{"id":"e8271671-4fcd-4fb0-8589-6f2ee3f1782b","entityType":"agent","slug":"clawhub-18072937735-smyx-plant-leaf-disease-identification-anal","name":"Plant Leaf Disease Identification | 植物叶片病害特征识别","canonicalUrl":"https://www.xpersona.co/agent/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal","canonicalPath":"/agent/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal","generatedAt":"2026-10-10T07:17:18.901Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T22:13:34.233Z","emptyReason":null},"description":"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。","descriptionLabel":"Source description","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.9K downloads reported by the source. Last updated 10/9/2026.","installCommand":"clawhub skill install s17f8q65zg3y98t86jdg1177g583whq8:smyx-plant-leaf-disease-identification-analysis","sourceUrl":"https://clawhub.ai/18072937735/smyx-plant-leaf-disease-identification-analysis","homepage":"https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/18072937735/smyx-plant-leaf-disease-identification-analysis","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":66,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"Plant Leaf Disease Identification | 植物叶片病害特征识别 technical dossier on Xpersona with agent coverage, OPENCLEW support, and live trust metadata."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T22:13:34.233Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T22:13:34.233Z","emptyReason":null},"stars":null,"forks":null,"downloads":1939,"packageName":null,"latestVersion":"1.0.13","tractionLabel":"1.9K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T22:13:34.181Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T22:13:34.233Z","lastCrawledAt":"2026-10-09T22:13:34.181Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T22:13:34.181Z","lastVerifiedAt":null,"highlights":[{"version":"1.0.13","createdAt":"2026-10-01T22:15:26.942Z","changelog":"- Version updated to 1.0.16. - Minor documentation update in SKILL.md; no functional or core behavior changes. - Removed the file: skill-card.md. - No user-facing logic, workflow, input/output, or API changes in this release.","fileCount":31,"zipByteSize":39823},{"version":"1.0.12","createdAt":"2026-09-26T17:15:27.772Z","changelog":"- Updated version number to 1.0.15 in SKILL.md. - Minor documentation adjustments in SKILL.md; no feature or interface changes. - Removed the file skill-card.md.","fileCount":31,"zipByteSize":39809},{"version":"1.0.11","createdAt":"2026-09-07T22:04:29.188Z","changelog":"- Updated version number from 1.0.12 to 1.0.13 in SKILL.md. - Removed the file skill-card.md from the project. - No functional or usage changes noted; documentation/content remains otherwise unchanged.","fileCount":31,"zipByteSize":40107},{"version":"1.0.10","createdAt":"2026-08-28T11:02:30.274Z","changelog":"- Updated SKILL.md to increment version from 1.0.11 to 1.0.12. - Removed the file skill-card.md from the repository. - No changes to the functionality or workflow. Documentation only.","fileCount":31,"zipByteSize":40055},{"version":"1.0.9","createdAt":"2026-08-22T14:30:29.619Z","changelog":"- Updated version to 1.0.11. - Documentation changes in SKILL.md (updated version info, no new feature or functional changes described). - Removed the file: skill-card.md. - Minor configuration changes applied; no user-facing functional impact specified.","fileCount":31,"zipByteSize":39943},{"version":"1.0.8","createdAt":"2026-08-14T02:08:39.565Z","changelog":"- Updated skill version to 1.0.10. - SKILL.md updated with new version number and description version. - Removed redundant or outdated file: skill-card.md. - No code or functional changes; documentation and resource cleanup only.","fileCount":31,"zipByteSize":39810},{"version":"1.0.7","createdAt":"2026-08-07T02:10:38.396Z","changelog":"- Updated version number from 1.0.7 to 1.0.9. - Removed the redundant skill-card.md file to streamline documentation. - No changes to core functionality or workflow. - All usage instructions, descriptions, and requirements remain unchanged.","fileCount":31,"zipByteSize":40042},{"version":"1.0.6","createdAt":"2026-07-28T10:32:49.765Z","changelog":"- Version updated to 1.0.7. - Documentation in SKILL.md updated and revised. - skill-card.md file removed.","fileCount":31,"zipByteSize":39983}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17f8q65zg3y98t86jdg1177g583whq8:smyx-plant-leaf-disease-identification-analysis","setupComplexity":"low","setupSteps":["Install using `clawhub skill install s17f8q65zg3y98t86jdg1177g583whq8:smyx-plant-leaf-disease-identification-analysis` in an isolated environment before connecting it to live workloads.","No published capability contract is available yet, so validate auth and request/response behavior manually.","Review the upstream CLAWHUB listing at https://clawhub.ai/18072937735/smyx-plant-leaf-disease-identification-analysis before using production credentials."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T07:17:18.897Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-18072937735-smyx-plant-leaf-disease-identification-anal/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T22:13:34.233Z","emptyReason":null},"readme":"Skill: Plant Leaf Disease Identification | 植物叶片病害特征识别\n\nOwner: 18072937735\n\nSummary: AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\nTags: latest:1.0.13\n\nVersion history:\n\nv1.0.13 | 2026-10-01T22:15:26.942Z | auto\n\n- Version updated to 1.0.16.\n- Minor documentation update in SKILL.md; no functional or core behavior changes.\n- Removed the file: skill-card.md.\n- No user-facing logic, workflow, input/output, or API changes in this release.\n\nv1.0.12 | 2026-09-26T17:15:27.772Z | auto\n\n- Updated version number to 1.0.15 in SKILL.md.\n- Minor documentation adjustments in SKILL.md; no feature or interface changes.\n- Removed the file skill-card.md.\n\nv1.0.11 | 2026-09-07T22:04:29.188Z | auto\n\n- Updated version number from 1.0.12 to 1.0.13 in SKILL.md.\n- Removed the file skill-card.md from the project.\n- No functional or usage changes noted; documentation/content remains otherwise unchanged.\n\nv1.0.10 | 2026-08-28T11:02:30.274Z | auto\n\n- Updated SKILL.md to increment version from 1.0.11 to 1.0.12.\n- Removed the file skill-card.md from the repository.