通过自然语言对话，重新定义本地生活 App 的交互方式。
- 对话式交互：不需要翻页筛选，说一句话就行
- 多轮对话：支持追问、选择、换一批等细化交互，越聊越精准
- 记忆能力：记住你的偏好，下次推荐更懂你
- 场景感知：考虑天气、时间、同行人等因素
- 访问去重：自动排除已去过的地方
- 偏好学习：从你的选择和评价中学习口味、环境、预算偏好
- 天气感知：下雨天自动推荐室内活动，好天气优先户外
- 时间过滤：自动排除已过期活动，根据当前时段推荐餐厅
- 交叉联动： "看完电影吃什么"自动串联多个技能
| 技能 | 功能 | 状态 |
|---|---|---|
| 🍣 Food Finder | 美食推荐 — 按口味/预算/场景推荐餐厅 | ✅ 高德API |
| 🗺 Travel Planner | 出行规划 — 路线与出行方式推荐 | ✅ 高德API |
| 🎭 Entertainment | 休闲娱乐 — 电影/活动/展览推荐 | ✅ 高德API+模拟数据 |
| 📋 Booking | 对话式预订 — 餐厅/活动预订、模拟支付、日程联动 | ✅ |
| 📅 Calendar | 日程管理 — 增删改查、冲突检测、空闲查询 | ✅ |
| 💬 Review | 对话式评价 — 一句话完成评价并反哺偏好学习 | ✅ |
| 🧭 Scheduler | 智能行程编排 — 多地点排成最优时间线（出行优化+用餐插入+预算） | ✅ |
# 在 config/amap_config.json 中填入你的 Key
{"key": "你的高德API Key"}
# 或通过环境变量
export AMAP_API_KEY=你的Key# 设置你的默认位置（所有技能共用）
python skills/food-finder/scripts/search_restaurants.py --set_location "泉城广场"
# 也可以在对话中指定位置
python skills/food-finder/scripts/search_restaurants.py --query "我在大明湖附近有什么好吃的"# 美食推荐
python skills/food-finder/scripts/search_restaurants.py --query "辣的" --budget "中"
# 出行规划
python skills/travel-planner/scripts/plan_route.py --origin "家里" --destination "趵突泉景区"
# 休闲娱乐
python skills/entertainment/scripts/find_events.py --interest "电影" --companion "情侣"将 skills/ 目录下的 Skill 配置到 OpenClaw，即可通过 IM 对话使用。
多技能联动由 管家（基于 OpenClaw agent）在对话中编排：理解意图 → 调用各技能搜候选 → 串联结果。 涉及多地点的行程，再交给排期器算最优时间线：
# 智能行程编排：候选活动+餐厅 → 最优时间线（出行优化+用餐插入+预算）
python skills/scheduler/scripts/schedule_cli.py --demo
# 从 stdin 喂候选 JSON
echo '{"events":[...],"lunch":[...],"start_hour":9}' \
| python skills/scheduler/scripts/schedule_cli.py --input -# 查看交互历史
python core/memory.py history
# 查看偏好
python core/memory.py prefs
# 查看偏好摘要
python core/memory.py summarylocal-life-butler/
├── README.md # 项目说明（本文件）
├── DESIGN.md # 设计文档（架构/技术亮点）
├── AGENTS.md # 运行时约束 + 技能路由收口层
├── core/ # 共享模块（不含 LLM，纯工具/算法）
│ ├── amap_api.py # 高德地图（POI/路线/地理编码/天气/IP定位）
│ ├── memory.py # 记忆模块（历史/偏好/时间衰减/场景化）
│ ├── cal_manager.py # 日程管理底层
│ ├── date_resolver.py # 日期解析（防 LLM 推算）
│ ├── location_cli.py # 对话式默认地址（IP猜测+确认）
│ ├── scheduler.py # 智能排期算法（出行矩阵+贪心+用餐+预算）
│ ├── schemas.py # 统一数据模型（dataclass）
│ ├── weather.py # 天气感知
│ ├── time_utils.py # 时间感知（有效期/时段）
│ └── formatter.py # 卡片式消息格式化（适配微信）
├── skills/ # 7 个技能，每个含 SKILL.md + 实现代码
│ ├── food-finder/ # 🍣 美食推荐
│ ├── travel-planner/ # 🗺 出行规划
│ ├── entertainment/ # 🎭 休闲娱乐
│ ├── booking/ # 📋 对话式预订 + 模拟支付
│ ├── calendar/ # 📅 日程管理 + 播报
│ ├── review/ # 💬 对话式评价
│ └── scheduler/ # 🧭 智能行程编排（schedule_cli.py）
│ # 每个 SKILL.md 含：路由化 description / 硬约束 / 坑与降级
├── tools/ # 规范闸门（check_skills.py + 装 pre-commit 的脚本）
├── .github/workflows/ # CI：SKILL.md 规范与文档-代码一致性校验
└── config/ # 用户侧数据（本地存储 / 用户显式输入）
