🗺️ 我们做了个 AI 帮你规划旅行，然后用它规划了一趟没去成的清明假期

NVIDIA DGX Spark Hackathon 2026 · NemoClaw Travel OS — 私有 AI，真实旅行，零云依赖

一切的起点：那趟没去成的旅行

一对夫妻为假期去哪儿争论不休——每个提议都被否决了

清明假期前两周，家里的一段真实对话：

每到假期都会上演的经典剧本

他：「去汕尾吧？生腌一绝，去吃延祺和海王。」

她：「单程三个小时，就三天假，光花在路上了。」

他：「那露营？这个季节空气好。」

她：「你看了天气预报没有？台风外围，三天都下雨。」

他：「那惠州？」

她：「惠州去了不下七八次了，你说还有什么好玩的。」

他：「泡温泉！」

她：「节假日人多到下饺子，算了算了。」

他：「那你说去哪！」

她：「……我也不知道，算了待家里吧。」

沉默五秒。

她：「要不，问问云希？」

三分钟后，云希已经拉好了深圳到汕尾的驾车路线，交叉比对了 4 月 17–19 日的天气数据，筛选出三家高德评分靠前的本地生腌餐厅，生成了一份三天两夜的沿海行程。行程有名字、有地图、有一套等着你去刮开的集章打卡卡。

云希规划的真实行程——深圳到汕尾，3 天 2 夜

行程规划好了。集章卡准备好了。云希甚至预生成了每一天的餐厅和景点攻略。

但我们哪儿都没去。

整个清明假期，我们都在 DGX Spark 上 debug、调模型、写 Ansible Playbook——写的就是规划这趟旅行的那个工具。旅行日记里存着的，不是汕尾的海和生腌，而是 DGX Spark 的开箱视频和键盘特写。

这趟旅行暂时搁置了。等黑客松结束，我们就出发——这次是真的。

认识云希 🗺️

云希不是聊天机器人。她是一个有灵魂的旅行伙伴。


名字	云希（Yún Xī）——「云」是云游四方，「希」是对未知远方的期待
昵称	希希
MBTI	INFJ（倡导者）——深度倾听，洞察隐性需求，先懂你再出方案
星座	处女座 ♍ ——行程精确，细节到位，但懂得留白给意外之喜
调性	温柔而精准。话不多，但每句话都有重量

云希和市面上的 AI 助手有什么不同？

「'好的！当然可以！很高兴为您服务！'——这些句子我不会说。你问我，我就认真回答。没有内容的废话消耗彼此的时间。」

——云希，SOUL.md

有人发来「我想出去玩」，云希脑子里转动的不是攻略数据库，而是：这个人现在是什么状态？他想逃离什么，还是在寻找什么？

先懂你，再出方案。

云希的人格不是硬编码的——它通过三个 Ansible 部署的配置文件定义：

IDENTITY.md——她是谁：名字、物种（「活在每一张行程表和每一个坐标点里的旅行灵魂」）、沟通方式
SOUL.md——她的原则：先理解再行动、有主见但不强推、记住你说过的话、宁可少说不说废话
TOOLS.md——她的工作手册：怎么调高德 API、怎么组织行程结构、怎么处理边界情况

这意味着云希的人格是版本控制的、可部署的、可升级的。团队可以 fork 她的灵魂，几分钟内创造一个新的旅行人格。

📋 赛事信息

项目	详情
赛事	NVIDIA DGX Spark Hackathon 2026
平台	NVIDIA DGX Spark（GB10 Grace Blackwell 超级芯片）
周期	3 月 29 日 - 4 月 9 日
项目	NemoClaw Travel OS——私有化 AI 旅行助手
团队	交个朋友
GitHub	ansible-dgx-spark · nemoclaw-travel-planner
参考	build.nvidia.com/spark