\n- No changes to the functionality or workflow. Documentation only.\n\nv1.0.9 | 2026-08-22T14:30:29.619Z | auto\n\n- Updated version to 1.0.11.\n- Documentation changes in SKILL.md (updated version info, no new feature or functional changes described).\n- Removed the file: skill-card.md.\n- Minor configuration changes applied; no user-facing functional impact specified.\n\nv1.0.8 | 2026-08-14T02:08:39.565Z | auto\n\n- Updated skill version to 1.0.10.\n- SKILL.md updated with new version number and description version.\n- Removed redundant or outdated file: skill-card.md.\n- No code or functional changes; documentation and resource cleanup only.\n\nv1.0.7 | 2026-08-07T02:10:38.396Z | auto\n\n- Updated version number from 1.0.7 to 1.0.9.\n- Removed the redundant skill-card.md file to streamline documentation.\n- No changes to core functionality or workflow.\n- All usage instructions, descriptions, and requirements remain unchanged.\n\nv1.0.6 | 2026-07-28T10:32:49.765Z | auto\n\n- Version updated to 1.0.7.\n- Documentation in SKILL.md updated and revised.\n- skill-card.md file removed.\n\nv1.0.5 | 2026-07-17T13:00:29.334Z | auto\n\n- Version bumped to 1.0.6.\n- Documentation updates in SKILL.md; minor content or metadata changes only.\n- Removed the file skill-card.md.\n\nv1.0.4 | 2026-07-11T02:09:40.106Z | auto\n\nsmyx-plant-leaf-disease-identification-analysis v1.0.4\n\n- Updated documentation in SKILL.md, including version and information refresh.\n- skill-card.md file removed for streamlining documentation.\n- Minor code or utility update in skills/smyx_common/scripts/util.py.\n\nv1.0.3 | 2026-07-03T13:12:30.504Z | auto\n\n- Improved user privacy: internal user identity handling is now fully automated and never exposed or requested from users.\n- Historical disease report queries now require cloud API retrieval only; local or memory-based listing is strictly prohibited.\n- Documentation and usage instructions updated for clarity, including simplified parameter usage—no manual input of user identity required.\n- Removed deprecated files and updated workflow for streamlined analysis and report listing.\n- Enhanced output table formatting guidance for Markdown report links.\n\nv1.0.2 | 2026-06-21T22:39:26.023Z | auto\n\n- Updated the shared configuration file path: now checks and uses `skills/smyx_common/scripts/config.yaml` for `api-key` as a fallback for open-id retrieval.\n- Removed the `skill-card.md` file.\n- No functional change to detection logic or usage instructions; primary change is in open-id configuration handling.\n\nv1.0.1 | 2026-06-15T22:58:26.618Z | auto\n\n- Updated skill version to 1.0.2.\n- Added license field (MIT-0) to metadata.\n- Revised open-id config file primary path to scripts/config.yaml (from skills/smyx_common/scripts/config.yaml) for higher-priority lookups.\n- Updated documentation to reflect new config and lookup process.\n- Removed file: skill-card.md.\n\nv1.0.0 | 2026-05-23T14:03:45.772Z | auto\n\nsmyx-plant-leaf-disease-identification-analysis 1.0.0 – Initial release\n\n- Enables AI-powered plant leaf disease identification from high-resolution images, detecting lesion features and outputting likely disease type with confidence score.\n- Supports scenario-based usage including plant factories, greenhouses, home gardening, and farm inspections.\n- Enforces a strict open-id acquisition and validation flow for user identification and report history queries.\n- Offers automated history report retrieval from cloud API with standardized Markdown table output.\n- Provides only visual diagnosis and general preventive advice, explicitly excluding specific chemical treatment recommendations.\n\nArchive index:\n\nArchive v1.0.13: 31 files, 39823 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2217b), SKILL.md (13288b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (473b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (167b)\n\nFile v1.0.13:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.16\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.13:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.13\",\n  \"publishedAt\": 1790892926942\n}\n\nFile v1.0.13:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.13:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.13:scripts/config.yaml\n\n{}\n\nFile v1.0.13:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.13:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.13:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.13:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.13:skill-card.md\n\n## Description:\n\nAnalyzes plant leaf images or videos for disease symptoms and returns a likely diagnosis, confidence information, and general care guidance.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[18072937735](https://clawhub.ai/user/18072937735)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nGrowers, gardeners, and agricultural teams use the skill to assess plant leaf disease symptoms from images or video and review prior analysis reports. Its findings are preliminary guidance rather than a definitive diagnosis or chemical treatment plan.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Images, video, or supplied URLs may be sent to a remote analysis service, including private media or internal URLs.\n\nMitigation: Use only media and URLs approved for remote processing; confirm the publisher's data handling before sharing private content.\n\nRisk: The skill may silently create or reuse an internal identity and store authentication tokens in a local SQLite database.\n\nMitigation: Review account linkage and protect local token storage before installation or use.\n\nRisk: Cloud report-history queries may reveal reports linked to the internally managed identity.\n\nMitigation: Use history queries only in an appropriate account context and review report access before sharing results.\n\n## Reference(s):\n\n- [Plant leaf analysis API documentation](references/api_doc.md)\n- [ClawHub skill listing](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON]\n\n**Output Format:** [Structured analysis report or Markdown history table]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include disease likelihood, confidence, general recommendations, and report links; results can be saved as JSON.]