比赛提交材料
参赛项目名称
OneTrail 一径：徒步路线规划助手
团队 / 作者
成员：eurekaneon、RealTapeL
项目简介
周末临时想去徒步时，真正让人犹豫的往往不是“哪里有山”，而是几个连续的问题：这条路线会不会太累？当天会不会下雨？从我现在的位置怎么过去？要不要带登山杖？同行的人能不能走完？这些信息通常散落在地图、天气、攻略和购物 App 里，用户需要自己拼出一个决定，最后还可能因为信息过多而放弃出发。
OneTrail 一径就是从这个真实场景出发做的产品。它把一次徒步看成一个完整的决策过程：先理解人，再理解路线，最后把结论变成可以照着执行的行程。用户填写日期、目的地、人数、预算、体能、兴趣和已有装备后，不是得到一堆搜索结果，而是得到“为什么推荐这条路、有什么风险、怎么到、需要带什么”的完整答案。
产品体验上，我们没有把徒步做成冷冰冰的工具，而是用暗黑像素风构建一种带有游戏感的户外探索体验：深色底、像素化图标、荧光绿/橙色状态提示、等高线与网格纹理，结合 Stats HUD、路线等级、风险警报和任务式清单，让用户感觉自己正在解锁一张真实地图、准备一次真实冒险。规划页用明确的目标卡和少量关键输入降低开始门槛；推荐页用 Top 卡片、路线评分和“适合你的理由”制造探索动力；路线详情用海拔、距离、难度和安全标签呈现户外硬核数据；执行页用时间线、补给点和装备清单把计划变成行动；移动端则用底部 Tab 让用户在规划、路线库、行程和装备之间快速切换。整体风格追求“游戏化但不幼稚、科技感但不疏离”，让用户愿意迈出第一步，并在一次次完成路线后爱上徒步。
我做了什么
我使用百炼 AI 编程能力完成了 OneTrail 从产品原型、前后端开发、智能决策逻辑、数据接入到部署打包的完整工程落地，并与队友通过 Git 分支协作完成合并、联调和验证。整个过程不是先做一个“看起来像 App”的页面，而是围绕用户从产生想法到真正出发的路径，逐步解决每一个体验断点。
1. 从“我想去走走”到“我知道今天怎么走”
- 设计并实现“开始规划”入口：收集日期、目的地/当前位置、同行人数、预算、体能、兴趣标签和已有装备。
- 实现智能路线规划：先根据距离、爬升、预计耗时和难度进行硬筛选，再结合用户偏好、历史能力、兴趣、天气、位置距离等因素进行多维度评分，输出 Top 3/Top 5 推荐和备选路线。
- 为每条推荐生成可解释的决策依据，说明路线为什么适合用户，并给出天气影响、泥泞风险、体能匹配度和安全注意事项。
- 将路线推荐结果继续串联到路线详情、加入计划和执行助手，形成从“想去”到“出发”的完整旅程。
我们把一次使用拆成了一个很具体的故事：周五晚上，用户打开 OneTrail，输入“周六、杭州、半天、预算有限、体能一般、想看溪流、已有背包”。系统先确认用户真正关心的不是路线数量，而是强度、时间和景观是否匹配；随后给出几条可比较的路线。用户点开其中一条，可以看到适合自己的原因、天气影响、交通方式和风险提示；点击“加入计划”后，推荐结果不再停留在卡片里，而是进入执行页，变成出发时间、交通、补给和装备清单。
这个闭环解决的是“信息找到了，但仍然不敢出发”的问题：每个结论都尽量回答一个实际疑问，每一步都能回到下一步行动。
2. 让阿里云百炼 Agent 自主完成路线规划协同
- 在阿里云百炼中采用 Agent 应用承载自主路线规划：Agent 负责理解“我想在周六去杭州、半天、体能一般、想看溪流”等自然语言需求，自主判断需要查询哪些数据并组织回答。百炼官方将旅行规划列为 Agent 适用场景，Agent 可以调用知识库和 MCP 服务完成任务。
- 通过百炼 MCP 接入地图与实时地理信息工具，优先使用官方 Amap Maps MCP 查询天气、地理位置和交通等信息；路线库、用户偏好、历史徒步、补给点和装备目录等项目数据，则通过自定义 MCP 服务或高代码应用中的工具接入百炼 Agent。
