---
name: ljg-travel
description: "Deep travel research workflow for museums and ancient architecture. Input a city name, auto-generates structured knowledge document (org-mode) + portable reference cards (PNG). Covers historical background, museum highlights, archaeological significance, and architectural heritage. Use when user says '旅行研究', '博物馆功课', '古建功课', 'travel research', '出发前功课', or provides a city name with intent to do deep cultural travel preparation."
user_invocable: true
version: "1.0.0"
---

# ljg-travel-flow: 旅行研究

一条命令完成：全维度文化研究 → 内容提炼 → org 文档 + 便携卡片。

方法论借鉴考古学 Desk-Based Assessment（DBA）：到达之前，穷尽一切文献证据。

## 模式

**强制 NATIVE 模式。** 本 workflow 是多 skill 管道（Research → ContentAnalysis → ljg-card），不走 Algorithm 七步流程。

## 参数

| 参数 | 说明 | 示例 |
|------|------|------|
| 城市名 | 必填，目标城市 | 西安、洛阳、大同 |
| `-f` | 聚焦主题（可选） | `-f 唐代` `-f 石窟` `-f 青铜器` |
| `-q` | 快速模式，跳过内容提炼，只做研究+文档 | |

## 执行

### 1. 解析参数

从用户消息中提取城市名称和可选参数。如有聚焦主题，后续所有搜索围绕该主题展开。

### 2. 全维度研究（Research extensive — 单次调用，12 个 Agent 并行）

调用 Skill tool 执行 `Research`，使用 extensive 模式。

**核心设计：不分"知识底图"和"平台发现"两步——它们是同一个研究操作的不同搜索角度。** 12 个 Agent 同时出发，一半做学术/百科研究，一半做平台内容搜索。

**研究提纲（传入 Research 的 prompt）：**

```
对「{城市}」进行深度文化旅行研究。这不是旅游攻略，是出发前的考古学式案头研究（Desk-Based Assessment）。

研究覆盖以下维度，每个维度需要中英文双语搜索：

**维度 A — 历史分层**
该城市经历了哪些重要历史时期？每个时期在这座城市留下了什么物质遗存？朝代更迭如何影响城市格局？

**维度 B — 博物馆重点**
该城市有哪些重要博物馆？各博物馆的镇馆之宝和核心馆藏？哪些展品有重大考古意义？必须给出具体文物名称和展厅位置。

**维度 C — 古建遗存**
现存哪些重要古建筑和遗址？营造年代、建筑形制、结构特点。哪些是全国重点文物保护单位？看建筑时应关注什么细节（斗拱、彩画、碑刻等）？

**维度 D — 考古发现**
该城市及周边有哪些重大考古发现？出土文物现藏于哪些博物馆？发掘过程中有什么重要故事？

**维度 E — 人文脉络**
与该城市相关的重要历史人物、文学作品、文化传统。帮助理解这座城市的文化性格。

**维度 F — 深度内容发现**
搜索 B站（bilibili.com）、知乎（zhihu.com）、微信公众号（mp.weixin.qq.com）、抖音（douyin.com）、小红书（xiaohongshu.com）上关于该城市博物馆和古建的深度讲解内容。
筛选标准：
- 要：有知识增量的内容（讲背景、讲工艺、讲考古过程、讲建筑细节）
- 不要：纯打卡拍照、纯推荐无分析、广告软文
- B站视频优先 10 分钟以上的讲解类
- 公众号文章优先有参考文献或明确作者身份的
返回内容标题、URL、一句话摘要。

{如有聚焦主题：特别关注与「{聚焦主题}」相关的内容，其他维度作为背景补充。}
```

等待 Research 完成，获得全维度研究结果。

### 3. 内容提炼（ContentAnalysis — 可选）

如果用户指定了 `-q` 快速模式，跳过此步。

从步骤 2 返回的结果中，提取所有有效 URL（文章链接、视频链接）。

**对每个 URL 并行启动 Agent subagent：**

每个 subagent 调用 Skill tool 执行 `ContentAnalysis`，传入 URL，使用 fast 深度级别，提取核心知识点。

**降级规则：**
- 如果 ContentAnalysis 对某个 URL 失败（无法访问、无字幕等），跳过该 URL，不阻塞
- 如果所有 URL 都失败，流程不中断——步骤 2 的研究结果已经足够生成文档
- ContentAnalysis 是增强层，不是必要层