\n\n## Skill Version(s):\n\n1.0.13 (source: ClawHub release metadata)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.13:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.13:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.12: 31 files, 39809 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2143b), SKILL.md (13288b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (473b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (167b)\n\nFile v1.0.12:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.15\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.12:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.12\",\n  \"publishedAt\": 1790442927772\n}\n\nFile v1.0.12:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.12:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.12:scripts/config.yaml\n\n{}\n\nFile v1.0.12:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.12:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.12:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.12:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.12:skill-card.md\n\n## Description:\n\nAnalyzes plant leaf images or videos through a cloud service and returns disease-identification reports and report links.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[18072937735](https://clawhub.ai/user/18072937735)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nGardeners, greenhouse operators, and farm inspectors use this skill to request preliminary plant leaf disease assessments and review past reports. Results are guidance rather than a confirmed diagnosis or chemical treatment plan.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Plant media or supplied URLs are sent to an external cloud service.\n\nMitigation: Review the service's data retention and privacy practices before submitting sensitive media or URLs.\n\nRisk: The skill creates or reuses a persistent identity and stores account tokens in a local workspace database.\n\nMitigation: Confirm that identity-linked storage is acceptable, restrict access to the local database, and ask the publisher about token handling and account deletion.\n\nRisk: The implementation does not cleanly match its advertised plant-diagnosis purpose, so results may be unreliable.\n\nMitigation: Review the integration before installation and confirm important diagnoses with a plant-health specialist.\n\n## Reference(s):\n\n- [ClawHub skill release](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis)\n- [API documentation](references/api_doc.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, JSON, Markdown]\n\n**Output Format:** [Text or JSON analysis report with optional Markdown report links]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Can list cloud report history or save results to a local file.]\n\n## Skill Version(s):\n\n1.0.12 (source: ClawHub release; bundled SKILL.md lists 1.0.15)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.12:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.12:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.11: 31 files, 40107 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2847b), SKILL.md (13288b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (472b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (167b)\n\nFile v1.0.11:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.13\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.11:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.11\",\n  \"publishedAt\": 1788818669188\n}\n\nFile v1.0.11:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.11:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.11:scripts/config.yaml\n\n{}\n\nFile v1.0.11:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.11:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.11:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.11:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: dev\n\nFile v1.0.11:skill-card.md\n\n## Description:\n\nIdentifies likely plant leaf diseases from image or video inputs by analyzing lesion features, returning disease candidates, confidence, general guidance, and report links.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[18072937735](https://clawhub.ai/user/18072937735)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users, growers, greenhouse operators, gardeners, and inspection teams use this skill to analyze plant leaf media for visible disease indicators and retrieve structured diagnosis reports. The output is diagnostic support and should be reviewed alongside plant context and expert judgment.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Uploaded plant images, videos, and report history are processed by the publisher's remote service.\n\nMitigation: Use only non-sensitive media unless users have consented to remote processing and the service operator, retention, and access controls are acceptable.\n\nRisk: The skill can silently create or reuse local identities and tokens.\n\nMitigation: Deploy only where identity creation and account association are explicitly approved, and avoid exposing internal identifiers in user-facing output.\n\nRisk: The shipped configuration includes insecure development HTTP endpoints.\n\nMitigation: Require HTTPS-only production endpoints and remove or block development and test endpoints before using real or sensitive media.\n\nRisk: Plant disease symptoms can overlap, so image-based identification may be uncertain or incomplete.\n\nMitigation: Treat results as diagnostic support, combine them with plant species and growing conditions, and consult a plant health expert before high-impact treatment decisions.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis)\n- [Publisher profile](https://clawhub.ai/user/18072937735)\n- [API documentation](references/api_doc.md)\n- [Shared analysis API documentation](skills/smyx_analysis/references/api_doc.md)\n- [Skill demo](https://lifeemergence.com/sample.html)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, shell commands, configuration, guidance]\n\n**Output Format:** [Markdown text or JSON-style structured report output with report links]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Supports local file and URL media inputs, history report listing, and optional file output.]