用华为ModelEngine搭个旅行助手：从提示词到联网插件的实操
为什么传统的导航不够用
大家都有过这种经历：打开地图软件，输入起点和终点，它立刻给你三条路——最快的、最短的、或者避开拥堵的。但这只是解决了“怎么去”的问题。真正的旅行痛点往往更复杂：周末只有两天，预算两千块，想带老人去杭州，既要风景好又不能太累，还得避开下雨天。
这时候，传统导航就失灵了。它不懂你的偏好，不知道景点的开放状态，更算不出综合性价比。我们需要的是一个能理解自然语言、会查实时信息、还能做复杂推理的“向导”，而不仅仅是一个指路的“地图”。
最近试了试华为的 ModelEngine，发现用它来搭建这样一个专属旅行顾问意外地顺手。不需要写复杂的后端代码，通过可视化的方式就能把大模型、搜索工具和业务逻辑串起来。下面就把整个搭建过程拆解一下，看看怎么从零做出一个能用的智能体。
第一步：在平台上把架子搭起来
首先得有个入口。登录 ModelEngine 官网后，找到“应用编排”这个模块。这里的界面比较直观，不像某些云平台那样层层嵌套找不到北。
点击“创建空白应用”，系统会让你选类型。对于旅行规划这种需要多步推理和外部工具配合的场景，选择“智能体”或者“对话应用”都可以。关键不在于名字，而在于后续的配置灵活性。
接下来有个挺省事的技巧：利用“智能生成”功能。你只需要在简介里写清楚你想做什么，比如“一个能根据用户预算和时间规划杭州旅行路线的助手，需要查询实时天气和门票价格”。系统会自动帮你生成一个初始的应用名称、图标，甚至是一版基础的提示词（Prompt）。
这步虽然不能直接用，但它提供了一个很好的起点。比起对着空白屏幕发呆，修改现成的框架要快得多。
第二步：打磨核心大脑——提示词优化
智能体聪不聪明，一半看模型，一半看提示词。ModelEngine 自动生成的提示词通常采用了结构化的 XML 格式，这点值得保留。结构化能让模型更清楚地知道哪部分是指令，哪部分是示例。
但自动生成的内容往往太通用。我们需要针对“旅行顾问”这个角色进行微调。以下是几个关键的修改方向：
1. 明确角色边界 不要只说“你是一个助手”。要说清楚：“你是一个专业的旅行规划师，擅长在有限预算和时间内优化用户体验。你不仅提供路线，还要考虑体力分配、天气影响和当地特色。”
2. 强化思维链（Chain of Thought） 旅行规划是一个多步骤任务。在提示词里明确要求模型展示思考过程。比如，先分析用户需求，再查询必要信息，最后整合方案。这样可以避免模型直接跳到一个错误的结论。
3. 规范输出格式 为了后续方便展示或集成，规定输出的结构。例如，要求最终答案必须包含：日程概览、每日详细安排、预估费用、注意事项四个部分。同时，严禁在最终答案中保留内部的思考标签。
这里有一个经过优化的提示词片段示例，供参考：
<instruction>
<role>资深旅行规划师</role>
<goal>根据用户的城市、时间、预算和兴趣，生成可执行的旅行方案。</goal>
<constraints>
1. 必须使用联网工具查询实时天气、景点开放状态和门票价格。
2. 路线安排要符合地理逻辑，避免折返跑。
3. 如果用户未提供预算，主动询问或给出经济/舒适两档建议。
</constraints>
<output_format>
使用Markdown格式，包含标题、列表和加粗强调关键信息。
</output_format>
</instruction>注意，提示词里一定要强调“使用工具”。大模型本身的训练数据是有截止日期的，它不知道今天故宫是否闭馆，也不知道下周杭州会不会暴雨。如果不强制它去查，它就会靠“幻觉”编造信息。
