用途
ljg-travel 是一个深度旅行研究工作流，面向博物馆与古建筑主题。它借鉴考古学的 Desk-Based Assessment（DBA，案头评估）方法论，核心主张是：到达之前，穷尽一切文献证据。用户只需输入城市名，即可由流程自动生成结构化知识文档与便携卡片，用于出发前的深度准备，而非泛泛的旅游攻略。
主要能力
流程以多 skill 管道方式运行（Research → ContentAnalysis → ljg-card），强制 NATIVE 模式，不走 Algorithm 七步流程。
研究阶段采用单次调用、12 个 Agent 并行的设计。设计上不把“知识底图”和“平台发现”拆成两步，而是视为同一研究操作的不同搜索角度：一半 Agent 做学术/百科研究，一半做平台内容搜索，且使用中英文双语关键词以扩大覆盖面。研究提纲覆盖六个维度：
- 维度 A — 历史分层：重要历史时期、物质遗存、朝代更迭对城市格局的影响。
- 维度 B — 博物馆重点：重要博物馆、镇馆之宝与核心馆藏、展览的考古意义，要求给出具体文物名称和展厅位置。
- 维度 C — 古建遗存：现存重要古建筑和遗址的营造年代、建筑形制、结构特点，是否为全国重点文物保护单位，以及观赏细节（斗拱、彩画、碑刻等）。
- 维度 D — 考古发现：重大考古发现、出土文物现藏地、发掘故事。
- 维度 E — 人文脉络：相关历史人物、文学作品、文化传统。
- 维度 F — 深度内容发现：在 B站、知乎、微信公众号、抖音、小红书上搜索深度讲解内容。筛选标准为“要”有知识增量的内容（讲背景、工艺、考古过程、建筑细节），“不要”纯打卡拍照、纯推荐无分析、广告软文；B站优先 10 分钟以上讲解类，公众号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。
内容提炼（可选增强层）：从研究结果中提取所有有效 URL，对每个 URL 并行启动 subagent 执行 ContentAnalysis，使用 fast 深度级别提取核心知识点。降级规则：单个 URL 失败（无法访问、无字幕等）则跳过，不阻塞；若所有 URL 都失败，流程仍不中断，因为研究结果已足够生成文档。ContentAnalysis 是增强层，不是必要层。
文档合成：将研究与提炼结果合成结构化 org-mode 文档，结构包含城市概览、历史分层、博物馆指南（含镇馆之宝、重点展厅、容易错过的）、古建遗存（含“看什么”细节）、考古发现、参观路线、深度内容推荐（视频/文章/书籍）。文件使用 denote naming schema 保存到 ~/Documents/notes/，命名形如 {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。
卡片铸造：从 org 文档提取核心内容，并行铸造两张卡片——卡片 A 城市文明概览（信息图，调用 ljg-card -i，内容为历史分层 + 核心博物馆清单 + 必看古建清单的精华摘要）；卡片 B 参观路线速查（长图，调用 ljg-card -l，内容为参观路线建议 + 每个地点的核心看点）。
最后输出汇总报告，包含城市名、知识文档路径、两张 PNG 卡片路径、研究覆盖统计与深度内容数量。
参数与使用方式
- 城市名：必填，目标城市，例如西安、洛阳、大同。
- -f：聚焦主题（可选），例如 -f 唐代、-f 石窟、-f 青铜器。指定后所有搜索围绕该主题展开，其他维度作为背景补充。
- -q：快速模式，跳过内容提炼，只做研究 + 文档。
流程内部通过调用 Skill tool 执行 Research、ContentAnalysis 与 ljg-card 来完成各步骤。
适用场景
- 前往某座城市探访博物馆与古建筑前的深度案头研究。
- 需要围绕特定主题（朝代、石窟、青铜器等）聚焦研究。
- 希望一次性获得研究文档与便于手机查看的卡片。
- 时间紧张时使用 -q 快速模式，仅产出研究与文档。
关键约束与限制
- 步骤 2 是核心：12 个 Agent 并行覆盖学术研究与平台内容，一次完成。
- 步骤 3（内容提炼）为增强层，失败不阻塞流程。
- 步骤 5 的两张卡片之间并行执行。
- 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”。
- 研究搜索使用中英文双语关键词。
- 没有确切信息时宁可留空，不编造。
Known Pitfalls 部分显示为“首次创建，暂无记录”，其他具体运行环境要求、支持平台范围、收费与定价等信息暂未提供。