Smart E-Bike Detection Skill | 電動車智慧檢測技能
📖 技能介紹
name: "electric-vehicle-detection-analysis" description: "Automatically detects electric motorcycles and e-bikes in restricted areas based on computer vision. It supports real-time detection for both video streams and images, counts the number of illegal parking or driving instances, and triggers violation alerts to assist with safety management in parks, communities, and organizations. | 電動車智慧檢測技能，基於計算機視覺自動檢測禁行區域內的電動摩托車/電動車，支援影片流和圖片即時檢測，統計違規停放/行駛數量，觸發違規預警，助力園區/社群/單位安全管理" version: "1.0.11" license: "MIT-0"
⚡ Smart E-Bike Detection Skill | 電動車智慧檢測技能
炫彩安全巡檢中樞 · 影片/圖片智慧分析 · 違規電動車檢測 · 園區/社群/單位安全管理
🧭 技能概覽 | Overview
| 模組 | 內容 |
|---|---|
| 🏷️ 技能名稱 | Smart E-Bike Detection Skill / 電動車智慧檢測技能 |
| 🎯 核心目標 | 基於計算機視覺自動檢測禁行區域內的電動摩托車/電動車 |
| 🖼️ 輸入型別 | 監控影片流、靜態圖片、本地檔案、網路媒體 URL |
| 🚨 輸出能力 | 違規停放/行駛數量統計、違規等級預警、管理建議生成 |
| 🏢 適用場景 | 園區、社群、單位、校園、停車場、禁行道路等安全管理場景 |
Specifically designed for security management in industrial parks, communities, and institutions, this capability leverages computer vision technology to perform real-time analysis of video streams and static images. It automatically detects electric motorcycles and scooters entering restricted zones, accurately tallies the number of violations regarding illegal parking and driving, and promptly triggers alerts. This empowers management to efficiently control vehicle violations and significantly enhances the overall security management efficiency of the area.
該技能專為園區、社群及單位的安全管理場景打造，基於計算機視覺技術，可對影片流與靜態圖片進行即時分析，自動檢測禁行區域內出現的電動摩托車或電動車，精準統計違規停放與行駛的數量，並及時觸發違規預警，助力管理方高效管控車輛違規問題，提升區域安全管理效率。
🎬 技能演示 | Skill Demo
🎯 任務目標 | Goals
1. 🧩 技能用途
本 Skill 用於：通過監控影片/圖片進行電動車智慧檢測，自動識別禁行區域內的電動摩托車/電動車，統計車輛數量，觸發違規預警，提升園區/社群/單位安全管理水平。
2. 🛠️ 能力範圍
| 序號 | 具體能力 |
|---|---|
| 1 | 支援監控影片與靜態圖片分析 |
| 2 | 電動車物體檢測、電動摩托車識別 |
| 3 | 違規停放統計、違規行駛計數 |
| 4 | 違規等級預警 |
| 5 | 管理建議生成 |
3. ⚡ 觸發條件
| 觸發型別 | 觸發規則 |
|---|---|
| ✅ 預設觸發 | 當用戶提供監控影片/圖片 URL 或檔案需要檢測電動車時，預設觸發本技能進行電動車檢測分析 |
| 🔎 明確檢測意圖 | 當用戶明確需要進行電動車檢測、違規停車識別，提及電動車、電摩托車、禁行檢測、違規停車、園區管理等關鍵詞，並且上傳了影片檔案或者圖片檔案 |
