plan-tour-route
について
このスキルは、OSMデータを活用して経由地の順序を最適化し、移動時間や距離を最小化する複数地点間の旅行ルートを計画します。運転・歩行時間の推定、距離マトリクスの計算、ルート沿いのレストランや観光名所などの近隣POIの発見機能を備えています。開発者はこれを利用して詳細な旅程を作成し、旅行計画アプリケーション向けに交通手段の比較を行うことができます。
クイックインストール
Claude Code
推奨npx 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-routeこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
ドキュメント
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 リポジトリ
関連スキル
llamaguard
その他LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
cost-optimization
その他このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
quantizing-models-bitsandbytes
その他このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。
dispatching-parallel-agents
その他このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。
