MCP HubMCP Hub
SKILL·5E89FC

plan-tour-route

pjt222
Mis à jour 1 month ago
10 vues
26
3
26
Voir sur GitHub
Autregeneral

À propos

Cette compétence planifie et optimise les itinéraires de voyage à plusieurs étapes en réorganisant les points de passage pour minimiser le temps ou la distance de trajet, en utilisant les données OSM. Elle estime les durées de conduite ou de marche, calcule des matrices de distance et découvre des points d'intérêt à proximité, tels que des restaurants ou des attractions, le long du parcours. Les développeurs peuvent l'utiliser pour générer des itinéraires détaillés et comparer les modes de transport pour des applications de planification de voyage.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/plan-tour-route

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

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

  • 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)

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:

  1. 對地理編碼服務查址或地名
  2. 驗返之座標於預期區
  3. 察多結果消歧(擇正確者)
  4. 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:

  1. 自指定之起點始
  2. 自當前位,擇旅時最近之未訪途點
  3. 移至該途點並標已訪
  4. 重至諸途點皆訪
  5. 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:

  1. 算直線(haversine)距為基
  2. 施繞路因子(路 1.3、城 1.4、高速 1.2)
  3. 自調距與模速估旅時
  4. 加緩衝時:駕 10%、公共 15%
  5. 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:

  1. 含行名、日、總距、總時之首
  2. 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
  3. 事務節:泊、燃料、休、緊急聯
  4. 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。

  • 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)

  • 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。

  • 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

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/wenyan/skills/plan-tour-route
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

Frequently asked questions

What is the plan-tour-route skill?

plan-tour-route is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform plan-tour-route-related tasks without extra prompting.

How do I install plan-tour-route?

Use the install commands on this page: add plan-tour-route to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does plan-tour-route belong to?

plan-tour-route is in the Other category, tagged general.

Is plan-tour-route free to use?

Yes. plan-tour-route is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

Compétences associées

llamaguard
Autre

LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.

Voir la compétence
cost-optimization
Autre

Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.

Voir la compétence
sports-betting-analyzer
Autre

Cette compétence Claude analyse les marchés des paris sportifs, incluant les spreads, les over/under et les paris spéciaux, en examinant les tendances historiques et les statistiques situationnelles pour identifier les paris à valeur ajoutée. Elle fournit une sortie en markdown structuré avec des recommandations actionnables à des fins éducatives. Les développeurs doivent l'utiliser pour des outils d'analyse de paris sportifs tout en notant qu'elle est conçue uniquement pour le divertissement et l'éducation.

Voir la compétence
quantizing-models-bitsandbytes
Autre

Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.

Voir la compétence