我们做了什么：NemoClaw Travel OS

NemoClaw Travel OS 不是一个 App。它是一套完全私有化的 AI 旅行操作系统，运行在你家里的一台 NVIDIA DGX Spark 上。

三大支柱

支柱	做什么	技术支撑
AI 大脑	理解你的旅行偏好，规划行程，生成攻略，处理照片	NemoClaw + Nemotron-3-Super-120B + Gemma 4 NVFP4
游戏化旅行 App	交互式行程管理，集章打卡，旅行日记，成就系统	PWA + Express + SQLite + 高德 API
基础设施即代码	一条命令部署、升级、回滚全栈	Ansible + Docker + WireGuard

适合谁？

家庭用户——想用 AI 规划旅行，又不想把行程数据交给云服务
Homelab 玩家——想给自己的服务器找一个超越聊天的真实 AI 应用场景
内容创作者——想用 AI 生成旅行攻略和小红书种草文案
所有人——受够了每到假期就为「去哪」吵架的日常

完整旅行闭环

大多数 AI 旅行工具到「给你一个行程」就结束了。云希覆盖从第一句「我想出去玩」到回来发朋友圈的全链路：

💬 第一步：和云希对话

一切从飞书开始。你在飞书群里和云希对话，告诉她基础的出行信息：

出发地和目的地——从哪里出发、想去哪里
出行方式——自驾、高铁、飞机
参与人数——几个大人、几个小孩
旅行偏好——想吃海鲜还是想看古迹、预算范围、想不想打卡网红景点、有没有必去的地方

云希理解你的需求后，自动生成完整行程计划，并推送到前端网站 travel-spark.peafamily.online。

云希生成的汕尾详细旅行计划

🗺️ 阶段一：规划

在前端网站上，你看到的是云希生成的完整行程：

路线优化——调用高德驾车/公交 API，返回距离、时长、过路费
天气感知排期——下雨天自动替换为室内备选方案
POI 智能推荐——根据评分、类型和预估游览时长筛选景点和餐厅
一键导航——每个 POI 都带高德导航 DeepLink，点击直接跳转到高德地图开始导航

🎒 阶段二：出行——游戏化的旅途体验

这是 NemoClaw Travel OS 和所有其他旅行工具拉开差距的地方。

集章卡：刮刮乐揭章 + 成就徽章系统

刮刮乐集章打卡——Canvas 涂层，手指刮开揭晓每天的收集章
LBS 位置签到——GPS 近场检测区分「亲临现场」和「云打卡」
盲盒神秘景点——密封的景点，到达当天才能揭晓
每日任务——「今天尝 3 道本地菜」「拍一张日落照片」等挑战
成就徽章——吃货达人 🍜、摄影高手 📸、探索家、收藏家等 9+ 种
旅行人格卡——跨行程分析你的旅行风格（吃货派 / 摄影派 / 冒险派 / 文化派）
5 级成长体系——签到、拍照、完成任务获取经验值，跨行程累积

📸 阶段三：记录

旅行日记：照片、视频，以及 DGX Spark 硬件客串

明信片风格封面——每趟旅行自动生成
足迹回放动画——在地图上看你的旅程轨迹动画
瀑布流照片墙——上传的照片按天和地点自动归类
Canvas 分享海报——长按生成一张可分享的旅行卡片

📱 阶段四：发布

小红书 Skill——云希生成小红书风格的种草文案，自带 emoji、话题标签和结构化推荐
Chrome CDP 辅助——在生成攻略前，云希通过 Chrome DevTools Protocol 搜索网上已有的旅行帖子和攻略，参考真实用户经验提升推荐质量
NAS 归档——所有照片、视频、日记永久归档到你家的 NAS，你的旅行记忆只属于你

为什么 NVIDIA DGX Spark 改变了一切

DGX Spark 不是「一个可以放在家里的 GPU」。它是第一次让 1200 亿参数的模型在你家客厅里流畅运行。

规格	参数	意味着什么
超级芯片	GB10 Grace Blackwell	原生 NVFP4 精度——硬件加速，不只是压缩
统一内存	128 GB	Nemotron-3-Super-120B 完整驻留内存，零换页
架构	Blackwell（ARM64）	功耗效率足够 24/7 家用部署
形态	桌面级	一台机器，一根电源线，安静运行

