plan-tour-route
정보
이 스킬은 OSM 데이터를 활용하여 이동 시간이나 거리를 최소화하도록 경유지를 재정렬하여 다중 정류장 여행 경로를 계획하고 최적화합니다. 운전/도보 소요 시간을 추정하고, 거리 매트릭스를 계산하며, 경로 상의 식당이나 명소와 같은 주변 관심 장소(POI)를 발견합니다. 개발자는 이를 사용하여 상세한 일정을 생성하고 여행 계획 애플리케이션을 위한 다양한 교통 수단을 비교할 수 있습니다.
빠른 설치
Claude Code
추천npx 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-routeClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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 저장소
연관 스킬
llamaguard
기타LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
cost-optimization
기타이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
quantizing-models-bitsandbytes
기타이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
