✈️ 智能旅行规划助手 - HelloAgents AMD ROCm 版本
智能旅行规划助手 是一个基于 HelloAgents 框架开发的 AI Agent 应用，能够在 AMD 395 AI PC 上本地运行大语言模型，结合 MCP 协议调用高德地图 API，自动生成完整的旅行规划方案。所有计算都在本地完成，保护你的隐私数据。
HelloAgents 项目地址：Link
接下来我将带领大家亲自动手，一步步实现智能旅行规划助手的搭建和使用，让 AI 帮你规划完美旅行！
项目亮点
- 🏠 本地部署：在 AMD 395 AI PC 上运行 30B 参数大模型，无需联网
- 🔒 隐私安全：旅行偏好、预算信息等敏感数据不上传云端
- 🗺️ 真实数据：集成高德地图 API，获取真实景点和天气信息
- 📝 自动生成：输出完整的 Markdown 格式旅行计划文档
- 🤖 Agent 架构：基于 HelloAgents 框架，支持工具调用和多轮对话
技术栈
- AI 框架：HelloAgents - 简化 Agent 应用开发
- 协议标准：MCP (Model Context Protocol) - AI 调用外部服务的标准协议
- 推理平台：AMD ROCm - 开源 GPU 计算平台
- 模型部署：Ollama / LM Studio / 玲珑"智玲同学"
- 外部服务：高德地图 API（景点搜索、天气查询）
Step 1: 环境准备
本文基础环境如下：
----------------
AMD Ryzen™ AI 9 HX 395 处理器
Python 3.10+
Ollama / LM Studio / 玲珑"智玲同学"（三选一）
----------------本文默认学习者使用的是 AMD 395 AI PC 或其他搭载 AMD ROCm 支持的显卡设备。关于本地模型部署，请参考 Getting Started with ROCm Deploy
1.1 安装 Python 依赖
首先 pip 换源加速下载并安装依赖包：
# 升级 pip
python -m pip install --upgrade pip
# 更换 pypi 源加速库的安装
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 安装 HelloAgents 和相关依赖
pip install hello-agents requests python-dotenv uv1.2 获取高德地图 API Key
- 访问 高德开放平台
- 注册并登录账号
- 进入控制台，创建应用
- 获取 API Key（选择 Web 服务 API）
Step 2: 本地模型部署
方案选择
根据你的系统和使用习惯，选择以下三种方案之一：
| 工具 | 适用平台 | 特点 | 推荐场景 |
|---|---|---|---|
| Ollama | Windows/Mac/Linux | 命令行工具，轻量级，模型管理简单 | 适合熟悉命令行的开发者 |
| LM Studio | Windows/Mac/Linux | 图形界面，可视化操作，适合新手 | 适合需要图形界面的用户 |
| 玲珑"智玲同学" | 玲珑AI工作站 | 预装工具，一键部署，针对AMD 395优化 | 适合玲珑工作站用户 |
2.1 使用 Ollama（推荐）
Ollama 是一个轻量级的本地模型管理工具，支持 AMD ROCm 加速。
安装 Ollama：
# Windows/Mac/Linux 访问官网下载
# https://ollama.ai/
# 或使用命令行安装（Linux）
curl -fsSL https://ollama.ai/install.sh | sh下载并运行模型：
# 下载 Qwen2.5 32B 模型（推荐）
ollama pull qwen2.5:32b
# 或下载其他模型
ollama pull deepseek-r1:32b
ollama pull llama3.1:70b启动 Ollama 服务：
# Ollama 会自动在后台运行
# 默认端口：http://localhost:11434
ollama serve2.2 使用 LM Studio
- 下载并安装 LM Studio
- 在模型库中搜索并下载模型（推荐 Qwen2.5 32B）
- 在 "Local Server" 标签页启动服务
- 确认端点地址（默认：
http://127.0.0.1:1234） - 在设置中选择 AMD ROCm 作为推理引擎
2.3 使用玲珑"智玲同学"
如果你使用的是玲珑 AI 工作站：
- 打开预装的"智玲同学"应用
- 选择合适的模型（推荐 30B+ 参数）