\n\n## Skill Version(s):\n\n1.0.11 (source: server release metadata; packaged SKILL.md frontmatter reports 1.0.13)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.11:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.11:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.10: 31 files, 40055 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2704b), SKILL.md (13288b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (472b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (167b)\n\nFile v1.0.10:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.12\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.10:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.10\",\n  \"publishedAt\": 1787914950274\n}\n\nFile v1.0.10:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.10:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.10:scripts/config.yaml\n\n{}\n\nFile v1.0.10:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.10:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.10:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.10:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: dev\n\nFile v1.0.10:skill-card.md\n\n## Description:\n\nIdentifies plant leaf disease features from image or video inputs and returns likely disease types, confidence scores, general prevention guidance, and report links.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[18072937735](https://clawhub.ai/user/18072937735)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users, growers, greenhouse operators, home gardeners, and inspection teams use this skill to analyze leaf images or videos for likely disease symptoms and general next steps. It can also retrieve cloud-stored historical plant disease reports associated with the current workspace identity.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Media and report queries are sent to a cloud service rather than processed fully locally.\n\nMitigation: Use only images, videos, and URLs acceptable for cloud processing, and avoid sensitive plant or site media when that transfer is not approved.\n\nRisk: The skill may silently create or reuse a local identity and retain account-linked tokens or report access state in the workspace data directory.\n\nMitigation: Review or clear the workspace data directory before and after use when identity reuse, token persistence, or report history access is not desired.\n\nRisk: Plant disease classifications and severity estimates can be uncertain for unclear images or overlapping symptoms.\n\nMitigation: Treat results as diagnostic support, use clear close-up images, and confirm important treatment decisions with a plant health professional.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis)\n- [Skill demo](https://lifeemergence.com/sample.html)\n- [Plant Leaf Disease Identification API documentation](references/api_doc.md)\n- [Shared analysis API documentation](skills/smyx_analysis/references/api_doc.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, shell commands, configuration, guidance]\n\n**Output Format:** [Markdown text with JSON-style structured analysis results, command examples, and report links]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Accepts local file paths or URLs for image/video inputs, supports historical report listing, and may write an output file when requested.]\n\n## Skill Version(s):\n\n1.0.10 (source: server release metadata; artifact frontmatter reports 1.0.12)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.10:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.10:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.9: 31 files, 39943 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2523b), SKILL.md (13288b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (472b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (166b)\n\nFile v1.0.9:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.11\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.9:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.9\",\n  \"publishedAt\": 1787409029619\n}\n\nFile v1.0.9:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.9:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.9:scripts/config.yaml\n\n{}\n\nFile v1.0.9:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.9:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.9:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.9:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: dev\n\nFile v1.0.9:skill-card.md\n\n## Description:\n\nIdentifies visible plant leaf disease features from images or videos and returns likely disease types, confidence, general prevention guidance, and report links.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[18072937735](https://clawhub.ai/user/18072937735)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users, growers, greenhouse operators, home gardeners, and farm inspectors use this skill to triage plant leaf images or videos for common disease symptoms and retrieve prior analysis reports.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Images, videos, or URLs submitted for analysis may be processed by an external cloud service and associated with an automatically managed identity.\n\nMitigation: Use only media that is acceptable for external processing, avoid sensitive location or business data in uploads, and disclose this processing path to users before deployment.\n\nRisk: The skill may create or reuse local identity state and service tokens for report history retrieval.\n\nMitigation: Run it in an isolated workspace, review local state before installation and after use, and remove stored identity or token files when they are no longer needed.\n\nRisk: The authoritative scanner verdict is suspicious.\n\nMitigation: Perform security review and scanning before deployment, and deploy only after the cloud processing and local identity behavior are acceptable for the target environment.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis)\n- [API documentation](references/api_doc.md)\n- [Shared analysis API documentation](skills/smyx_analysis/references/api_doc.md)\n- [Skill demo](https://lifeemergence.com/sample.html)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON, Guidance]\n\n**Output Format:** [Markdown or JSON analysis report with confidence scores, general recommendations, history tables, and report links]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May optionally write the returned analysis to a user-specified output file.]