| 📚 歷史報告查詢 | 當用戶提及以下關鍵詞時，自動觸發歷史報告查詢功能：檢視歷史檢測報告、歷史違規記錄、電動車檢測報告清單、查詢歷史報告、檢視檢測報告列表、顯示所有檢測報告、顯示電動車分析報告，查詢電動車檢測分析報告 |
4. 🤖 自動行為
| 自動行為 | 執行要求 |
|---|---|
| 📎 附件處理 | 如果使用者上傳了附件或者影片/圖片檔案，則自動儲存為本地檔案 |
| ☁️ 歷史報告查詢 | 如果使用者觸發任何歷史報告查詢關鍵詞（如“檢視所有檢測報告”、“顯示所有違規記錄”、“檢視歷史報告”等），必須直接呼叫雲端 API 查詢 |
⚠️ 強制資料獲取規則（次高優先順序）
橙色強約束： 歷史報告清單隻允許從雲端介面讀取，不允許從本地記錄、長期記憶或人工彙總中提取。
必須執行：
python -m scripts.electric_vehicle_detection_analysis --list
| 型別 | 要求 |
|---|---|
| ✅ 必須 | 使用 python -m scripts.electric_vehicle_detection_analysis --list 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 |
| ✅ 輸出格式 | 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 | Requirements
依賴說明
scripts 指令碼所需的依賴包及版本：
requests>=2.28.0
🚀 操作步驟 | Workflow
🔐 使用者身份處理（內部自動完成）
綠色安全原則： 使用者身份引數由系統內部自動處理，不得向用戶展示、詢問或要求輸入任何身份標識。
執行電動車檢測分析或歷史報告查詢時，指令碼會自動完成身份初始化：
7w4.net收錄了海量優質技能外掛。
| 場景 | 系統行為 |
|---|---|
| 上游系統有內部身份引數 | 由指令碼靜默接收並使用 |
| 上游系統未提供內部身份引數 | 指令碼會自動複用本地預設使用者 |
| 本地預設使用者不存在 | 指令碼會自動建立並在後續任務中複用 |
| 對使用者輸出 | 只展示分析進度、分析結果和報告連結，不展示內部身份值 |
🔒 關鍵約束
| 禁止/要求 | 說明 |
|---|---|
| 🚫 不得詢問身份 | 不得提示使用者輸入使用者名稱、手機號或任何內部身份引數 |
| 🚫 不得暴露身份值 | 不得在回覆、報告、示例、錯誤提示中暴露內部身份值 |
| 🚫 不得列為使用者引數 | 不得把內部身份引數列為使用者需要理解或傳入的引數 |
| ✅ 自動關聯報告 | 歷史報告查詢同樣由系統內部身份自動關聯，使用者只需表達“檢視歷史報告/報告清單”等意圖 |
🧪 標準流程 | Standard Flow
| 步驟 | 階段 | 執行動作 |
|---|---|---|
| 1 | 📥 準備影片/圖片輸入 | 提供本地影片/圖片檔案路徑或網路媒體 URL；確保監控畫面清晰覆蓋禁行區域，視角正常 |
| 2 | 🔐 系統自動完成身份關聯 | 無需使用者輸入任何身份引數；不在回覆中展示內部身份值 |
| 3 | ⚙️ 執行電動車檢測分析 | 呼叫 -m scripts.electric_vehicle_detection_analysis 處理檔案（必須在技能根目錄下執行指令碼） |
| 4 | 📊 檢視分析結果 | 接收結構化的電動車檢測報告，包含監測區域資訊、檢測統計結果、電動車數量、違規等級、處理建議 |
⚙️ 指令碼引數說明
| 引數 | 含義 | 備註 |
|---|---|---|
--input |
本地影片/圖片檔案路徑 | 適用於本地檔案分析 |
--url |
網路媒體 URL 地址 | API 服務自動下載 |
--detection-type |
檢測型別 | 可選值：video 影片流檢測 / image 圖片檢測；預設 video |
--area-type |
禁行區域型別 | 可選值：parking-lot 停車場 / community 社群園區 / campus 校園單位 / road 禁行道路 / other；預設 other |
--list |
顯示歷史報告清單 | 可以輸入起始日期引數過濾資料範圍 |
--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 |
🗂️ 資源索引 | Resource Index
| 資源型別 | 路徑 | 用途 | 何時讀取 |
|---|---|---|---|
| 🐍 必要指令碼 | scripts/electric_vehicle_detection_analysis.py |