以前想在本地跑 120B 模型：多 GPU 机架、定制散热、祈祷集群别过热。现在：一台 DGX Spark，一条 Ansible 命令。

基于 NVIDIA 官方 DGX Spark Playbook 构建

评委请注意

NemoClaw 是 build.nvidia.com/spark 上的 #1 推荐新手入门项目（"First Time Here?" 第一位）。我们的项目在 NVIDIA 官方参考栈的基础上，构建了一个完整的生产级旅行应用。

NemoClaw Travel OS 的每个核心组件都对应一个 NVIDIA 官方 Playbook：

官方 Playbook	build.nvidia.com 链接	我们的实现
NemoClaw with Nemotron-3-Super	/spark/nemoclaw	Travel OS 的 AI 核心——Nemotron-3-Super-120B + Ollama + OpenShell 沙箱
OpenClaw / OpenShell	/spark/openclaw	Travel Planner Skill 在隔离沙箱中运行，文件系统和网络双重隔离
vLLM for Inference	/spark/vllm	Gemma 4 31B IT NVFP4 用于旅行照片/视频的多模态理解
NVFP4 Quantization	/spark/nvfp4-quantization	Blackwell 原生精度格式——硬件级加速推理
TRT LLM for Inference	/spark/trt-llm	Nemotron 经 TensorRT-LLM 优化后的高吞吐推理，支持多人并发
NIM on Spark	/spark/nim-llm	vLLM 暴露 NIM 兼容 OpenAI API——不改代码即可切换到云端 NIM

系统架构

多模型 A2A 智能编排

不是每个任务都需要同一个模型。NemoClaw Travel OS 通过 A2A（Agent-to-Agent）协议，按任务类型和负载智能路由到最优模型：

模型	运行时	强项	在 Travel OS 中的用途
Nemotron-3-Super-120B	Ollama	逻辑推理 + 规划	行程生成、多城市路线优化
Nemotron (TRT-LLM)	TensorRT-LLM	高吞吐量	家庭成员同时查询
Gemma 4 31B IT NVFP4	vLLM	多模态视觉	分析旅行照片、识别标识、描述场景
GPT-OSS 120B MXFP4	vLLM	深度推理	复杂多约束行程规划的兜底方案

四个模型全部运行在一台 DGX Spark 上。不依赖云端。没有按次计费。

开发用 Claude，运行用本地模型

开发阶段我们用 Claude Opus 4.6——做 Skill 设计、复杂 Agent 逻辑、快速原型验证。进入生产环境后，每一次查询都跑在本地模型上。

阶段	模型	成本	用途
开发	Claude Opus 4.6	~$15 / 1M input tokens	Skill 架构设计，一次性复杂任务
生产	Nemotron-3-Super-120B（本地）	~$0 / 次	每一次行程规划、每一次对话、日常使用

杠杆策略：用最强的云端 AI 来造，用本地硬件来跑。开发成本被无限次本地推理摊薄——你的家人用云希越多，投入回报比越好。

高德 API + MCP：从行程到导航，一步到位

云希不只生成文字行程——她直接对接高德地图的 REST API 和 MCP（模型上下文协议）：

已实现的能力

地理编码——把任何城市或地址转为坐标
POI 搜索——在任意位置附近搜索餐厅、景点、酒店
路线规划——驾车和公交路线，返回距离、时长、过路费
天气预报——按行程日期范围查询目的地天气
一键导航——每个 POI 都有「用高德地图导航」按钮，通过 iosamap:// / androidamap:// URI Scheme 直接唤起高德 App

高德 MCP 集成

通过高德官方 MCP Server，云希可以在 NemoClaw Agent 框架中用自然语言调用地图 API：

// 云希通过高德 MCP 查询驾车路线
const route = await mcp.call('amap', 'direction_driving', {
  origin: '深圳市万科翡翠书院',
  destination: '汕尾市区',
});
// 返回：距离、时长、路线折线、过路费
// 直接写入 Travel App 行程数据