- 使用百炼知识库承载路线说明、地形标签、安全须知和装备知识；明确选用
text-embedding-v4 作为路线语义向量模型，将路线描述与用户需求向量化，用于语义召回，再结合距离、爬升、耗时、难度等结构化字段过滤。知识库需要更高精度时，可叠加 qwen3-rerank 对召回结果二次排序。
- 使用百炼平台的自定义 Skill 能力挂载徒步领域能力，具体配置为：
onetrail-route-retrieval（路线语义检索）、onetrail-route-decision（体能/时间/兴趣/预算综合决策）、onetrail-weather-risk（天气与泥泞风险评估）、onetrail-trip-builder（交通、时间线、补给点编排）、onetrail-gear-check（已有装备与装备缺口分析）和 onetrail-recommendation-explainer（生成可解释推荐理由）。这些是 OneTrail 自定义 Skill，不冒充百炼官方预置 Skill；每个 Skill 的 ZIP 根目录包含 SKILL.md，定义名称、描述、触发条件、输入字段和结构化输出。
- Agent 先把自然语言需求整理成结构化约束，再按需调用 MCP、知识库和向量检索：当前位置不明确时先做定位/逆地理编码，天气影响较大时优先检查预报和泥泞风险，路线确定后再查询交通、补给点和装备缺口。
- 百炼 Agent 的主模型明确选用
qwen3.7-plus：负责需求理解、工具选择、候选路线分析、风险摘要和推荐理由生成；路线知识检索使用 text-embedding-v4，知识库检索需要二次排序时使用 qwen3-rerank。最终推荐仍受到后端距离、爬升、耗时、难度和天气等硬约束校验，避免只凭自然语言做不安全的路线决定。
- 让模型输出结构化的路线分析结果，包括候选排序、匹配原因、风险提示、行程建议和装备建议，前端以卡片、时间线和清单形式展示。
- 对天气、路线、装备和历史记录进行统计分析，形成用户能力画像、偏好画像和路线适配度，为后续推荐提供数据基础。
注：百炼 API/MCP 负责智能分析、上下文编排和解释生成；高德 Web Service API 负责真实的地图、天气、逆地理编码、交通和周边地点数据；业务规则负责硬筛选和安全兜底。
这套设计的重点是“自主，但不失控”：百炼 Agent 负责理解需求、选择工具、组织分析和解释结果，后端业务规则负责安全边界；如果外部数据没有配置或调用失败，系统明确提示依赖不可用，不用虚构天气、路线或装备信息。模型输出采用结构化字段，前端只展示经过校验的路线、风险和建议，用户可以看懂，也可以自行判断。对于固定的筛选和输出链路，也可以使用百炼 Workflow 固化为可重复执行的流程。
3. 用暗黑像素风把徒步做成一次可玩的探索
我参与了前端信息架构、视觉语言和交互取舍，把功能收束为四个清晰入口：开始规划、路线库、我的行程、装备。桌面端使用顶部导航，移动端使用底部 Tab，保持同一套用户心智模型。视觉上以暗黑像素风为主线，将徒步路线、海拔、天气和装备数据设计成类似游戏 HUD 的信息模块；用户不是在填写复杂表格，而是在领取一次探索任务、查看路线属性、补齐装备并完成挑战。页面之间通过按钮串联，而不是让用户反复回到首页：需求输入 → 推荐结果 → 路线详情 → 执行助手，装备缺口再自然进入装备比选。
- 规划页：用暗色背景、像素化控件和清晰的任务目标，让用户像接受一次探索任务一样开始规划。
- 推荐页：用 Top 3 卡片、路线等级、匹配理由和荧光状态色承载决策，让用户产生“想解锁这条路线”的动力。
- 路线详情：用数据 HUD、等高线/网格视觉、地形与安全标签呈现硬核户外信息，同时保留评价和“值得去”判断建立信任。
- 执行助手：用时间线、交通、补给和装备清单模拟任务面板，降低临出发前的记忆负担。
- 装备页：用品类 Tab、对比卡和 GAP PICKS，让“缺什么”比“买什么”更明确，像完成出发前的装备检查。
