基于RAG+Streamlit的智慧文旅系统实战：1500行代码构建“智游八桂”

手把手教你用Streamlit+高德API+大模型构建"智游八桂"广西文旅智能规划平台

在规划一次旅行时，你是否有过这样的经历：查景点要去小红书，查酒店要去携程，查交通要看高德地图，最后在Excel里手动拼凑一份行程表，发现时间根本排不开……

这是大多数自由行游客的真实困境——信息碎片化。

先看效果：全程两分钟，展示从提问到生成行程的完整流程：

本文将分享我如何用Streamlit + 高德地图API + GLM-4大模型，构建了一个名为"智游八桂"的广西文旅智能规划系统。从数据采集、RAG问答引擎到3D地图可视化和行程规划，全程约1500行Python代码。

读完本文你将收获：

• ✅ 如何用高德API采集POI数据并构建知识库

• ✅ 如何基于RAG架构构建精准的智能问答系统

• ✅ 如何用Streamlit快速搭建数据驱动的Web应用

• ✅ 如何集成3D地形地图和PDF行程导出

• ✅ 如何设计容错机制避免AI"幻觉"

源码已开源，欢迎Star⭐

一、为什么做这个项目？

1.1 一个真实的痛点

五一假期前，朋友问我：“我想去桂林玩三天，有什么推荐？”

我花了整整一个晚上：小红书查攻略、携程看酒店、高德量距离、大众点评找美食，最后在Excel里拼出一份行程表发给他。他回了一句：“能不能再帮忙看看北海？”

这种经历你大概率也有过——信息碎片化让一次普通的旅行规划变成了信息检索的体力活。

1.2 为什么不用传统方案？

市面上已经有“一键游广西”这类省级平台，它们解决的是“信息在哪里”的问题（把数据集中到一个APP里），但没有解决“信息如何被高效使用”的问题——用户依然需要自己浏览、筛选、整合。

而大语言模型的出现带来了新可能：用户直接问“桂林有哪些必去的景点”，AI就能给出精准推荐。

但纯大模型有幻觉问题——它会一本正经地编造不存在的景区。怎么解决？RAG（检索增强生成）让模型基于可信知识库回答，从源头杜绝编造。

1.3 我要做什么

一个覆盖广西14个城市的文旅智能系统，核心功能：

• 💬 用户用自然语言问景点/酒店，系统精准回答

• 🗺️ 3D地图可视化展示所有POI分布

• 📅 根据城市、天数、风格一键生成行程

• 📊 景区口碑自动分析

1.4 项目成果预览

二、技术选型

2.1 整体技术栈

2.2 关键技术决策

为什么选RAG而不是微调？

微调需要大量高质量的标注数据（景区-问题对），成本高、周期长。RAG只需构建结构化知识库即可快速上线，且知识更新灵活——景区信息变化时更新库即可，无需重新训练模型。

为什么选Streamlit？

传统Web开发需要前后端分离（React/Vue + Flask/Django），代码量通常在5000行以上。Streamlit约1500行即可构建完整的交互式应用，开发周期从数月缩短到2-3周。对于个人开发者和毕业设计来说，效率优势非常明显。

为什么选GLM-4-Flash？

智谱AI的GLM-4-Flash在中文理解和生成方面表现优异，推理速度快，且提供OpenAI兼容接口，接入成本低。对于旅游问答这种需要流畅中文对话的场景，GLM系列相比GPT系列在中文表达上更自然。

