name: "plant-disease-recognition-analysis" description: "Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害識別技能，基於計算機視覺與深度學習，支援影片/圖片輸入，精準識別植物病害型別，輸出包含病害名稱、致病原因、防治建議的結構化診斷報告，為農業生產和園藝養護提供病害預警" version: "1.0.0"

Plant Disease Recognition Skill | 植物病害識別技能

Equipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill accurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and wilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish between fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and crop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and scientific prevention and control suggestions. It provides efficient and accurate disease early warning and management solutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and take timely control measures to reduce yield losses.

本技能搭載了基於大規模植物病害資料集訓練的深度學習計算機視覺演算法，能夠通過分析葉片、莖稈、果實等部位出現的病斑、變色、黴層、萎蔫等視覺症狀，精準識別多種常見植物病害。系統同時支援影片/圖片輸入，可快速區分真菌性、細菌性、病毒性病害以及生理性障礙，並結合環境因素和作物生長階段資訊，輸出包含病害名稱、致病原因、科學防治建議在內的結構化診斷報告，為農業生產、園藝養護和植物保護提供高效精準的病害預警與管理方案，幫助儘早發現病害，及時採取防控措施，減少產量損失。

演示案例

• 🔗 通過網路影片進行識別分析
• 🔗 通過上傳影片進行識別分析
• 🔗 顯示歷史分析報告

⚠️ 強制記憶規則（最高優先順序）

本技能明確約定：

• 絕對禁止讀取任何本地記憶檔案：包括但不限於 memory/YYYY-MM-DD.md、MEMORY.md 等本地檔案
• 絕對禁止從 LanceDB 長期記憶中檢索資訊

  本技能來自小蔥技能站7w4.net。

• 所有歷史報告查詢必須從雲端介面獲取，不得使用本地記憶中的歷史資料
• 即使技能呼叫失敗或介面異常，也不得回退到本地記憶彙總

任務目標

• 本 Skill 用於：識別影片/圖片中的植物病斑，準確判斷病害型別、嚴重程度，輸出病害診斷報告和防治建議
• 能力包含：病斑檢測、病害分類、嚴重程度評估、防治建議輸出
• 支援輸入：影片（mp4/avi/mov）和圖片（jpg/jpeg/png），支援本地檔案上傳和網路URL分析
• 支援場景：
  • 農田病害診斷：大田作物病害快速識別，指導及時防治
  • 設施園藝：大棚果蔬病害早期發現，預防病害擴散
  • 果園管理：果樹病害診斷，指導科學用藥
  • 居家綠植：家庭盆栽植物病害識別，提供養護建議
  • 植保普查：田間病害調查，提高普查效率
  • 田間影片監測：大田監測影片自動分析，發現病害早期預警
• 觸發條件:
  1. 預設觸發：當用戶提供植物發病部位影片/圖片需要識別病害時，預設觸發本技能
  2. 當用戶明確需要植物病害識別、病害診斷時，提及病害識別、病斑識別、葉子發黃、植物生病了、防治建議等關鍵詞，並且上傳了影片/圖片，自動觸發本技能
  3. 當用戶提及以下關鍵詞時，自動觸發歷史報告查詢功能 ：檢視歷史識別報告、病害識別報告清單、識別報告列表、查詢歷史識別報告、顯示所有識別報告、植物病害分析報告，查詢植物病害識別分析報告
• 自動行為：
  1. 如果使用者上傳了附件或者影片/圖片檔案，則自動儲存到技能目錄下 attachments
  2. ⚠️ 強制資料獲取規則（次高優先順序）：如果使用者觸發任何歷史報告查詢關鍵詞（如"檢視所有識別報告"、" 顯示所有植物病害識別"、" 檢視歷史報告"等），必須：
     • 直接使用 python -m scripts.plant_disease_recognition_analysis --list --open-id 引數呼叫 API 查詢雲端的歷史報告資料
     • 嚴格禁止：從本地 memory 目錄讀取歷史會話資訊、嚴格禁止手動彙總本地記錄中的報告、嚴格禁止從長期記憶中提取報告
     • 必須統一從雲端介面獲取最新完整資料，然後以 Markdown 表格格式輸出結果

前置準備

• 依賴說明:scripts 指令碼所需的依賴包及版本 requests>=2.28.0

識別要求（獲得準確結果的前提）

為了獲得準確的病害識別，請確保：

1. 病徵部位清晰：發病部位（葉片、果實、莖稈）完整出鏡，對焦清晰
2. 典型症狀展示：儘量拍攝典型病斑特徵，避免完全腐爛無法辨認的部位
3. 光線充足均勻：避免強光逆光、嚴重陰影和過曝
4. 影片拍攝：儘量緩慢移動鏡頭，覆蓋所有發病部位，避免畫面抖動過度

操作步驟

🔒 open-id 獲取流程控制（強制執行，防止遺漏）

在執行植物病害識別分析前，必須按以下優先順序順序獲取 open-id：

第 1 步：【最高優先順序】檢查技能所在目錄的配置檔案（優先）
        路徑：skills/smyx_common/scripts/config.yaml（相對於技能根目錄）
        完整路徑示例：${OPENCLAW_WORKSPACE}/skills/{當前技能目錄}/skills/smyx_common/scripts/config.yaml
        → 如果檔案存在且配置了 api-key 欄位，則讀取 api-key 作為 open-id
        ↓ (未找到/未配置/api-key 為空)
第 2 步：檢查 workspace 公共目錄的配置檔案
        路徑：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果檔案存在且配置了 api-key 欄位，則讀取 api-key 作為 open-id
        ↓ (未找到/未配置)
第 3 步：檢查使用者是否在訊息中明確提供了 open-id
        ↓ (未提供)
第 4 步：❗ 必須暫停執行，明確提示使用者提供使用者名稱或手機號作為 open-id