- 移动端：针对拇指操作、状态栏遮挡、WebView 回弹和底部导航重新适配，让户外场景下的单手操作更直接，而不是简单缩小桌面页面。
4. 完成路线库与路线可信档案
- 实现路线搜索、标题/描述/区域关键词检索和景观标签筛选。
- 实现路线列表、路线详情、距离/爬升/耗时/难度等数据展示。
- 增加地形、安全信息、适合人群、路线标签和路线气质印象。
- 实现路线评价、评分聚合、印象投票、“值得去”判断和“想去/去过”收藏。
- 支持登录用户继续录入真实路线，路线库可持续扩充。
5. 完成出行执行助手
- 将选中的路线转化为可执行行程。
- 展示驾车、公交/地铁等交通方案和到达信息。
- 展示出发时间、徒步时间、关键节点等行程时间线。
- 查询路线起点附近的补给点。
- 提供装备清单、装备缺口提示、海拔/路线信息和出发前操作提醒，帮助用户从规划切换到实际执行。
6. 完成装备推荐与比选
- 建立真实装备目录，按品类浏览和筛选。
- 根据路线特点、天气、预算和用户已有装备生成装备参考。
- 过滤用户已经拥有的装备，识别需要补齐的 GAP PICKS。
- 实现装备评分、真实评价、评价聚合和装备对比卡片。
- 将装备建议与路线规划结果联动，避免泛化地推荐无关装备。
7. 完成账号、用户画像与徒步成长数据
- 实现邮箱密码注册、登录、JWT 鉴权和个人信息读取。
- 保存用户的距离、爬升、耗时、难度和兴趣偏好。
- 支持记录历史徒步活动，并据此计算能力画像；没有历史样本时明确提示使用静态偏好。
- 实现徒步打卡和感受记录，让用户可以沉淀自己的徒步数据。
- 完成 TBTI 徒步人格测试：参考 MBTI 的 16 型结构设计徒步者人格测评，将测试结果绑定账号，并参与路线推荐和个性化文案展示。
8. 完成双端产品与工程交付
- 使用 Vue 3 + Vite 完成 Web 单页应用，并接通 FastAPI 后端真实接口。
- 使用 FastAPI、SQLAlchemy、PostgreSQL 完成身份、路线、推荐、历史、评价、收藏、装备和平台服务等后端模块。
- 使用高德 Web Service API 接入逆地理编码、天气预报、驾车/公交路线规划和周边徒步地查询。
- 通过 Capacitor 打包安卓 APK，并完成移动端底部 Tab、状态栏安全区、WebView 滚动行为和响应式布局适配。
- 增加健康检查、集成状态、前端错误上报和自动化测试，确保外部服务未配置时明确返回依赖错误或空结果，不伪造天气、路线、装备和评价数据。
技术亮点
OneTrail 的核心不是简单地“搜索一条路线”，而是把多源数据转化为可执行决策：
用户需求与画像
↓
百炼 Agent + Qwen + MCP + Skill：自主规划、工具调用、数据分析、推荐解释
↓
百炼知识库 + text-embedding-v4/v3：路线语义召回与相关性匹配
↓
路线/天气/交通/补给/装备数据汇总
↓
硬约束筛选：距离、爬升、耗时、难度、安全
↓
可解释评分与排序
↓
Top 推荐 + 备选路线 + 风险提示 + 行程时间线 + 装备清单
系统在真实数据不可用时不会编造外部结果；模型生成内容也必须基于已获取的结构化数据，并经过业务规则校验。
使用的工具与技术
· 百炼 CLI / 百炼 AI 编程能力：代码生成、代码审查、报错诊断、文档理解、调试、部署和打包。
· 阿里云百炼 Agent 主模型：qwen3.7-plus，负责自主规划、Function Calling/MCP 工具选择、路线分析和解释生成。
· 阿里云百炼官方 MCP：Amap Maps MCP，用于地理编码、天气、地点搜索和交通路线等实时地理信息。
· OneTrail 自定义 MCP：onetrail-route-data-mcp，暴露 search_routes、get_route_detail、get_user_profile、get_hiking_history、get_supply_points、list_equipment 等工具；通过百炼 MCP 管理部署并挂载到 Agent。