三、系统架构设计

3.1 整体分层架构

系统采用经典的三层架构，自下而上分为：

数据层：

• 高德地图API数据采集 → 原始CSV → 数据清洗 → 结构化DataFrame → 知识库文本

• 核心数据模型：景区POI（名称、地址、城市、分类、经纬度、电话、星级）

• 酒店POI（与景区共享相同的地理位置和城市属性）

服务层：

• RAG问答引擎：检索（关键词匹配 + 城市权重增强）→ 生成（GLM-4-Flash）

• 路线规划：高德驾车路线API → 距离/时间计算

• 情感分析：基于正负面关键词词典的规则分类

• PDF生成：FPDF库 → 行程单导出

应用层（Streamlit 6大页面）：

• 数据总览 | 地图可视化 | 数据分析 | 口碑分析 | AI旅行助手 | 行程规划

3.2 RAG问答核心流程

检索策略的核心优化：

• 城市关键词享有5倍匹配权重，确保地域相关性

• 知识库包含"景区条目 + 酒店条目 + 城市摘要条目"三种粒度

• 双层降级保障：API调用失败时自动切换本地规则回答

3.3 数据流设计

系统的数据流分为两条路径：

离线路径（数据采集）：高德API → 原始CSV → 数据清洗 → 结构化DataFrame → 知识库文本

在线路径（用户服务）：用户提问 → RAG检索 → 大模型生成 → 回答输出

两条路径的解耦保证了知识库更新不影响系统运行，也使得数据采集和问答服务可以独立迭代。

四、核心功能展示

4.1 数据总览

页面顶部展示四个关键指标卡片：景区总数753个、酒店总数500+、覆盖城市14个、POI总数1253个。

下方是两个交互式柱状图，分别展示景区和酒店数量的TOP10城市排名。从图表中可以清晰看到：桂林、南宁、北海三城断崖式领先，这与广西旅游资源的实际分布完全吻合。

4.2 AI旅行助手（核心功能）

这是系统的灵魂模块。用户输入自然语言问题，系统走完“检索→生成”全链路，返回精准回答。

三种问答能力实测：

防幻觉能力展示：

当用户问“广西有哪些非遗文化？”这种知识库外的问题时，系统不会编造，而是触发降级机制，给出友好提示并引导用户询问已知信息。

实测效果总结：

4.3 3D地形地图（视觉亮点）

集成高德JS API的3D地形模式，广西典型的喀斯特地貌（峰林、丘陵）得到立体呈现。

标记规则：

• 🔴红色标记→ 景区

• 🔵蓝色标记→ 酒店

交互方式：

• 鼠标左键拖拽 → 旋转视角

• 鼠标滚轮 → 缩放

• 下拉选择城市 → 动态聚焦，地图自动定位到该城市几何中心

使用体验：当你想了解桂林的整体旅游格局时，只需选择“桂林”城市，地图自动放大聚焦到桂林区域，所有的景区和酒店分布一目了然。结合3D地形，还能直观感受到桂林“山环水绕”的城市格局。

4.4 智能行程规划（实用功能）

用户只需配置三个参数，点击“生成行程计划”，系统自动输出：

1. 每日行程安排：每天上午/下午各一个景点（含名称、地址、分类）

2. 交通参考：相邻景点间的驾车距离和预计时间（调用高德路线规划API）

3. 晚间活动：对应城市的美食街推荐（如桂林→正阳路步行街）

4. 住宿推荐：3家随机推荐酒店

5. PDF导出：一键下载完整行程单

风格筛选逻辑：

行程生成示例（桂林，3天，经典必游）：

4.5 口碑分析（趣味功能）

基于模拟评论数据进行情感倾向分析。采用关键词匹配方法：

• 统计评论中的正面词（“好”“棒”“推荐”“震撼”“漂亮”“喜欢”“开心”“舒适”“干净”“热情”“完美”等）

• 统计评论中的负面词（“差”“坑”“失望”“拥挤”“脏”“乱”“贵”“不值”“一般”“普通”“糟糕”等）

• 计算情感得分 = 正面词数 - 负面词数

• 得分 ≥ 1 → 好评 | 得分 ≤ -1 → 差评 | 其他 → 中性

展示形式：

• 📊 各景区平均情感得分柱状图

• 🥧 评论数量景区分布饼图

• 🔍 按景区/情感类型筛选查看

五、核心代码实现

5.1 数据采集模块

def search_poi(keyword, city='广西', page=1, page_size=20): """搜索高德POI数据""" url = "https://restapi.amap.com/v3/place/text" params = { 'key': AMAP_KEY, 'keywords': keyword, 'city': city, 'citylimit': True, 'offset': page_size, 'page': page, 'extensions': 'all' } resp = requests.get(url, params=params, timeout=10) data = resp.json() if data['status'] == '1': return data['pois'] return [] def collect_data(keywords, category): """收集指定类别的POI数据""" all_data = [] for kw in keywords: page = 1 while True: pois = search_poi(kw, page=page) if not pois: break for p in pois: item = { '名称': p.get('name'), '地址': p.get('address'), '城市': p.get('cityname').replace('市', ''), '分类': p.get('type'), '经度': p.get('location', ',').split(',')[0], '纬度': p.get('location', ',').split(',')[1], '电话': p.get('tel'), '星级': p.get('biz_ext', {}).get('rating') } all_data.append(item) if len(pois) < 20: break page += 1 time.sleep(0.5) return pd.DataFrame(all_data)