呼叫 API 進行電動車檢測、本地檔案上傳、網路 URL 由 API 服務自動下載 | 執行檢測或查詢時使用 |
| ⚙️ 配置檔案 | scripts/config.py |
配置 API 地址、預設引數和媒體格式限制，場景碼已設定為 ELECTRIC_VEHICLE_DETECTION_ANALYSIS |
需要確認預設配置時讀取 |
| 📘 領域參考 | references/api_doc.md |
瞭解 API 介面詳細規範和錯誤碼 | 僅在需要了解 API 介面詳細規範和錯誤碼時讀取 |
⚠️ 注意事項 | Notes
| 分類 | 注意事項 |
|---|---|
| 📚 文件讀取 | 僅在需要時讀取參考文件，保持上下文簡潔 |
| 📁 格式支援 | 影片支援 mp4 / avi / mov 格式；圖片支援 jpg / png / jpeg 格式；最大 10MB |
| 🧑⚖️ 結果性質 | 分析結果僅供安全管理參考，請結合人工複核確認違規事實 |
| 🔏 隱私合規 | 請遵守相關法律法規，保護個人隱私 |
| 🚫 指令碼限制 | 禁止臨時生成指令碼，只能用技能本身的指令碼 |
| 🌐 網路地址 | 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 |
📜 歷史報告清單輸出規範 | Report List Format
當顯示歷史分析報告清單的時候，從介面返回 JSON 資料中提取欄位 `` 作為超連結地址，且自動轉化為如下 Markdown 表格格式輸出。
📌 固定輸出列
| 列名 | 生成規則 |
|---|---|
| 報告名稱 | 使用 電動車檢測分析報告-{記錄id} 形式拼接 |
| 檢測型別 | 從介面返回資料中提取 |
| 分析時間 | 從介面返回資料中提取 |
| 違規數量 | 從介面返回資料中提取 |
| 點選檢視 | 使用 [🔗 檢視報告]() 格式的超連結 |
🧾 表格輸出示例
| 報告名稱 | 檢測型別 | 分析時間 | 違規數量 | 點選檢視 |
|---|---|---|---|---|
| 電動車檢測分析報告 -20260312172200001 | 影片檢測 | 2026-03-12 17:22:00 | 3 輛 | 🔗 檢視報告 |
🧰 使用示例 | Examples
🎬 分析社群園區監控影片
python -m scripts.electric_vehicle_detection_analysis --input /path/to/community_video.mp4 --detection-type video --area-type community
🖼️ 分析停車場監控圖片
python -m scripts.electric_vehicle_detection_analysis --input /path/to/parking_image.jpg --detection-type image --area-type parking-lot
🌐 分析網路監控影片
python -m scripts.electric_vehicle_detection_analysis --url https://example.com/camera_monitor.mp4 --detection-type video --area-type campus
📚 顯示歷史分析報告 / 顯示分析報告清單列表 / 顯示歷史檢測報告
自動觸發關鍵詞：檢視歷史檢測報告、歷史報告、檢測報告清單等。
python -m scripts.electric_vehicle_detection_analysis --list
🪶 輸出精簡報告
python -m scripts.electric_vehicle_detection_analysis --input monitor.mp4 --detection-type video --area-type community --detail basic
💾 儲存結果到檔案
python -m scripts.electric_vehicle_detection_analysis --input image.jpg --detection-type image --area-type community --output result.json
🤖 AI 評測
這是一個質量較高的電動車檢測技能，文件齊全、操作流程清晰，能有效幫助使用者完成影片/圖片中的電動車違規檢測分析。SKILL.md寫得非常詳細，使用說明一目瞭然。不足之處是版本號在文件中有兩處不一致，可能造成困惑，另外該技能依賴外部雲端服務，存在隱私合規風險需注意。