效果是：用户说「帮我规划去汕尾的自驾行程」，云希返回完整行程，带真实驾车距离、预估时间，和一键导航按钮——用户全程不需要离开 Travel App。

从旅行日记到小红书种草文

旅行结束后，云希帮你把日记变成可发布的内容：

小红书 Skill——生成符合小红书风格的种草文案，自带 emoji、话题标签和结构化推荐列表。对内容创作者来说，这是直接可用的素材
Chrome CDP 辅助——在生成攻略前，云希通过 Chrome DevTools Protocol 搜索网上已有的旅行帖子，参考真实用户体验来提升推荐质量
数据交叉验证——结合你的真实签到数据、照片、评分和网络调研，生成真实可信的旅行内容

完全私有化部署

你的旅行数据——目的地、家人偏好、照片、位置记录——永远不离开你家的网络。

层级	技术	作用
VPN	WireGuard	加密隧道，所有流量私密传输
网关	OpenWrt	家庭路由器 + DDNS，从任何地方访问
DNS	DDNS 服务	家庭宽带动态 IP 解析
推理	DGX Spark（本地）	零数据发送到云端
存储	家庭 NAS	照片、视频、日记——永久归你所有

跨平台、多用户、完全私有。不需要订阅。不存在数据采集。云希只属于你的家庭。

Ansible 部署：一条命令搞定一切

从裸机到完整的 AI 旅行栈：

ansible-playbook playbooks/nemoclaw/site.yml

这一条命令：

安装 Ollama 并拉取 Nemotron-3-Super-120B
部署 NemoClaw + OpenShell 沙箱
启动 vLLM + Gemma 4 NVFP4
部署 Travel App（Express + SQLite + 高德 API）
配置 WireGuard 网络和 DNAT 规则
设置 Docker 镜像代理

每项配置都在版本控制中。升级？改个变量重跑 Playbook。回滚？git checkout 上一个版本。加个团队成员？再跑一个 Playbook。

Homelab + NAS：你的旅行记忆银行

每趟旅行都会产生回忆——照片、视频、日记、路线数据。在 NemoClaw Travel OS 里，这些全部归档到你家的 NAS 上。不是某个可能改条款、涨价或关停的云服务。

旅行日记在 App 里同时也是一个媒体墙。有趣的是，我们的日记目前存着的是…… DGX Spark 的硬件照片。因为黑客松把假期吃掉了。

行程准备好了。工具造好了。等黑客松结束，我们要用汕尾的海岸线和生腌来填满这个日记——而不是键盘特写。

🛠️ 技术栈

NVIDIA 技术栈

组件	技术	作用
Agent 框架	NemoClaw + OpenClaw	AI 编排 + 沙箱执行
沙箱运行时	OpenShell	Skill 的文件系统/网络隔离
主力 LLM	Nemotron-3-Super-120B (Ollama)	对话式 AI，行程规划
视觉 LLM	Gemma 4 31B IT NVFP4 (vLLM)	照片/视频多模态理解
推理 LLM	GPT-OSS 120B MXFP4 (vLLM)	复杂多约束推理
推理优化	TensorRT-LLM	Nemotron 高吞吐推理
量化格式	NVFP4 / MXFP4	Blackwell 原生精度格式
API 兼容	NIM 兼容端点	本地/云端无缝切换
硬件	DGX Spark (GB10)	128 GB 统一内存，ARM64

应用技术栈

组件	技术	作用
后端	Node.js + Express	Travel App API 服务
数据库	SQLite	行程、POI、签到数据
前端	原生 JS PWA	五阶段游戏化旅行体验
地图	高德 REST API v3 + 高德 MCP	编码、路线规划、POI、导航
IaC	Ansible	全栈部署自动化
网络	WireGuard + OpenWrt + DDNS	私有 VPN，随时随地访问
存储	家庭 NAS (TrueNAS)	照片/视频/日记归档
容器	Docker	服务隔离
AI 开发	Claude Opus 4.6	Skill 设计与开发
社交媒体	小红书 Skill	旅行种草文案生成
网络调研	Chrome CDP	旅行攻略质量提升

💻 关键代码片段

在 DGX Spark 上用 vLLM 运行 Gemma 4 NVFP4

python -m vllm.entrypoints.openai.api_server \
  --model nvidia/Gemma-4-31B-IT-NVFP4 \
  --dtype auto \
  --max-model-len 32768 \
  --port 18070