收集所有成功提炼的内容摘要。

### 4. 合成 org-mode 文档

将步骤 2（研究结果）和步骤 3（内容提炼，如有）合成为一份结构化 org-mode 文档。

**文档结构：**

```org
#+title: {城市}旅行研究
#+date: {当前日期}
#+filetags: :travel:museum:architecture:

* 城市概览
  {城市}的文明坐标——为什么值得去，去了看什么。一段话勾勒这座城市在中国文明史中的位置。

* 历史分层
** {时期1}（{年代范围}）
   核心事件、遗留痕迹、对应可看的实物。
** {时期2}
   ...

* 博物馆指南
** {博物馆1名称}
   地址、开放时间、预约方式（如需要）。
*** 镇馆之宝
    - {文物名}：{为什么重要} | 看什么细节：{具体观察点}
*** 重点展厅
    - {展厅名}：{核心看点}
*** 容易错过的
    - {被忽视但值得看的内容}
** {博物馆2名称}
   ...

* 古建遗存
** {古建1名称}（{朝代}，{保护级别}）
   形制概述。
*** 看什么
    - {具体观察点1}：{为什么值得注意}
    - {具体观察点2}
** {古建2名称}
   ...

* 考古发现
** {遗址/发现1}
   发现经过、意义、出土文物现藏地。如果有有趣的发掘故事，讲出来。

* 参观路线
** 路线一：{主题名}（{预计时间}）
   适合谁：{描述}
   1. {地点} → 重点看 {什么}（{停留建议时间}）
   2. ...
** 路线二：{主题名}
   ...

* 深度内容推荐
  从各平台发现的值得在出发前看的内容。
** 视频
   - [[{URL}][{标题}]] — {一句话摘要}
** 文章
   - [[{URL}][{标题}]] — {一句话摘要}
** 书籍（如有推荐）
   - {书名} — {为什么值得读}
```

**文件命名**：使用 denote naming schema，保存到 `~/Documents/notes/` 目录：
`{YYYYMMDDTHHMMSS}==z--{城市}旅行研究.org`

**写作要求**：
- 每个推荐必须有「为什么看」和「看什么细节」，不许空泛
- 语气是给自己写的笔记，不是导游词
- 有确切信息写确切的，没有的不编

### 5. 铸造便携卡片（ljg-card）

从步骤 4 的 org 文档中提取核心内容，铸造两张卡片，**并行执行**：

**卡片 A — 城市文明概览（信息图）：**

调用 Skill tool 执行 `ljg-card -i`，输入内容为：城市历史分层 + 核心博物馆清单 + 必看古建清单的精华摘要。一张图看懂这座城市的文明骨架。

**卡片 B — 参观路线速查（长图）：**

调用 Skill tool 执行 `ljg-card -l`，输入内容为：参观路线建议 + 每个地点的核心看点。手机上随时查看。

### 6. 汇总报告

```
════ 旅行研究完成 ═══════════════════════
🏛️ 城市: {城市名}
📝 知识文档: {org 文件路径}
🖼️ 文明概览卡: {PNG 文件路径}
🖼️ 路线速查卡: {PNG 文件路径}
📊 研究覆盖: {N}个博物馆 | {M}座古建 | {K}处考古遗址
📎 深度内容: {X}个视频 | {Y}篇文章
```

## 关键约束

- 步骤 2 是核心——12 个 Agent 并行覆盖学术研究和平台内容，一次完成
- 步骤 3（内容提炼）是增强层，失败不阻塞流程
- 步骤 5 的两张卡片之间并行
- org 文档是主产出，卡片是衍生产出——文档质量优先
- 不产出泛泛的旅游攻略，每个推荐必须有「为什么看」和「看什么细节」
- Research 搜索使用中英文双语关键词，扩大覆盖面
- 没有确切信息时宁可留空，不编造

## Known Pitfalls

（首次创建，暂无记录。使用中积累。）