\n\n## Skill Version(s):\n\n1.0.9 (source: server release metadata; artifact frontmatter lists 1.0.11)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.9:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.9:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.8: 31 files, 39810 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2181b), SKILL.md (13288b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (473b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (166b)\n\nFile v1.0.8:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.10\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.8:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.8\",\n  \"publishedAt\": 1786673319565\n}\n\nFile v1.0.8:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.8:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.8:scripts/config.yaml\n\n{}\n\nFile v1.0.8:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.8:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.8:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.8:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.8:skill-card.md\n\n## Description:\n\nIdentifies likely plant leaf diseases from submitted leaf images or videos, reports lesion features and confidence, and returns general prevention direction without specific chemical treatment plans.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[18072937735](https://clawhub.ai/user/18072937735)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users, growers, greenhouse operators, home gardeners, and farm inspectors use this skill to analyze plant leaf media for visible disease symptoms, likely disease type, confidence, general care direction, and prior report lookup.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Submitted images, videos, or URLs may be sent to LifeEmergence cloud services and tied to an internally managed identity.\n\nMitigation: Avoid sensitive internal URLs or private media unless the publisher provides acceptable retention, deletion, and account-linking controls.\n\nRisk: The skill stores account records or tokens locally and automatically reuses them for account-linked API calls.\n\nMitigation: Review local storage behavior before installation and run the skill only in an environment where local token storage is acceptable.\n\n## Reference(s):\n\n- [API documentation](references/api_doc.md)\n- [SMYX analysis API documentation](skills/smyx_analysis/references/api_doc.md)\n- [Skill demo](https://lifeemergence.com/sample.html)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, JSON, guidance]\n\n**Output Format:** [Markdown or JSON analysis report with optional saved output file]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include likely disease type, lesion features, confidence score, general prevention direction, report link, and historical report table.]\n\n## Skill Version(s):\n\n1.0.8 (source: ClawHub release metadata; artifact frontmatter says 1.0.10)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.8:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.8:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.7: 31 files, 40042 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2772b), SKILL.md (13287b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (473b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (166b)\n\nFile v1.0.7:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.9\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.7:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.7\",\n  \"publishedAt\": 1786068638396\n}\n\nFile v1.0.7:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.7:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.7:scripts/config.yaml\n\n{}\n\nFile v1.0.7:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.7:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.7:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.7:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.7:skill-card.md\n\n## Description:\n\nIdentifies likely plant leaf diseases from leaf image or video inputs by analyzing lesion features and returning a structured report with confidence scores and general prevention guidance.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[18072937735](https://clawhub.ai/user/18072937735)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users and developers use this skill to analyze plant leaf images, videos, local files, or URLs for likely disease type, confidence, and general prevention direction. It is suited for plant factories, greenhouses, home gardening, farm inspection, and horticultural maintenance workflows.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Plant images, videos, or URLs may be sent to lifeemergence.com services for analysis.\n\nMitigation: Use only non-sensitive plant media and confirm external cloud processing is acceptable before installation.\n\nRisk: The skill may silently create or reuse a persistent identity and store local token data in the workspace.\n\nMitigation: Install only in workspaces where persistent account-linked identity behavior is acceptable, and clear local identity or token data when retiring the skill.\n\nRisk: Historical report queries may access account-linked report history.\n\nMitigation: Limit use to accounts where report history access is expected and review retention and account behavior before deployment.\n\nRisk: Disease identification results may be uncertain for unclear images, similar symptoms, or mixed infections.\n\nMitigation: Treat results as diagnostic support, use clear close-range images, and consult plant health experts for high-impact treatment decisions.\n\n## Reference(s):\n\n- [Plant Leaf Disease Identification API Documentation](references/api_doc.md)\n- [Skill Demo](https://lifeemergence.com/sample.html)\n- [ClawHub Skill Page](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, code, shell commands, configuration, guidance]\n\n**Output Format:** [Markdown or JSON structured analysis report, with optional saved text output]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include disease identification results, confidence scores, general prevention guidance, report links, or a Markdown table of historical reports.]