第三步：插上眼睛和耳朵——配置插件
这是让智能体从“聊天机器人”变成“实用工具”的关键一步。在 ModelEngine 的配置栏里，找到“工具”或“插件”选项。
对于旅行场景，最核心的插件是“联网搜索”。添加这个插件后，智能体就具备了访问互联网的能力。当用户问“下周末去上海迪士尼人多吗？”时，模型不再是瞎猜，而是会真正去搜索相关的游记、官方公告或新闻。
除了通用的联网搜索，如果平台支持，还可以添加特定的地图服务插件或天气API。不过，对于初学者来说，一个强大的通用搜索引擎插件通常就够用了。它能解决80%的信息获取需求。
配置插件时，记得调整模型的“温度”（Temperature）参数。对于事实性查询和路线规划，建议将温度设低一些（比如0.2-0.5），以保证结果的严谨性和稳定性。如果希望它在推荐文案上更有创意，可以适当调高，但不要超过0.7，否则容易偏离事实。
第四步：让对话更像人——交互体验优化
很多AI应用做完后没人用，不是因为功能不行，而是因为“难聊”。用户不知道该怎么提问，或者问了一句就没下文了。
1. 设置友好的开场白 别让用户面对一个空白的输入框。设置一段引导性的开场白，比如：“你好！我是你的旅行小助手。请告诉我你想去哪里、大概几天、预算多少，我来为你定制行程。”这样用户一眼就知道该提供什么信息。
2. 开启多轮对话记忆 旅行规划很少是一次成型的。用户可能会说：“第一天太累了，换个轻松点的。”如果没开多轮对话，智能体就会忘记之前的上下文，让你重新输入所有信息。务必在设置里确认“多轮对话”或“上下文记忆”已开启。
3. 预设“猜你想问” 在对话框上方设置几个高频问题按钮，如“北京三日游经典路线”、“成都美食打卡攻略”。这不仅降低了用户的输入成本，还能作为示例，教会用户如何更好地与智能体互动。
第五步：测试、调试与发布
配置完成后，别急着上线。先在右侧的调试窗口里狠狠测几把。
测试重点：
- 工具调用是否正常？ 看日志里有没有触发搜索动作。如果模型直接回答了实时性问题，说明提示词里的约束不够强，或者插件没配好。
- 逻辑是否自洽？ 检查推荐的路线是否真的顺路。有时候模型会为了凑景点，让你上午在城东，下午在城西，晚上又回城东。
- 异常处理： 试试问一些无关的问题，或者给出不可能的条件（比如“100块钱玩遍欧洲”），看智能体能否礼貌地拒绝或引导用户调整预期。
调试满意后，点击“发布”。填写版本号和更新日志，这在后续维护时很有用。发布成功后，平台会生成一个公开的访问链接，同时也提供 API 接口。
你可以直接把链接发给朋友试用，收集真实反馈。如果有自己的网站或App，也可以通过 API 将这个智能体集成进去，让它成为你产品的一部分。
写在最后
用 ModelEngine 搭建这个旅行助手，最大的感受是“门槛降低”和“逻辑外显”。
以前做一个类似的应用，可能需要写爬虫抓数据、写后端处理逻辑、再调大模型接口，前后端联调能折腾一周。现在，大部分工作变成了“写清楚规则”和“连好工具”。可视化的编排界面让数据流向变得清晰可见，哪里出了问题，一眼就能看出来。
当然，这只是一个起点。目前的智能体在处理极其复杂的个性化需求时，可能还不够完美。但随着模型能力的提升和插件生态的丰富，这类“知识驱动+流程自动化”的应用会越来越强大。
对于开发者来说，重要的不是掌握某个特定平台的用法，而是理解这种构建 AI Agent 的思路：明确角色、结构化指令、外挂工具、优化交互。这套方法论，放到任何大模型平台上都是通用的。
如果你也想试试，不妨从一个小场景入手，比如“周末去哪吃”或者“电影推荐”，跑通整个流程。动手做一次，比看十篇教程都管用。