· 百炼向量模型：text-embedding-v4，用于路线描述、标签、用户需求的语义向量化；可选 qwen3-rerank 对召回路线进行精排。
· OneTrail 自定义 Skills：onetrail-route-retrieval、onetrail-route-decision、onetrail-weather-risk、onetrail-trip-builder、onetrail-gear-check、onetrail-recommendation-explainer，均以带 SKILL.md 的 Skill ZIP 包上传到百炼 Skill 管理并添加到 Agent。
· 前端：Vue 3、Vite、Vue Router、Capacitor。
· 后端：Python 3.11、FastAPI、Pydantic、SQLAlchemy 2.0、PostgreSQL、JWT、Argon2。
· 外部数据：高德 Web Service API。
· 工程协作：Git、GitHub、GitHub Release、Docker Compose、pytest、frp 内网穿透。
百炼官方技术参考：
· 百炼应用类型：Agent、Workflow 与高代码应用
· 百炼官方 MCP 服务
· 百炼 Skill
· 百炼模型上下文协议 MCP
· 百炼向量化模型
效果展示与项目链接
· 在线 Demo：http://150.158.126.172:8082
· 演示账号：admin@onetrail.dev / admin123456（登录页也提供一键进入）
· 安卓 APK：https://github.com/RealTapeL/Onetrail/releases/tag/v0.3.0
· GitHub 仓库：https://github.com/RealTapeL/Onetrail（develop 分支）
产出为一个可注册登录、可定位、可生成个性化路线推荐、可查看天气与交通、可执行行程、可查询补给点、可比选装备、可评价收藏路线、可记录徒步、可完成 TBTI 测评的完整双端应用。
踩坑与解决
· Git 本地对象损坏：排查损坏 commit 对象后清理对应对象并重新拉取。
· 域名备案拦截：改用公网 IP + 端口 + frp 内网穿透保证服务访问。
· Failed to fetch：逐层排查 CORS、安全组端口和 frp 代理链路。
· 安卓 WebView 整页拖动：通过 fixed 布局和 overscroll-behavior: none 修复。
· 安卓状态栏遮挡：引入 safe-area 适配并调整移动端头部布局。
比赛提交材料
参赛项目名称
OneTrail 一径：徒步路线规划助手
团队 / 作者
成员：eurekaneon、RealTapeL
项目简介
周末临时想去徒步时，真正让人犹豫的往往不是“哪里有山”，而是几个连续的问题：这条路线会不会太累？当天会不会下雨？从我现在的位置怎么过去？要不要带登山杖？同行的人能不能走完？这些信息通常散落在地图、天气、攻略和购物 App 里，用户需要自己拼出一个决定，最后还可能因为信息过多而放弃出发。
OneTrail 一径就是从这个真实场景出发做的产品。它把一次徒步看成一个完整的决策过程：先理解人，再理解路线，最后把结论变成可以照着执行的行程。用户填写日期、目的地、人数、预算、体能、兴趣和已有装备后，不是得到一堆搜索结果，而是得到“为什么推荐这条路、有什么风险、怎么到、需要带什么”的完整答案。