\n\n## Skill Version(s):\n\n1.0.7 (source: server release evidence; artifact frontmatter reports 1.0.9)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.7:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.7:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.6: 31 files, 39983 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2664b), SKILL.md (13287b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (473b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (166b)\n\nFile v1.0.6:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.7\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.6:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.6\",\n  \"publishedAt\": 1785234769765\n}\n\nFile v1.0.6:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.6:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.6:scripts/config.yaml\n\n{}\n\nFile v1.0.6:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.6:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.6:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.6:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.6:skill-card.md\n\n## Description: <br>\nIdentifies likely plant leaf diseases from leaf images or videos by analyzing lesion features and returning structured diagnosis results with confidence scores and general care guidance. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[18072937735](https://clawhub.ai/user/18072937735) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users and developers can use this skill to analyze plant leaf media for likely disease type, symptom features, confidence scoring, structured reports, and report-history lookup. It is aimed at plant factories, greenhouses, home gardening, horticulture, and farm inspection workflows. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Uploaded plant images or videos are sent to the publisher's cloud service. <br>\nMitigation: Do not submit sensitive media or private/internal URLs unless the publisher and retention model are trusted. <br>\nRisk: Report history is associated with an automatically managed identity, and auth tokens may be stored in a workspace SQLite database. <br>\nMitigation: Review identity handling and token storage before installation; isolate the workspace when using untrusted or sensitive data. <br>\nRisk: AI plant-disease outputs can be uncertain and are not a substitute for expert diagnosis or regulated treatment advice. <br>\nMitigation: Use results as preliminary guidance and consult a plant pathology or local agricultural expert before acting on severe cases or applying treatments. <br>\n\n\n## Reference(s): <br>\n- [API documentation](references/api_doc.md) <br>\n- [Analysis API documentation](skills/smyx_analysis/references/api_doc.md) <br>\n- [Skill demo](https://lifeemergence.com/sample.html) <br>\n- [ClawHub skill page](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [Text, Markdown, JSON, Guidance] <br>\n**Output Format:** [Structured JSON or Markdown text with report links] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May include disease labels, symptom features, confidence scores, general care guidance, and cloud report export links.] <br>\n\n## Skill Version(s): <br>\n1.0.6 (source: server release metadata; artifact frontmatter reports 1.0.7) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.6:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.6:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.5: 31 files, 40033 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2890b), SKILL.md (13287b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (473b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (166b)\n\nFile v1.0.5:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.6\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.5:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.5\",\n  \"publishedAt\": 1784293229334\n}\n\nFile v1.0.5:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.5:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.5:scripts/config.yaml\n\n{}\n\nFile v1.0.5:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.5:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.5:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.5:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.5:skill-card.md\n\n## Description: <br>\nIdentifies likely plant leaf diseases from leaf images or videos by analyzing visible lesion features and returning a structured result with confidence, general care guidance, and report links. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[18072937735](https://clawhub.ai/user/18072937735) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal gardeners, growers, greenhouse operators, and farm inspectors use this skill to analyze plant leaf images or videos for likely disease type, confidence, and general non-chemical care direction. Agents can also query account-linked historical plant disease reports from the configured cloud service. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Plant images or videos are processed by the configured lifeemergence.com cloud service. <br>\nMitigation: Install and use the skill only where external cloud processing of plant media is approved, and avoid submitting confidential or regulated images unless data handling terms are understood. <br>\nRisk: The skill can silently create or reuse an internal account identity, store related tokens locally, and query account-linked report history. <br>\nMitigation: Run the skill in an isolated workspace, review token and identity state before deployment, and prefer a release that documents how to clear or disable saved identity state. <br>\nRisk: Leaf disease symptoms can be visually similar or mixed, so the generated identification may be uncertain. <br>\nMitigation: Treat results as diagnostic support only, review confidence and image quality, and consult a qualified plant health expert before taking high-impact treatment action. <br>\n\n\n## Reference(s): <br>\n- [Plant Leaf Disease Identification API documentation](references/api_doc.md) <br>\n- [Common analysis API documentation](skills/smyx_analysis/references/api_doc.md) <br>\n- [Skill demo](https://lifeemergence.com/sample.html) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, JSON, shell commands, guidance] <br>\n**Output Format:** [Markdown or JSON analysis output, with optional shell commands for invocation and optional saved result files.] