則留交。時窗制者,驗各停之至時於開放時內。
第四步:算時與距
對徑各段算旅時與距。
Time Estimation Methods:
┌──────────────┬────────────┬────────────────────────────────┐
│ Mode │ Avg Speed │ Notes │
├──────────────┼────────────┼────────────────────────────────┤
│ Highway │ 100 km/h │ Varies by country/road type │
│ Rural road │ 60 km/h │ Add 20% for winding roads │
│ City driving │ 30 km/h │ Add time for parking │
│ Walking │ 4.5 km/h │ Flat terrain; reduce for hills │
│ Cycling │ 15 km/h │ Touring pace with luggage │
│ Hiking │ 3-4 km/h │ Use Munter formula for accuracy│
└──────────────┴────────────┴────────────────────────────────┘
各連續途點對:
- 算直線(haversine)距為基
- 施繞路因子(路 1.3、城 1.4、高速 1.2)
- 自調距與模速估旅時
- 加緩衝時:駕 10%、公共 15%
- 段時加各停之停留時為總行久
得:諸段之時/距矩,附累時計旅與停留。總行久當實(徒步行不逾日光)。
敗則:若估時不實(如 2 時於 10 km 城駕),察繞路因子是否宜。山路者,繞路因子升至 1.6-2.0。公共交通者,用 WebSearch 察實時表而非估。
第五步:附 POI 生行程
將優化之徑匯為含發掘景點之完整行程。
POI Discovery (Overpass API query pattern):
[out:json];
(
node["tourism"="viewpoint"](around:RADIUS,LAT,LON);
node["amenity"="restaurant"](around:RADIUS,LAT,LON);
node["amenity"="cafe"](around:RADIUS,LAT,LON);
);
out body;
Recommended search radius:
- Along route corridor: 500 m for walking, 2 km for driving
- At waypoints: 1 km radius
立行程文:
- 含行名、日、總距、總時之首
- 各日(多日者):
- 日要(始、終、總 km、總時)
- 各段:出發時、旅模、距、久
- 各停:至時、停留、述、近 POI
- 事務節:泊、燃料、休、緊急聯
- 圖參(OpenStreetMap 之徑連結或 GPX 匯)
得:完備、時預算之行程文,含實時、各停 POI 薦、實事務訊。
敗則:若 POI 查返果太多,依評或相關濾。若行程逾可用時,標較低優先停為可選或分日。若偏地無 POI,記之並建議旅人至而地察。
驗
- 諸途點皆已地理編碼附有效座標
- 徑序減倒回(無顯不效)
- 旅時對所擇模實際
- 各停之停留時計入
- 總行久於可用時窗內
- POI 相關且近徑
- 時敏停之開放時受尊
- 行程含實事務(泊、燃料、休)
陷
- 忽開放時:純依距優化或致館閉後而至。常察景之時窗制。
- 低估城旅:城駕與泊或倍預期時。城停加豐之緩衝。
- 行程過載:填每分留無延誤或自發發現之餘。每半日留 30-60 分之鬆。
- 直線距之謬:Haversine 距嚴重低估實路距,尤山地或海岸。常施繞路因子。
- 忘返事務:單向徑需謀返租車、追火車、或安接送。
- 季節閉路:山口、渡輪、景觀道或季節閉。徑前驗准入日。
參
create-spatial-visualization— 於互動圖渲染所謀徑generate-tour-report— 將行程匯為格式之 Quarto 報plan-hiking-tour— 行內徒步段之專謀assess-trail-conditions— 察任何步行/徒步段之情
GitHub Repository
Verwandte Skills
llamaguard
AndereLlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.
cost-optimization
AndereDiese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.
quantizing-models-bitsandbytes
AndereDiese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.
dispatching-parallel-agents
AndereDiese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.
