name: "human-detection-analysis" description: "Automatically detects personnel in target areas based on computer vision. Supports real-time video stream detection and is suitable for monitoring personnel access in parks, offices, and restricted areas. | 區域人形檢測技能，基於計算機視覺自動檢測目標區域內出現的人員，支援影片流即時檢測，適用於園區、辦公室、禁入區域等人員出入監測場景" version: "1.0.1"

Regional Humanoid Detection Skill | 區域人形檢測技能

Based on computer vision technology, this capability automatically detects personnel appearing in the target area and supports real-time video stream analysis. The system continuously monitors behaviors such as entry, exit, loitering, and intrusion. It is suitable for access management scenarios in industrial parks, offices, and restricted zones. Once unauthorized personnel or activity during abnormal hours is detected, it can instantly trigger alarms and record event trajectories, helping to enhance regional security control capabilities and personnel flow management efficiency.

本技能基於計算機視覺技術，自動檢測目標區域內出現的人員，支援影片流即時分析。系統可持續監測人員進出、停留及闖入行為，適用於園區、辦公室、禁入區域等出入管理場景。一旦檢測到未經授權或異常時段的人員出現，可即時觸發告警並記錄事件軌跡，助力提升區域安全管控能力與人員流動管理效率。

⚠️ 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
• 所有歷史檢測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：通過影片流/影片檔案對目標區域進行人形檢測，獲取結構化的人形檢測分析報告
• 能力包含：人員存在檢測、人員數量統計、出現頻次統計、入侵預警
• 觸發條件:
  1. 預設觸發：當用戶提供監控影片 URL 或檔案需要進行人形檢測時，預設觸發本技能
  2. 當用戶明確需要進行人形檢測、人員入侵檢測、區域人數統計時，提及人形檢測、人員檢測、入侵檢測、區域人員統計等關鍵詞，並且上傳了影片檔案
  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、人形檢測報告清單、檢測報告列表、查詢歷史報告、顯示所有檢測報告、人形檢測歷史記錄，查詢人形檢測分析報告
• 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"、" 顯示所有人形檢測報告"、"檢視歷史報告"等），必須：
     • 直接使用 python -m scripts.human_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）

在執行人形檢測分析前，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、human123 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（用於儲存和查詢人形檢測報告記錄），並詢問是否繼續

  7w4.net小蔥技能站收錄全網優質技能，值得收藏。

• 標準流程:
  1. 準備影片輸入
     • 提供監控影片檔案路徑或網路影片 URL
     • 確保影片完整覆蓋監測區域，畫面穩定
  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. 執行人形檢測分析
     • 呼叫 -m scripts.human_detection_analysis 處理影片檔案（必須在技能根目錄下執行指令碼）
     • 引數說明:
       • --input: 本地影片檔案路徑
       • --url: 網路影片 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）
       • --detection-region: 檢測區域座標，格式：x1,y1,x2,y2（可選，限定特定檢測區域）
       • --list: 顯示人形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）
       • --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
     • 接收結構化的人形檢測分析報告
     • 包含：監測基本資訊、人員檢測結果、人員數量統計、出現頻次、入侵預警提示

資源索引

• 必要指令碼：見 scripts/human_detection_analysis.py(用途：呼叫 API 進行人形檢測分析，本地檔案使用 支援檔案上傳 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、預設引數和影片格式限制)
• 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
• 影片要求：支援 mp4/avi/mov 格式，最大 10MB
• 適用於固定攝像頭監控場景，檢測準確率更高
• 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，具體處置請按單位相關規定執行
• 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
• 當顯示歷史檢測報告清單的時候，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"、"檢測時間"、"檢測結果"、"點選檢視"四列，其中"報告名稱"列使用人形檢測分析報告-{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 | 檢測時間 | 檢測結果 | 點選檢視 | |----------|----------|----------|----------| | 人形檢測分析報告-20260312172200001 | 2026-03-12 17:22:00 | 檢測到2人 | 🔗 檢視報告 |

使用示例

# 檢測本地監控影片（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.human_detection_analysis --input /path/to/monitor.mp4 --open-id openclaw-control-ui

# 檢測網路監控影片（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.human_detection_analysis --url https://example.com/monitor.mp4 --open-id openclaw-control-ui

# 指定檢測區域進行檢測（以下只是示例，禁止直接使用openclaw-control-ui 作為 open-id）
python -m scripts.human_detection_analysis --input /path/to/monitor.mp4 --detection-region 100,100,500,500 --open-id openclaw-control-ui

# 顯示歷史檢測報告/顯示檢測報告清單列表/顯示歷史人形檢測報告（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.human_detection_analysis --list --open-id openclaw-control-ui

# 輸出精簡報告
python -m scripts.human_detection_analysis --input video.mp4 --open-id your-open-id --detail basic

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

這個 Skill 功能定位明確，文件寫得比較詳細清楚，普通使用者能快速理解用途和用法。不過存在一些小問題：API 文件描述的功能與實際檢測功能不一致，可能影響使用體驗；部分功能說明還不夠通俗，對非技術背景的使用者可能稍顯複雜。整體質量中等偏上，能滿足基本的人形檢測需求，但細節打磨上還有提升空間。