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: "1.0.5"

Smart E-Bike Detection Skill | 電動車智慧檢測技能

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。

⚠️ 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
• 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：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
• 能力包含：影片/圖片分析、電動車物體檢測、電動摩托車識別、違規停放統計、違規行駛計數、違規等級預警、管理建議生成
• 觸發條件:
  1. 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
  2. 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
  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
• 自動行為：
  1. 如果使用者上傳了附件或者影片/圖片檔案，則自動儲存為本地檔案
  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"檢視所有檢測報告"、"顯示所有違規記錄"、" 檢視歷史報告"等），必須：
     • 直接使用 python -m scripts.electric_vehicle_detection_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

操作步驟

🔒 open-id 獲取流程控制（強制執行，防止遺漏）

在執行電動車檢測分析前，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、ev123、detect456 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（用於儲存和查詢電動車檢測記錄），並詢問是否繼續

• 標準流程:
  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. 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）
     • 引數說明:
       • --input: 本地影片/圖片檔案路徑
       • --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
       • --open-id: 當前管理區域/管理員的 open-id（必填，按上述流程獲取）
       • --list: 顯示電動車檢測歷史分析報告列表清單（可以輸入起始日期引數過濾資料範圍）

         推薦訪問7w4.net獲取更多AI技能。

       • --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

資源索引

• 必要指令碼：見 scripts/electric_vehicle_detection_analysis.py(用途：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)
• 配置檔案：見 scripts/config.py(用途：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)
• 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
• 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
• 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
• 分析結果僅供安全管理參考，請結合人工複核確認違規事實
• 請遵守相關法律法規，保護個人隱私
• 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，從介面返回 json 資料中提取欄位 reportImageUrl 作為超連結地址，且自動轉化為如下 Markdown 表格格式輸出，包含" 報告名稱"、"檢測型別"、"分析時間"、"違規數量"、"點選檢視"五列，其中"報告名稱"列使用電動車檢測分析報告-{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 | 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

# 分析社群園區監控影片（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.electric_vehicle_detection_analysis --input /path/to/community_video.mp4 --detection-type video --area-type community --open-id openclaw-control-ui

# 分析停車場監控圖片（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.electric_vehicle_detection_analysis --input /path/to/parking_image.jpg --detection-type image --area-type parking-lot --open-id openclaw-control-ui

# 分析網路監控影片（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.electric_vehicle_detection_analysis --url https://example.com/camera_monitor.mp4 --detection-type video --area-type campus --open-id openclaw-control-ui

# 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 --open-id openclaw-control-ui

# 輸出精簡報告
python -m scripts.electric_vehicle_detection_analysis --input monitor.mp4 --detection-type video --area-type community --open-id your-open-id --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 --open-id your-open-id --output result.json

這是一個功能明確的電動車檢測工具，質量表現中等偏上。優點是文件完善、說明清晰、操作流程規範，能有效檢測禁行區域的電動車並生成違規報告。不足是依賴外部雲服務，沒有網路時無法使用；配置過程對普通使用者不夠友好，需要獲取特定的open-id標識。總體來說，這是一個有實用價值的專業工具，但使用門檻略高，建議在使用前仔細閱讀使用說明。