有人用AI把攒里程这事干成了自动化流水线

凌晨两点，有人盯着屏幕反复刷新三家航空公司的奖励航班页面，同时打开Google Flights比现金价，再切到AwardWallet查余额，最后在Excel里算‘这次值不值得刷’。这不是爱好，是体力活。

这个GitHub项目把整套动作打包成可即插即用的AI技能：输入‘帮我找8月旧金山飞东京的商务舱奖励票’，AI自动扫25+常旅客计划的实时舱位、调取Skiplagged和Kiwi的隐藏城市/虚拟联程方案、拉取Google Flights现金价、核对你的联合航空里程和Chase积分余额，最后给出最优解。 这意味着：原来需要跨6个网站、3个App、至少15分钟的人工决策，现在变成一句自然语言指令。

它预装了5个零配置MCP服务器（Skiplagged、Kiwi、Trivago等），连API密钥都不用填；真正核心的Seats.aero奖励航班搜索虽需付费订阅（约8美元/月），但已比雇一个懂里程的旅行顾问便宜两个数量级。 这意味着：专业级旅行黑客能力，第一次被压缩进一个setup.sh脚本和一份.env文件里。

所有技能文档都是Markdown格式，写明了怎么调用API、附带curl示例和jq数据提取模板；MCP服务器配置直接嵌入工具原生协议——OpenCode和Claude Code不是‘能接入’这些服务，而是‘默认就该这么用’。 这意味着：AI不再只是回答问题的聊天框，而是一个能主动调度真实世界服务的旅行助理。

别人还在教AI理解‘升舱’和‘里程池’的区别，这个项目已经让AI自己查完所有航司的联盟关系、酒店集团归属、甚至挪威到瑞典的渡轮时刻表，然后告诉你‘奥斯陆到卑尔根坐火车比飞机快47分钟’。 这意味着：旅行决策的颗粒度，正从‘城市→航班’下沉到‘具体交通方式→实际耗时→隐性成本’。

这套工具没做任何界面，不推App，不卖SaaS——它把整个旅行黑客的知识体系，编译成了AI能直接执行的代码指令集。 这意味着：最硬核的旅行技巧，正在失去它的信息壁垒，变成一种可复制、可分发、可版本管理的工程实践。

它没有试图取代人，而是把人从‘查数据’中解放出来，去干只有人能做的事：比如判断‘值不值得为多住一晚的酒店多花5000里程’。

下次看到有人晒出一张用1.2美分/里程兑出的东京商务舱，别急着问‘你怎么找到的’——先看看他终端里有没有运行着travel-hacking-toolkit。