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Returns likely disease identification, confidence, visible lesion features, general care direction, and report links; history queries are returned as Markdown tables.] <br>\n\n## Skill Version(s): <br>\n1.0.5 (source: server release metadata; artifact frontmatter declares 1.0.6) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.5:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.5:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.4: 31 files, 39937 bytes\n\nFiles: references/api_doc.md (693b), scripts/__init__.py (61b), scripts/config.py (692b), scripts/config.yaml (3b), scripts/skill.py (579b), scripts/smyx_plant_leaf_disease_identification_analysis.py (3474b), skill-card.md (2536b), SKILL.md (13287b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (427b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1509b), skills/smyx_analysis/scripts/config.py (1003b), skills/smyx_analysis/scripts/config.yaml (3b), skills/smyx_analysis/scripts/skill.py (6529b), skills/smyx_analysis/scripts/smyx_analysis.py (3833b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (47b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2645b), skills/smyx_common/scripts/base.py (469b), skills/smyx_common/scripts/config-dev.yaml (214b), skills/smyx_common/scripts/config-prod.yaml (0b), skills/smyx_common/scripts/config-test.yaml (256b), skills/smyx_common/scripts/config.py (24363b), skills/smyx_common/scripts/config.yaml (473b), skills/smyx_common/scripts/dao.py (18266b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (28776b), _meta.json (166b)\n\nFile v1.0.4:SKILL.md\n\n---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.5\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant_leaf_disease_identification_analysis --list` 调用 API 查询云端的历史报告数据 |\n| 🚫 严格禁止 | 从本地 `memory` 目录读取历史会话信息 |\n| 🚫 严格禁止 | 手动汇总本地记录中的报告 |\n| 🚫 严格禁止 | 从长期记忆中提取报告 |\n| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |\n\n## 📦 前置准备 | Requirements\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 🚀 操作步骤 | Workflow\n### 🔐 用户身份处理（内部自动完成）\n\n> **绿色安全原则：** 用户身份参数由系统内部自动处理，**不得向用户展示、询问或要求输入任何身份标识**。\n\n执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：\n\n| 场景 | 系统行为 |\n|---|---|\n| 上游系统有内部身份参数 | 由脚本静默接收并使用 |\n| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |\n| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |\n| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |\n\n#### 🔒 关键约束\n\n| 禁止/要求 | 说明 |\n|---|---|\n| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |\n| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |\n| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |\n| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |\n\n---\n\n### 🧪 标准流程 | Standard Flow\n\n| 步骤 | 阶段 | 执行动作 |\n|---:|---|---|\n| 1 | 📥 准备图像/视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |\n| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |\n| 3 | ⚙️ 执行病害识别 | 调用 `-m scripts.smyx_plant_leaf_disease_identification_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看识别结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |\n\n### ⚙️ 脚本参数说明\n\n| 参数 | 含义 | 备注 |\n|---|---|---|\n| `--input` | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |\n| `--url` | 网络植物叶片图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--pet-type` | 对象类型，植物场景默认 other | 按需填写 |\n| `--list` | 显示植物病害识别历史报告列表清单 | 用于云端历史报告查询 |\n| `--api-url` | API 服务地址（可选，使用默认值） | 按需填写 |\n| `--detail` | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |\n| `--output` | 结果输出文件路径（可选） | 可选 |\n\n## 🌿 常见叶片病害特征对照\n\n| 病害名称 | 典型特征 | 易发植物 |\n|----------|----------|----------|\n| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |\n| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |\n| 🟤 叶斑病 | 褐色/黑色坏死斑，常带同心轮纹 | 番茄、辣椒、苹果、月季 |\n| 🟡 霜霉病 | 叶面黄斑，叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |\n| ⚫ 炭疽病 | 暗褐色凹陷斑，中央有橙红色孢子盘 | 草莓、芒果、辣椒 |\n| 🟢 病毒病 | 叶片花叶/卷曲/畸形，无明显斑点 | 番茄、黄瓜、烟草 |\n| 💧 细菌性叶斑 | 水浸状斑点，边缘有黄晕 | 番茄、辣椒、白菜 |\n\n## 🔍 病斑特征识别维度\n\n| 维度 | 观察重点 |\n|------|----------|\n| 颜色 | 白/黄/橙/褐/黑/紫色等 |\n| 形状 | 圆形/椭圆/不规则/多角形 |\n| 边缘 | 清晰/模糊/有/无晕圈 |\n| 分布 | 散生/聚集/沿叶脉/全叶 |\n| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |\n| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |\n\n## 📊 病情严重程度分级\n\n| 等级 | 病叶占比 | 处置建议 |\n|------|----------|----------|\n| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |\n| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |\n| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |\n| 🔴 严重 | >50% | 严重感染，建议销毁病株防止扩散 |\n\n## 💡 通用防治方向参考\n\n| 防治方向 | 适用场景 |\n|----------|----------|\n| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |\n| ✂️ 摘除病叶 | 早期所有病害，减少病原基数 |\n| 💧 调整浇水 | 避免叶面长期湿润，改为根部浇水 |\n| ☀️ 增加光照 | 弱光环境下植株易感病 |\n| 🛡️ 隔离病株 | 防止健康植株感染 |\n| 🌱 选用抗病品种 | 长期解决方案 |\n| 🔬 咨询植保专家 | 重度病害需专业指导 |\n\n> ⚠️ 本技能仅提供**通用防治方向**，**不提供具体化学药剂方案**；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。\n\n## 🗂️ 资源索引 | Resource Index\n| 资源类型 | 路径 | 用途 | 何时读取 |\n|---|---|---|---|\n| 🐍 必要脚本 | [`scripts/smyx_plant_leaf_disease_identification_analysis.py`](scripts/smyx_plant_leaf_disease_identification_analysis.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 🐍 必要脚本 | [`scripts/config.py`](scripts/config.py) | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |\n| 📘 领域参考 | [`references/api_doc.md`](references/api_doc.md) | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |\n\n## ⚠️ 注意事项 | Notes\n| 分类 | 注意事项 |\n|---|---|\n| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |\n| 📁 格式支持 | 支持 jpg/png/mp4/avi/mov 格式，最大 10MB |\n| 🔎 使用提醒 | **拍摄要求**：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果 |\n| 🧑‍⚖️ 结果性质 | **识别结果仅供病害诊断参考，不提供具体化学防治方案**；专业用药请咨询植保专家 |\n| 🔎 使用提醒 | 部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断 |\n| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染，需结合症状综合判定 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载 |\n| 📜 报告输出 | 当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json\n```\n\nFile v1.0.4:_meta.json\n\n{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.4\",\n  \"publishedAt\": 1783735780106\n}\n\nFile v1.0.4:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别\n\nFile v1.0.4:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.4:scripts/config.yaml\n\n{}\n\nFile v1.0.4:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.4:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.4:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.4:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.4:skill-card.md\n\n## Description: <br>\nIdentifies likely plant leaf diseases from leaf images or videos by analyzing lesion color, shape, distribution, and surface deposits, then returns structured findings with confidence and general care guidance. