{"id":"929183fe-4801-469d-896e-fbc8ce5b5f88","entityType":"agent","slug":"clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis","name":"Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能","canonicalUrl":"https://www.xpersona.co/agent/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis","canonicalPath":"/agent/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis","generatedAt":"2026-10-10T04:26:19.228Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T22:57:31.197Z","emptyReason":null},"description":"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 Skill: Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能 Owner: smyx-sunjinhui Summary: Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测","descriptionLabel":"Technical summary","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 s17cfv2h26b7hq5w47tgfy23xx83z9x6:smyx-pet-detection-feeder-analysis","sourceUrl":"https://clawhub.ai/smyx-sunjinhui/smyx-pet-detection-feeder-analysis","homepage":"https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/smyx-sunjinhui/smyx-pet-detection-feeder-analysis","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":66,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and suppor"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T22:57:31.197Z","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":"2026-10-09T22:57:31.197Z","emptyReason":null},"stars":null,"forks":null,"downloads":1920,"packageName":null,"latestVersion":"1.0.13","tractionLabel":"1.9K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T22:57:31.197Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T22:57:31.197Z","lastCrawledAt":"2026-10-09T22:57:31.197Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T22:57:31.197Z","lastVerifiedAt":null,"highlights":[{"version":"1.0.13","createdAt":"2026-10-03T06:33:41.009Z","changelog":"- Updated SKILL.md with an incremented version number from 1.0.18 to 1.0.19. - Removed the file skill-card.md from the project. - No changes to scripts or functionality; this version primarily involves documentation update and cleanup.","fileCount":31,"zipByteSize":40978},{"version":"1.0.12","createdAt":"2026-09-26T06:28:36.595Z","changelog":"- Updated version number to 1.0.18 in SKILL.md. - Minor documentation/content changes in SKILL.md. - Removed the skill-card.md file. - skills/smyx_common/scripts/config.yaml file modified (detail not specified). No feature or logic changes are indicated; this is primarily a documentation and housekeeping update.","fileCount":31,"zipByteSize":41008},{"version":"1.0.11","createdAt":"2026-08-24T18:34:46.673Z","changelog":"- Removed the file: skill-card.md - No functional or feature changes to the skill itself.","fileCount":31,"zipByteSize":41248},{"version":"1.0.10","createdAt":"2026-08-20T13:23:38.436Z","changelog":"pet-detection-feeder-analysis v1.0.10 Changelog - Updated documentation in SKILL.md, including version info and possibly usage details. - Adjusted configuration in skills/smyx_common/scripts/config.yaml. - Removed redundant file: skill-card.md.","fileCount":31,"zipByteSize":41180},{"version":"1.0.9","createdAt":"2026-08-13T10:02:34.989Z","changelog":"- Removed the file: skill-card.md. - No other functionality or documentation changes in this version.","fileCount":31,"zipByteSize":41262},{"version":"1.0.8","createdAt":"2026-08-06T13:08:37.090Z","changelog":"**Changelog for version 1.0.8:** - Updated SKILL.md to increment the version reference from 1.0.11 to 1.0.12. - Removed the file skill-card.md from the skill package. - Documentation is now maintained solely within SKILL.md; redundant documents have been cleaned up. - No changes to features or code logic in this release.","fileCount":31,"zipByteSize":41124},{"version":"1.0.7","createdAt":"2026-08-01T00:43:33.221Z","changelog":"- Updated documentation in SKILL.md with new version number and information. - Removed the redundant skill-card.md file. - No changes to functionality or APIs; this update is documentation-only.","fileCount":31,"zipByteSize":41164},{"version":"1.0.6","createdAt":"2026-07-16T10:23:30.334Z","changelog":"- Updated version to 1.0.8. - SKILL.md revised for improved clarity and minor documentation adjustments. - Internal scripts updated in skills/smyx_common/scripts/config.py and util.py. - Removed obsolete skill-card.md file. - No changes to core logic or user-facing behavior.","fileCount":31,"zipByteSize":41104}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17cfv2h26b7hq5w47tgfy23xx83z9x6:smyx-pet-detection-feeder-analysis","setupComplexity":"low","setupSteps":["Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"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-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T04:26:19.224Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-pet-detection-feeder-analysis/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":"high","updatedAt":"2026-10-09T22:57:31.197Z","emptyReason":null},"readme":"Skill: Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\n\nOwner: smyx-sunjinhui\n\nSummary: Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\n\nTags: latest:1.0.13\n\nVersion history:\n\nv1.0.13 | 2026-10-03T06:33:41.009Z | auto\n\n- Updated SKILL.md with an incremented version number from 1.0.18 to 1.0.19.\n- Removed the file skill-card.md from the project.\n- No changes to scripts or functionality; this version primarily involves documentation update and cleanup.\n\nv1.0.12 | 2026-09-26T06:28:36.595Z | auto\n\n- Updated version number to 1.0.18 in SKILL.md.\n- Minor documentation/content changes in SKILL.md.\n- Removed the skill-card.md file.\n- skills/smyx_common/scripts/config.yaml file modified (detail not specified).\n\nNo feature or logic changes are indicated; this is primarily a documentation and housekeeping update.\n\nv1.0.11 | 2026-08-24T18:34:46.673Z | auto\n\n- Removed the file: skill-card.md\n- No functional or feature changes to the skill itself.\n\nv1.0.10 | 2026-08-20T13:23:38.436Z | auto\n\npet-detection-feeder-analysis v1.0.10 Changelog\n\n- Updated documentation in SKILL.md, including version info and possibly usage details.