├── preferences.json # 用户偏好（模拟 + 学习）
├── history.json # 交互历史 + 访问记录
├── calendar.json # 日程数据
├── amap_config.json # 高德 API Key
└── session_state.json # 多轮对话上下文
联动由 管家（基于 OpenClaw agent） 在对话中编排，不再依赖独立的规则引擎：
- 意图理解 → 管家识别请求涉及哪些技能、串联顺序、场景（同行人/时段/预算）
- 偏好共享 → 各技能统一读写
core/memory.py，美食偏好会影响娱乐推荐 - 行程编排 → 多地点行程交给
scheduler技能算最优时间线（出行优化 + 用餐插入 + 预算） - 交易闭环 → 选定后可衔接
booking（预订+模拟支付）→calendar（写日程）→review（评价反哺偏好）
| 查询模式 | 串联方式 | 示例 |
|---|---|---|
| 活动+用餐 | entertainment → food-finder | "看完电影吃什么" |
| 一日行程 | entertainment + food-finder → scheduler | "周末带孩子出去玩" |
| 目的地推荐 | travel-planner + entertainment + food-finder | "去趵突泉有什么好玩的" |
| 约会/请客 | entertainment → food-finder → booking | "约会安排" |
演示"自然语言对话替代 App UI"：用户说人话，管家串联技能、完成从推荐到交易的全流程。
用户：订今晚的海底捞，俩人
管家：好，帮你确认一下 👇
🏪 海底捞（济南恒隆广场店）⭐4.7 · 人均 ¥120
🕐 今天 19:00 · 2 位
回复「确认」下单，或告诉我换时间 / 人数
用户：确认
管家：✅ 订好了！已自动写入你的日历，18:30 提醒你出发
回复「支付」完成预订金 ¥50
用户：支付
管家：✅ 支付成功，订单号 BK20260605。到店报手机号即可
传统 App：搜店 → 选时段 → 填人数 → 确认 → 跳支付 → 手动记日历（6+ 步，跨 2 个 App）。管家：3 句话。
用户：中午吃啥
管家：按你口味挑了 2 家（已自动避开「辣」和「要排队」的）：
1. 怀石日料 ⭐4.6 · 人均 90 · 480m
2. 鲁香源·鲁菜 ⭐4.5 · 人均 65 · 600m
用户：第一个不错，就是上次那家有点贵
管家：记下了，下次往人均 70 以内给你挑 👌
不用每次设置筛选条件——它从你的选择和评价里学，越用越准。
〔早 9:00 自动推送〕
☀️ 早安！济南今天晴 18~27℃，适合出门
📋 今日日程：14:00 山东省博物馆
🎯 别忘了今天的学习打卡
〔下午自动预警〕
⚠️ 你周六下午有「趵突泉露天写生」，但预报有阵雨
要不要帮你改到室内场馆？
传统 App 都是你主动去查；管家通过 Cron 主动盯着天气、日程、预订、待评价。
用户：周六帮我安排一天，想去趵突泉那边
管家：📋 周六行程（已按出行最优排序）
09:00-10:30 趵突泉 ⭐4.7 · ¥40
🚲 骑行 12 分钟
10:42-12:00 五龙潭公园 ⭐4.5
🍜 12:00 午餐：草包包子铺（步行 5 分钟）
14:00-16:00 山东省博物馆 ⭐4.8 · 免费
──────────────
总出行 25 分钟 · 预计花费 ¥130
要顺便把午餐订了吗？
出行顺序、时间、预算都是算出来的（
scheduler排期器），不是模型编的。
以上对话、店名、数据均为示例 / 模拟，用于演示交互范式。
不包含任何真实用户信息：偏好、历史、日程、预订、评价全部是本地数据或用户自己输入的内容，运行时数据不入库。
外部数据默认是实时的：餐厅、活动、路线取高德地图接口，API 不可用时自动降级到本地示例数据集。每次返回都带 data_source 字段标明本次来源（amap / mixed / mock），格式化输出里也会直接印出来——mock 时管家必须声明是示例数据，不会把示例店说成真店。
预订与支付是模拟闭环，不对接真实商户、不涉及真实交易。
7 个 SKILL.md 是管家唯一的操作依据——写错一条命令，管家就会照着错的调一整轮。所以这套规范不靠自觉，由一道静态闸门 tools/check_skills.py 守着：description 必须写明触发场景（它是唯一常驻上下文的部分）、必须有硬约束与「坑与降级」段、文档里写的脚本路径 / 子命令 / --flag 必须真实存在于源码。最后一条抓的是文档与代码的漂移，上线当轮就抓出 3 处「照文档执行必然失败」的问题（两处脚本相对路径少一层、一个文档写了但脚本没有的 --time）。
python3 tools/check_skills.py # 手动跑
bash tools/install_hooks.sh # 装成 pre-commitCI 上同样跑（.github/workflows/skills-gate.yml）。
静态闸门只能证明文档写的参数存在，证明不了它真的生效。所以另有一组结果评测（tests/）：在隔离沙箱里跑技能脚本，只断言落盘状态——脚本说「已加入日程」不算，calendar.json 里真有这条、且和预订互相指向才算。第一轮就抓出 4 个打印「成功」但状态不对的 bug，其中预订→日程联动自日历功能上线起就从未生效。
python3 -m pytest tests -q- 框架: OpenClaw 2026.5.20（Agent 运行时 + Cron 调度 + IM 路由）
- 技能: 7 个，遵循 OpenClaw 插件规范（SKILL.md + 实现代码）
- 脚本: Python 3
- 数据: 外部 POI/路线取高德实时接口、失败降级本地 JSON 示例集；用户侧数据全部本地存储，不含真实用户信息
- 交互: IM 对话（微信为主，兼容 Telegram/Discord）
🔊 全天候私人管家 — 你说，我听，我回应。