- 一键启动本地服务
- 记录服务端点地址
Step 3: 配置高德地图 API Key
当前示例通过 uvx amap-mcp-server 直接拉起 MCP 服务，因此不需要额外创建 mcp_config.json，也不需要单独维护 mcp_amap_server.py。
3.1 安装 uv
pip install uv3.2 配置 API Key
你可以任选一种方式：
- 直接编辑
travel_planner_mcp.py里的amap_api_key - 或者将脚本中的
amap_api_key置空，再通过环境变量注入
setx AMAP_MAPS_API_KEY "your_amap_api_key_here"Step 4: 运行智能旅行规划助手
4.1 下载项目代码
# 克隆 hello-rocm 仓库
git clone https://github.com/datawhalechina/hello-rocm.git
# 进入项目目录
cd hello-rocm/05-AMD-YES/05-hello-agents/smart-travel-planner4.2 配置模型端点
编辑 travel_planner_mcp.py，修改 HelloAgentsLLM(...) 中的模型配置：
self.llm = HelloAgentsLLM(
model="Qwen3-30B-2507-instruct",
base_url="http://127.0.0.1:1234/v1",
api_key="amd395"
)如果你使用的是其他本地模型端点，只需要把 model 和 base_url 改成自己的配置即可。
4.3 运行助手
python travel_planner_mcp.py4.4 使用示例
当前示例脚本默认会直接生成一份“杭州 3 日游”规划；如果你想换成自己的城市和预算，请修改 main() 里的参数：
result = planner.plan_travel(
destination="杭州",
days=3,
budget=3000,
preferences="自然风光和历史文化"
)AI 助手会自动：
- 调用高德地图 API 搜索景点
- 查询天气信息
- 根据预算和偏好规划行程
- 生成完整的 Markdown 旅行计划文档
Step 5: 查看生成的旅行计划
生成的旅行计划会保存为 Markdown 文件，文件名会随目的地变化，例如 杭州_3日游_MCP.md。仓库中还提供了中英文两个示例输出，位于 smart-travel-planner/examples/ 目录。
文件包含：
- 📅 每日详细行程安排
- 🏛️ 景点介绍和推荐理由
- 🍜 美食推荐
- 💰 预算分配建议
- 🌤️ 天气信息
- 🚇 交通建议
项目结构
smart-travel-planner/
├── assets/
│ ├── picture7-1.png
│ └── picture7-2.png
├── docs/
│ ├── amd395-helloagents-smart-travel-planner-en.md
│ ├── amd395-helloagents-smart-travel-planner-zh.md
│ └── amd395-helloagents-smart-travel-planner-zh.pdf
├── examples/
│ ├── hangzhou-3-day-mcp.md
│ └── 杭州_3日游_MCP.md
└── travel_planner_mcp.py常见问题
Q1: 模型运行速度慢怎么办？
- 确保使用 AMD ROCm 作为推理引擎
- 选择量化版本的模型（如 Q4_K_M）
- 降低模型参数量（如使用 7B 或 14B 模型）
Q2: 高德地图 API 调用失败？
- 检查 API Key 是否正确配置
- 确认 API Key 的服务类型为 "Web 服务"
- 检查网络连接是否正常
Q3: 如何更换其他地图服务？
- 可以替换为百度地图、腾讯地图等
- 修改
travel_planner_mcp.py中MCPTool(...)的服务配置 - 替换相应地图服务的 API Key 和查询参数
进阶扩展
- 🌐 多语言支持：添加英文、日文等多语言旅行规划
- 🎨 UI 界面：使用 Streamlit 或 Gradio 构建 Web 界面
- 📊 数据可视化：生成行程地图和预算图表
- 🤝 多人协作：支持多人共同规划旅行
- 🔄 实时更新：根据天气变化动态调整行程
参考资源
用 AMD GPU 打造你的专属 AI 旅行助手！ 🗺️
Made with ❤️ by the hello-rocm community