\n- Adjusted configuration in skills/smyx_common/scripts/config.yaml.\n- Removed redundant file: skill-card.md.\n\nv1.0.9 | 2026-08-13T10:02:34.989Z | auto\n\n- Removed the file: skill-card.md.\n- No other functionality or documentation changes in this version.\n\nv1.0.8 | 2026-08-06T13:08:37.090Z | auto\n\n**Changelog for version 1.0.8:**\n\n- Updated SKILL.md to increment the version reference from 1.0.11 to 1.0.12.\n- Removed the file skill-card.md from the skill package.\n- Documentation is now maintained solely within SKILL.md; redundant documents have been cleaned up.\n- No changes to features or code logic in this release.\n\nv1.0.7 | 2026-08-01T00:43:33.221Z | auto\n\n- Updated documentation in SKILL.md with new version number and information.\n- Removed the redundant skill-card.md file.\n- No changes to functionality or APIs; this update is documentation-only.\n\nv1.0.6 | 2026-07-16T10:23:30.334Z | auto\n\n- Updated version to 1.0.8.\n- SKILL.md revised for improved clarity and minor documentation adjustments.\n- Internal scripts updated in skills/smyx_common/scripts/config.py and util.py.\n- Removed obsolete skill-card.md file.\n- No changes to core logic or user-facing behavior.\n\nv1.0.5 | 2026-07-01T09:43:32.417Z | auto\n\n- Overhauled user identity handling: identity parameters are now managed internally and never requested from or exposed to the user.\n- Clarified and updated all usage documentation to reflect new identity process; reformulated “open-id” acquisition as a fully automated, background operation.\n- Improved workflow and parameter documentation for greater clarity, including stricter separation of user-facing and internal-only concerns.\n- Enhanced skill overview with clear scenario applications, demos, resource indexes, and structured tables for triggers and workflow.\n- Simplified user experience: users only provide media files/URLs or history queries—no personal identifiers or manual config required.\n- Removed references to identity prompts in errors, examples, and interface; all result outputs now focus solely on analysis/report content.\n\nv1.0.4 | 2026-05-28T05:08:39.216Z | auto\n\n- Major internal restructuring: analysis and common code split into separate modules (`smyx_analysis`, `smyx_common`)\n- Removed legacy face analysis skill files for a streamlined codebase\n- Added new analysis scripts and configuration files under `skills/smyx_analysis`\n- Updated configuration handling and modularized API logic\n- Documentation and resource references refreshed to match new module structure\n\nv1.0.3 | 2026-05-15T06:48:52.277Z | auto\n\nVersion 1.0.3\n\n- Updated configuration scripts: config.yaml, config-dev.yaml, and config-test.yaml files modified.\n- Adjusted common script utilities: changes made in util.py and __init__.py.\n- Updated config.py for improved configuration management.\n- No changes to feature set or usage; changes focus on configuration and utility logic.\n\nv1.0.2 | 2026-05-07T05:48:39.766Z | auto\n\nVersion 1.0.2\n\n- Updated skill scripts in `skills/face_analysis/scripts/skill.py` and `skills/smyx_common/scripts/skill.py`.\n- No visible changes to `SKILL.md`; documentation and feature description remain as in version 1.0.0.\n- Likely internal improvements or bug fixes affecting underlying script logic without altering user-facing behavior or workflow.\n\nv1.0.1 | 2026-05-01T10:44:41.850Z | auto\n\n- Improved configuration management for dev and test environments (config-dev.yaml, config-test.yaml added/updated).\n- Enhanced core configuration logic in scripts/config.py to support better environment separation and parameter handling.\n- Updated SKILL.md documentation and version metadata.\n- Refined utility handling in util.py.\n- Minor adjustments to face analysis and feeder analysis scripts for better compatibility and maintainability.\n\nv1.0.0 | 2026-04-17T03:32:31.184Z | auto\n\nInitial release of the pet-detection-feeder-analysis skill.\n\n- Automatically detects and recognizes cats and dogs appearing in feeder/IPC camera views using computer vision.\n- Supports pet identity recognition and database entry, enabling individualized pet management.\n- Enforces strict memory and data retrieval rules: only allows querying historical reports from cloud APIs, never from local files or long-term memory.\n- Implements mandatory open-id acquisition workflow to ensure user validation before any analysis or report retrieval.\n- Provides clear operational steps, API usage guidelines, and Markdown-formatted report outputs for user clarity.\n- Suitable for smart pet feeding scenarios, helping to prevent unauthorized pets from accessing food.\n\nArchive index:\n\nArchive v1.0.13: 31 files, 40978 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2038b), SKILL.md (11007b), 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 (154b)\n\nFile v1.0.13:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.19\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.13:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.13\",\n \"publishedAt\": 1791009221009\n}\n\nFile v1.0.13:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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 feeder or IPC camera images and videos to detect cats and dogs, recognize individual pets, enroll pet identities, and retrieve past detection reports.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nPet owners and smart-feeder developers use the skill to identify cats and dogs in feeder-camera media, register individual pets, and review detection history for multi-pet feeding workflows.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Camera images, videos, and report history are processed through a cloud service.\n\nMitigation: Use only with footage and report data you are comfortable sharing with the lifeemergence service.\n\nRisk: The skill can silently create or reuse an identity and persist account tokens locally.