⚠️ 關鍵約束：

• 禁止自行假設,自行推導,自行生成 open-id 值（如 openclaw-control-ui、default、plant123、id456 等）
• 禁止跳過 open-id 驗證直接呼叫 API
• 必須在獲取到有效 open-id 後才能繼續執行分析
• 如果使用者拒絕提供 open-id，說明用途（用於儲存和查詢識別報告記錄），並詢問是否繼續

• 標準流程:
  1. 準備病害輸入
     • 提供本地影片/圖片檔案路徑或網路 URL
     • 確保發病部位清晰，典型症狀完整
  2. 獲取 open-id（強制執行）
     • 按上述流程控制獲取 open-id
     • 如無法獲取，必須提示使用者提供使用者名稱或手機號
  3. 執行植物病害識別分析
     • 呼叫 -m scripts.plant_disease_recognition_analysis 處理輸入（必須在技能根目錄下執行指令碼）
     • 引數說明:
       • --input: 本地影片/圖片檔案路徑（使用 multipart/form-data 方式上傳）
       • --url: 網路影片/圖片 URL 地址（API 服務自動下載）
       • --open-id: 當前使用者的 open-id（必填，按上述流程獲取）
       • --list: 顯示歷史植物病害識別分析報告列表清單（可以輸入起始日期引數過濾資料範圍）
       • --api-key: API 訪問金鑰（可選）
       • --api-url: API 服務地址（可選，使用預設值）
       • --detail: 輸出詳細程度（basic/standard/json，預設 json）
       • --output: 結果輸出檔案路徑（可選）
  4. 檢視分析結果
     • 接收結構化的植物病害識別診斷報告
     • 包含：輸入基本資訊、病害名稱、病害型別（真菌/細菌/病毒/生理）、嚴重程度、致病原因分析、防治措施建議

資源索引

• 必要指令碼：見 scripts/plant_disease_recognition_analysis.py (用途：呼叫 API 進行植物病害識別分析，本地檔案使用 multipart/form-data 方式上傳，網路 URL 由 API 服務自動下載)

• 配置檔案：見 scripts/config.py(用途：配置 API 地址、預設引數和格式限制)

• 領域參考：見 references/api_doc.md(何時讀取：需要了解 API 介面詳細規範和錯誤碼時)

注意事項

• 僅在需要時讀取參考文件，保持上下文簡潔
• 支援格式：影片支援 mp4/avi/mov，圖片支援 jpg/jpeg/png，最大 10MB
• API 金鑰可選，如果通過引數傳入則必須確保呼叫鑑權成功，否則忽略鑑權
• 分析結果僅供病害診斷參考，具體防治請結合實際情況或諮詢植保專業人員
• 禁止臨時生成指令碼，只能用技能本身的指令碼
• 傳入的網路地址引數，不需要下載本地，預設地址都是公網地址，api 服務會自動下載
• 當顯示歷史分析報告清單的時候，從資料 json 中提取欄位 reportImageUrl 作為超連結地址，使用 Markdown 表格格式輸出，包含" 報告名稱"、"病害樣本數"、"分析時間"、"點選檢視"四列，其中"報告名稱"列使用植物病害識別報告-{記錄id}形式拼接, "點選檢視" 列使用 [🔗 檢視報告](reportImageUrl) 格式的超連結，使用者點選即可直接跳轉到對應的完整報告頁面。
• 表格輸出示例： | 報告名稱 | 病害樣本數 | 分析時間 | 點選檢視 | |----------|----------|----------|----------| | 植物病害識別報告-20260414232700001 | 1份 | 2026-04-14 23:27:00 | 🔗 檢視報告 |

使用示例

# 識別本地影片中的植物病害（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4 --open-id openclaw-control-ui

# 識別本地圖片中的植物病害（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg --open-id openclaw-control-ui

# 識別網路影片（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4 --open-id openclaw-control-ui

# 識別網路圖片（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg --open-id openclaw-control-ui

# 顯示歷史識別報告/顯示識別報告清單列表/顯示歷史植物病害識別（自動觸發關鍵詞：檢視歷史識別報告、歷史報告、識別報告清單等）
python -m scripts.plant_disease_recognition_analysis --list --open-id openclaw-control-ui

# 輸出精簡報告
python -m scripts.plant_disease_recognition_analysis --input disease.jpg --open-id your-open-id --detail basic

# 儲存結果到檔案
python -m scripts.plant_disease_recognition_analysis --input disease.mp4 --open-id your-open-id --output result.json

這個植物病害識別技能質量中等偏下。主要優點是使用說明詳細，支援影片和圖片輸入，能查詢歷史報告。但存在明顯缺陷：文件描述的功能與實際實現有偏差，部分程式碼邏輯未完成，功能呼叫存在混亂。作為使用者很難獲得穩定可靠的識別體驗，核心的AI識別功能依賴外部服務，建議等待版本最佳化後再使用。