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[18072937735](https://clawhub.ai/user/18072937735) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users, growers, greenhouse operators, home gardeners, and farm inspectors use this skill to triage visible plant leaf disease symptoms from submitted media. It supports diagnosis-oriented reporting and general prevention direction, not definitive expert pathology or chemical treatment selection. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Plant media and URLs are processed through a cloud service. <br>\nMitigation: Use only non-sensitive plant images, videos, and URLs, and review the configured service endpoints before deployment. <br>\nRisk: The skill automatically creates or reuses an identity and may persist user and token data locally. <br>\nMitigation: Review workspace data storage before installation and remove persisted smyx user or token data when decommissioning the skill. <br>\nRisk: Cloud history lookup can expose prior reports associated with the resolved identity. <br>\nMitigation: Run history-listing behavior only in contexts where the associated report history is expected and appropriate to show. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/18072937735/skills/smyx-plant-leaf-disease-identification-analysis) <br>\n- [Plant leaf disease API documentation](references/api_doc.md) <br>\n- [Shared analysis API documentation](skills/smyx_analysis/references/api_doc.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, shell commands, guidance] <br>\n**Output Format:** [Markdown or JSON structured analysis report] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May include confidence-bearing disease findings, general care direction, report export links, and cloud history records.] <br>\n\n## Skill Version(s): <br>\n1.0.4 (source: server release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.4:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.4:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3","readmeExcerpt":"Skill: Plant Leaf Disease Identification | 植物叶片病害特征识别 Owner: 18072937735 Summary: AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"python -m scripts.smyx_plant_leaf_disease_identification_analysis --list"},{"language":"text","snippet":"requests>=2.28.0"},{"language":"bash","snippet":"# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json"},{"language":"bash","snippet":"python -m scripts.smyx_plant_leaf_disease_identification_analysis --list"},{"language":"text","snippet":"requests>=2.28.0"},{"language":"bash","snippet":"# 分析本地植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg\n\n# 分析网络植物叶片图像\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg\n\n# 显示历史识别报告/显示报告清单列表\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n\n# 输出精简报告\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: \"smyx-plant-leaf-disease-identification-analysis\"\ndescription: \"AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\"\nversion: \"1.0.16\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别\n> **智能分析中枢** · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询\n\n---\n\n## 🧭 技能概览 | Overview\n\n| 模块 | 内容 |\n|---|---|\n| 🏷️ 技能名称 | **植物叶片病害特征识别** |\n| 🎯 核心目标 | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。 |\n| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |\n| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |\n| 🧩 场景码 | `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` |\n\nAI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.\n\n通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。\n\n## 🤖 AI 角色 | AI Role\n| 角色要点 | 说明 |\n|---|---|\n| 说明 1 | **假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。** |\n\n## 🎬 技能演示 | Skill Demo\n\n[▶️ 点击查看技能使用介绍](https://lifeemergence.com/sample.html)\n\n---\n\n## 🎯 任务目标 | Goals\n### 1. 🧩 技能用途\n\n通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 叶片病斑检测 |\n| 2 | 病斑特征提取（颜色/形状/分布/表面附着物） |\n| 3 | 常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等） |\n| 4 | 置信度评分 |\n| 5 | 通用防治方向建议 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件 |\n| 📚 历史报告查询 | 当用户提及以下关键词时，**自动触发历史报告查询功能** ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |\n\n### 4. 🤖 自动行为\n\n| 自动行为 | 执行要求 |\n|---|---|\n| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |\n| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |\n\n#### ⚠️ 强制数据获取规则（次高优先级）\n\n> **橙色强约束：** 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。\n\n必须执行：\n\n```bash\npython -m scripts.smyx_plant_leaf_disease_identification_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.smyx_plant"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn7e2caqj7pnsvr9r7t8zenghs83xw7n\",\n  \"slug\": \"smyx-plant-leaf-disease-identification-analysis\",\n  \"version\": \"1.0.13\",\n  \"publishedAt\": 1790892926942\n}"},{"path":"references/api_doc.md","content":"# API 接口文档\n\n此处用于存放植物叶片病害特征识别 API 的接口文档，待后续补充。\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/ai-analysis/v2/start-common-ai-analysis` - 启动通用 AI 分析任务（植物叶片病害识别）\n2. `/web/ai-analysis/get-common-ai-analysis-result` - 获取分析结果\n3. `/web/ai-analysis/page-common-ai-analysis-result` - 分页查询历史报告\n4. `/health/order/api/getReportDetailExport?id={id}` - 导出完整报告\n\n## 场景代码\n\n- `SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS` - 植物叶片病害特征识别"},{"path":"skills/smyx_analysis/references/api_doc.md","content":"# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |"},{"path":"scripts/config.yaml","content":"{}"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":null,"editorialQuality":{"score":100,"threshold":65,"status":"thin","wordCount":929,"uniquenessScore":42,"reasons":["uniqueness-below-45"]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T22:13:34.233Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T22:13:34.233Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T07:17:18.901Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}