产品体验上，我们没有把徒步做成冷冰冰的工具，而是用暗黑像素风构建一种带有游戏感的户外探索体验：深色底、像素化图标、荧光绿/橙色状态提示、等高线与网格纹理，结合 Stats HUD、路线等级、风险警报和任务式清单，让用户感觉自己正在解锁一张真实地图、准备一次真实冒险。规划页用明确的目标卡和少量关键输入降低开始门槛；推荐页用 Top 卡片、路线评分和“适合你的理由”制造探索动力；路线详情用海拔、距离、难度和安全标签呈现户外硬核数据；执行页用时间线、补给点和装备清单把计划变成行动；移动端则用底部 Tab 让用户在规划、路线库、行程和装备之间快速切换。整体风格追求“游戏化但不幼稚、科技感但不疏离”，让用户愿意迈出第一步，并在一次次完成路线后爱上徒步。
我做了什么
我使用百炼 AI 编程能力完成了 OneTrail 从产品原型、前后端开发、智能决策逻辑、数据接入到部署打包的完整工程落地，并与队友通过 Git 分支协作完成合并、联调和验证。整个过程不是先做一个“看起来像 App”的页面，而是围绕用户从产生想法到真正出发的路径，逐步解决每一个体验断点。
1. 从“我想去走走”到“我知道今天怎么走”
我们把一次使用拆成了一个很具体的故事：周五晚上，用户打开 OneTrail，输入“周六、杭州、半天、预算有限、体能一般、想看溪流、已有背包”。系统先确认用户真正关心的不是路线数量，而是强度、时间和景观是否匹配；随后给出几条可比较的路线。用户点开其中一条，可以看到适合自己的原因、天气影响、交通方式和风险提示；点击“加入计划”后，推荐结果不再停留在卡片里，而是进入执行页，变成出发时间、交通、补给和装备清单。
这个闭环解决的是“信息找到了，但仍然不敢出发”的问题：每个结论都尽量回答一个实际疑问，每一步都能回到下一步行动。
2. 让阿里云百炼 Agent 自主完成路线规划协同
text-embedding-v4作为路线语义向量模型，将路线描述与用户需求向量化，用于语义召回，再结合距离、爬升、耗时、难度等结构化字段过滤。知识库需要更高精度时，可叠加qwen3-rerank对召回结果二次排序。onetrail-route-retrieval（路线语义检索）、onetrail-route-decision（体能/时间/兴趣/预算综合决策）、onetrail-weather-risk（天气与泥泞风险评估）、onetrail-trip-builder（交通、时间线、补给点编排）、onetrail-gear-check（已有装备与装备缺口分析）和onetrail-recommendation-explainer（生成可解释推荐理由）。这些是 OneTrail 自定义 Skill，不冒充百炼官方预置 Skill；每个 Skill 的 ZIP 根目录包含SKILL.md，定义名称、描述、触发条件、输入字段和结构化输出。qwen3.7-plus：负责需求理解、工具选择、候选路线分析、风险摘要和推荐理由生成；路线知识检索使用text-embedding-v4，知识库检索需要二次排序时使用qwen3-rerank。最终推荐仍受到后端距离、爬升、耗时、难度和天气等硬约束校验，避免只凭自然语言做不安全的路线决定。这套设计的重点是“自主，但不失控”：百炼 Agent 负责理解需求、选择工具、组织分析和解释结果，后端业务规则负责安全边界；如果外部数据没有配置或调用失败，系统明确提示依赖不可用，不用虚构天气、路线或装备信息。模型输出采用结构化字段，前端只展示经过校验的路线、风险和建议，用户可以看懂，也可以自行判断。对于固定的筛选和输出链路，也可以使用百炼 Workflow 固化为可重复执行的流程。
3. 用暗黑像素风把徒步做成一次可玩的探索
我参与了前端信息架构、视觉语言和交互取舍，把功能收束为四个清晰入口：开始规划、路线库、我的行程、装备。桌面端使用顶部导航，移动端使用底部 Tab，保持同一套用户心智模型。视觉上以暗黑像素风为主线，将徒步路线、海拔、天气和装备数据设计成类似游戏 HUD 的信息模块；用户不是在填写复杂表格，而是在领取一次探索任务、查看路线属性、补齐装备并完成挑战。页面之间通过按钮串联，而不是让用户反复回到首页：需求输入 → 推荐结果 → 路线详情 → 执行助手，装备缺口再自然进入装备比选。
