Danceiny/gotry

解决的问题

GoTry 通过将语言任务与数学任务分离，解决了不可靠的旅行规划问题。典型的 AI 助手常常会幻觉出价格或可行性，而 GoTry 确保每个行程都有可验证的数据支持，防止用户收到不可能或不准确的旅行计划。

工作原理

该项目采用混合架构：大型语言模型（LLM）处理对话式访谈并翻译用户意图，而确定性的 TypeScript 内核执行实际计算。提供给用户的每个数字都带有特定来源标签，如果行程不可行，系统会解释原因，并建议使其可行所需的确切更改。无法验证的声明会被“事实门”阻止，以确保只呈现可信信息。

目标用户

GoTry 专为寻求可靠、基于证据的旅行规划的旅行者，以及有兴趣构建优先考虑确定性准确性而非模型生成猜测的 AI 系统的代理构建者而设计。

亮点

• 证据优先设计： 每条数据都可追溯到来源，无法验证的声明永远不会作为事实呈现。
• 确定性逻辑： LLM 不执行算术或可行性判定；这些由代码处理以确保准确性。
• 愿望池： 如果旅行在当前限制下无法实现，系统会保存目的地以及将来使其可行所需的具体条件。
• 注重隐私： 系统对浏览器数据采用只读方法，不存储用户密码或敏感凭据。