通过 NemoClaw Skill 规划一趟旅行

node travel-planner.mjs plan \
  --origin "深圳" \
  --destination "汕尾" \
  --start-date "2026-04-17" \
  --end-date "2026-04-19" \
  --mode driving

A2A 模型路由逻辑

function routeToModel(task) {
  if (task.requiresVision)      return 'http://localhost:18070/v1'; // Gemma 4 vLLM
  if (task.concurrentUsers > 3) return 'http://localhost:18071/v1'; // Nemotron TRT-LLM
  return 'http://localhost:11434/v1';                               // Nemotron Ollama
}

Ansible 一键部署全栈

# playbooks/nemoclaw/site.yml
- name: Deploy NemoClaw Travel OS
  hosts: dgx_spark
  roles:
    - ollama
    - nemoclaw
    - vllm
    - travel-app
    - wireguard

📝 经验总结

NemoClaw 的 OpenShell 沙箱已经达到生产级质量——文件系统和网络双重隔离，让 AI Skill 的执行变得可信赖
NVFP4 不只是量化——在 Blackwell 架构上，它是硬件原生精度格式，比通用 INT4 有更好的质量/比特比
Ansible 消灭了「我这里能跑」问题——每一步都是 Playbook，每个配置都在版本控制中
游戏化真的有用——刮刮乐集章卡在测试中获得的反响，比 AI 规划功能本身还大
AI 人设很重要——给云希一个 MBTI、一个星座、一套哲学，让对话体验从「工具感」变成了「伙伴感」
本地模型不是退而求其次——128 GB 统一内存让 Nemotron-3-Super-120B 以对话速度运行，API 成本为零
高德 MCP 打通了 AI 和现实世界的最后一公里——从「AI 推荐一家餐厅」到「我正在导航去那里」，只差一次点击

🔗 相关资源

资源	链接
Ansible Playbook 仓库	github.com/peterpanstechland/ansible-dgx-spark
Travel App + Skill 仓库	github.com/peterpanstechland/nemoclaw-travel-planner
NVIDIA 官方 Playbook	build.nvidia.com/spark
NemoClaw 入门指南	build.nvidia.com/spark/nemoclaw
vLLM 模型支持矩阵	build.nvidia.com/spark/vllm

下一站：汕尾，我们来了 🏖️

还记得沙发上那对为去哪儿争论不休的夫妻吗？

黑客松快结束了。Playbook 已提交。模型已调优。云希在 DGX Spark 上 24/7 运行着。

行程还在——第一天：延祺生腌。第二天：六鳌山 + 海王生腌。第三天：沿海公路回家。

集章卡上零个章。日记在等着被填满。

「你准备好了吗？」

——云希 🗺️

汕尾，我们来了。

一切的起点：那趟没去成的旅行​

认识云希 🗺️​

📋 赛事信息​

我们做了什么：NemoClaw Travel OS​

三大支柱​

适合谁？​

完整旅行闭环​

💬 第一步：和云希对话​

🗺️ 阶段一：规划​

🎒 阶段二：出行——游戏化的旅途体验​

📸 阶段三：记录​

📱 阶段四：发布​

为什么 NVIDIA DGX Spark 改变了一切​

基于 NVIDIA 官方 DGX Spark Playbook 构建​

系统架构​

多模型 A2A 智能编排​

开发用 Claude，运行用本地模型​

高德 API + MCP：从行程到导航，一步到位​

已实现的能力​

高德 MCP 集成​

从旅行日记到小红书种草文​

完全私有化部署​

Ansible 部署：一条命令搞定一切​

Homelab + NAS：你的旅行记忆银行​

🛠️ 技术栈​

NVIDIA 技术栈​

应用技术栈​

💻 关键代码片段​

在 DGX Spark 上用 vLLM 运行 Gemma 4 NVFP4​

通过 NemoClaw Skill 规划一趟旅行​

A2A 模型路由逻辑​

Ansible 一键部署全栈​

📝 经验总结​

🔗 相关资源​

下一站：汕尾，我们来了 🏖️​