4. 完成路线库与路线可信档案
5. 完成出行执行助手
6. 完成装备推荐与比选
7. 完成账号、用户画像与徒步成长数据
8. 完成双端产品与工程交付
技术亮点
OneTrail 的核心不是简单地“搜索一条路线”，而是把多源数据转化为可执行决策：
系统在真实数据不可用时不会编造外部结果；模型生成内容也必须基于已获取的结构化数据，并经过业务规则校验。
使用的工具与技术
· 百炼 CLI / 百炼 AI 编程能力：代码生成、代码审查、报错诊断、文档理解、调试、部署和打包。
· 阿里云百炼 Agent 主模型：qwen3.7-plus，负责自主规划、Function Calling/MCP 工具选择、路线分析和解释生成。
· 阿里云百炼官方 MCP：Amap Maps MCP，用于地理编码、天气、地点搜索和交通路线等实时地理信息。
· OneTrail 自定义 MCP：onetrail-route-data-mcp，暴露 search_routes、get_route_detail、get_user_profile、get_hiking_history、get_supply_points、list_equipment 等工具；通过百炼 MCP 管理部署并挂载到 Agent。
· 百炼向量模型：text-embedding-v4，用于路线描述、标签、用户需求的语义向量化；可选 qwen3-rerank 对召回路线进行精排。
· OneTrail 自定义 Skills：onetrail-route-retrieval、onetrail-route-decision、onetrail-weather-risk、onetrail-trip-builder、onetrail-gear-check、onetrail-recommendation-explainer，均以带 SKILL.md 的 Skill ZIP 包上传到百炼 Skill 管理并添加到 Agent。
· 前端：Vue 3、Vite、Vue Router、Capacitor。
· 后端：Python 3.11、FastAPI、Pydantic、SQLAlchemy 2.0、PostgreSQL、JWT、Argon2。
· 外部数据：高德 Web Service API。
· 工程协作：Git、GitHub、GitHub Release、Docker Compose、pytest、frp 内网穿透。
百炼官方技术参考：
· 百炼应用类型：Agent、Workflow 与高代码应用
· 百炼官方 MCP 服务
· 百炼 Skill
· 百炼模型上下文协议 MCP
· 百炼向量化模型
效果展示与项目链接
· 在线 Demo：http://150.158.126.172:8082
· 演示账号：admin@onetrail.dev / admin123456（登录页也提供一键进入）
· 安卓 APK：https://github.com/RealTapeL/Onetrail/releases/tag/v0.3.0
· GitHub 仓库：https://github.com/RealTapeL/Onetrail（develop 分支）
产出为一个可注册登录、可定位、可生成个性化路线推荐、可查看天气与交通、可执行行程、可查询补给点、可比选装备、可评价收藏路线、可记录徒步、可完成 TBTI 测评的完整双端应用。
踩坑与解决
· Git 本地对象损坏：排查损坏 commit 对象后清理对应对象并重新拉取。
· 域名备案拦截：改用公网 IP + 端口 + frp 内网穿透保证服务访问。
· Failed to fetch：逐层排查 CORS、安全组端口和 frp 代理链路。
· 安卓 WebView 整页拖动：通过 fixed 布局和 overscroll-behavior: none 修复。
· 安卓状态栏遮挡：引入 safe-area 适配并调整移动端头部布局。