5.2 RAG检索与生成

class TravelRAG: def search(self, query, top_k=15): """城市权重增强的检索策略""" # 提取关键词 stop_words = ['必去', '推荐', '好玩', '哪里', '什么'] keywords = [w for w in query.split() if w not in stop_words and len(w) > 1] scored = [] for item in self.knowledge_base: score = 0 for kw in keywords: if kw in item: # 城市关键词权重×5 if kw in ALL_CITIES: score += 5 else: score += 1 if score > 0: scored.append((score, item)) scored.sort(reverse=True, key=lambda x: x[0]) # 降级保障：命中<3条时补充城市摘要 if len(scored) < 3: for city in ALL_CITIES: if city in query: for item in self.knowledge_base: if f'【城市摘要】{city}' in item: return [item] + [it for _, it in scored[:10]] return [item for _, item in scored[:top_k]] def ask(self, query): """RAG问答主流程""" context_items = self.search(query) context = "\n".join(context_items) system_prompt = """ 你是一位专业的广西旅游规划师，名叫"小桂"。 必须基于知识库回答，不要编造不存在的信息。 """ user_prompt = f""" 知识库信息： {context} 用户问题：{query} """ try: response = self.client.chat.completions.create( model=self.model, messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": user_prompt} ], temperature=0.3, max_tokens=600 ) return response.choices[0].message.content except: return get_local_answer(query) # 降级

5.3 3D地图集成

# 核心HTML模板 amap_html = f""" <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <script src="https://webapi.amap.com/maps?v=2.0&key={AMAP_KEY}"></script> </head> <body> <div id="container"></div> <script> var map = new AMap.Map('container', {{ zoom: 7, center: [{center_lon}, {center_lat}], viewMode: '3D', pitch: 55, rotation: -20, mapStyle: 'amap://styles/light' }}); // 开启地形 var terrainLayer = new AMap.Terrain({{zIndex: 1, terrain: true}}); map.add(terrainLayer); // 添加景区标记 scenicPoints.forEach(function(item) {{ var marker = new AMap.Marker({{ position: [item.经度, item.纬度], label: {{content: item.名称, direction: 'top'}}, icon: new AMap.Icon({{image: 'mark_r.png'}}) }}); marker.setMap(map); }}); </script> </body> </html> """ html(amap_html, height=680)

六、踩坑与优化

6.1 高德API的那些坑

经纬度格式问题：高德返回的是"经度,纬度"字符串，需要分割转换。有些记录经纬度为空或格式异常，需要容错处理。

翻页限制：单次最多返回20条，需要循环翻页。某些关键词总条数超过1000，但翻页到第5页后数据开始重复，需要去重。

6.2 大模型调用的"降级思维"

AI API调用存在很多不稳定因素：Key限额用完、网络超时、模型服务降级等。

我的策略是：大模型是锦上添花，不是雪中送炭。任何时候API调用失败，系统都应该能退回到本地规则回答，保证基本可用性。

try: answer = rag_agent.ask(query) if len(answer) < 20 or "暂时没有" in answer: return get_local_answer(query) # 回答质量不足，降级 return answer except Exception: return get_local_answer(query) # API异常，降级

6.3 Streamlit性能优化

数据缓存：加载CSV文件用@st.cache_data，避免每次交互都重新读取。

@st.cache_data def load_data(): return pd.read_csv('guangxi_scenic_raw.csv')

地图标记点数量控制：一次渲染300个标记点以上会导致地图卡顿，设置最大显示数量。

七、未来展望

7.1 短期优化方向

7.2 长期迭代方向

知识库实时更新：当前数据是静态的，后续可接入高德实时API，让景区开放时间、门票价格等信息保持动态更新。

多模态能力：接入图像识别，用户上传景点照片即可获取介绍；接入语音交互，通过语音完成问答和规划。

云端部署：将系统迁移至云平台，开发微信小程序或移动App版本，降低用户使用门槛。

7.3 给想复现的同学的建议

1. 先跑通数据采集：高德API注册免费，每天有调用限额。先用小范围（比如桂林）测试，确认数据正常后再扩展全广西。

2. RAG从简单开始：先实现关键词匹配检索，跑通流程后再优化为向量检索。不要一上来就追求完美架构。

3. 大模型API选免费或便宜的：GLM-4-Flash、DeepSeek都是不错的选择。旅游问答不需要超强推理能力，性价比更重要。

4. Streamlit官方文档+社区是最好老师：遇到组件使用问题，先去官方文档找示例，比看零散的博客高效得多。

八、总结

本文分享了"智游八桂"广西文旅智能规划系统的设计与实现全过程：

数据层面，利用高德地图API采集了广西14个城市的景区和酒店POI数据，经过清洗构建了本地知识库。

技术层面，基于RAG架构集成了GLM-4-Flash大语言模型，通过城市权重增强检索、多粒度知识库和双重降级保障实现了精准、可控的旅游问答。

应用层面，提供了数据总览、3D地图可视化、数据分析、口碑分析、AI旅行助手和行程规划六大功能模块。

架构层面，约1500行Python代码即可构建完整的交互式应用，验证了轻量化技术路径在智慧旅游领域的可行性。

如果觉得有帮助，欢迎Star⭐支持！

有任何问题，欢迎在评论区留言交流。