\n\nMitigation: Review the identity and local token-storage behavior before use, especially in shared workspaces.\n\nRisk: Requests for historical reports can automatically query cloud-stored history.\n\nMitigation: Check that cloud report access is appropriate before requesting or sharing historical reports.\n\n## Reference(s):\n\n- [Skill API documentation](references/api_doc.md)\n- [Analysis API documentation](skills/smyx_analysis/references/api_doc.md)\n- [Skill demonstration](https://lifeemergence.com/sample.html)\n\n## Skill Output:\n\n**Output Type(s):** [Analysis, Markdown, JSON]\n\n**Output Format:** [Structured text or JSON results; Markdown table for report history]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include report links or save results to a file.]\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, 41008 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2065b), SKILL.md (11007b), 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 (154b)\n\nFile v1.0.12:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.18\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.12:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.12\",\n \"publishedAt\": 1790404116595\n}\n\nFile v1.0.12:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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 feeder or pet-camera images and videos to detect cats and dogs, recognize or enroll individual pets, and retrieve prior detection reports.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nPet owners and smart-feeder developers use this skill to identify cats and dogs from camera media, enroll pets for individual recognition, and review historical detection reports.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Pet-camera media, URLs, and report history are handled by a cloud service.\n\nMitigation: Use only with approved media and review cloud data handling before enabling analysis or report lookup.\n\nRisk: The skill creates or reuses cloud account tokens in the workspace data directory.\n\nMitigation: Restrict access to that directory and remove tokens when they are no longer needed.\n\nRisk: A hidden identity selector could be misused by untrusted callers.\n\nMitigation: Remove or strongly authenticate the hidden identity path before allowing untrusted access.\n\n## Reference(s):\n\n- [Skill listing](https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis)\n- [API documentation](artifact/references/api_doc.md)\n- [Skill demonstration](https://lifeemergence.com/sample.html)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON]\n\n**Output Format:** [Structured pet detection reports, enrollment results, report lists, and links; optional JSON output]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include a cloud-hosted report export link.]\n\n## Skill Version(s):\n\n1.0.12 (source: server-resolved ClawHub release; bundled SKILL.md states 1.0.18)\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, 41248 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2774b), SKILL.md (11007b), 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 (154b)\n\nFile v1.0.11:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.14\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.11:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.11\",\n \"publishedAt\": 1787596486673\n}\n\nFile v1.0.11:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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\nBased on computer vision, this skill detects and recognizes cats and dogs in feeder or IPC camera images and videos, supports pet identity recognition and enrollment, and returns structured reports for smart feeding scenarios.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nDevelopers and smart-feeding operators use this skill to analyze feeder or IPC camera media for cat and dog detection, pet identity recognition, pet enrollment, and historical report lookup. It is intended to support pet identification management and feeding decisions, with results treated as reference material that may require human confirmation.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill sends pet-camera images, videos, URLs, identity values, and authentication tokens to backend services.\n\nMitigation: Install only when the publisher and backend service are trusted, and disclose or limit media uploads according to the deployment's privacy requirements.\n\nRisk: The packaged default environment can use insecure HTTP development endpoints for private media and credentials.\n\nMitigation: Switch configuration to HTTPS production endpoints before operational use and review endpoint settings during deployment.\n\nRisk: The skill silently handles reusable identity and service tokens and may persist identity-related data in the workspace database.\n\nMitigation: Restrict workspace access, rotate service credentials as appropriate, and review local persistence practices before installation.\n\nRisk: Pet recognition and feeding recommendations can be incorrect or incomplete.\n\nMitigation: Use results as smart-feeding reference material and require human confirmation for consequential care or feeding decisions.\n\n## Reference(s):\n\n- [API Documentation](references/api_doc.md)\n- [Skill Demo](https://lifeemergence.com/sample.html)\n- [ClawHub Skill Page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, json, shell commands, guidance]\n\n**Output Format:** [Markdown and JSON structured analysis reports]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include pet detection or enrollment results, historical report tables, recommendations, and report links.]\n\n## Skill Version(s):\n\n1.0.11 (source: server 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 v1.0.11: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, 41180 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2597b), SKILL.md (11007b), 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 (154b)\n\nFile v1.0.10:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.14\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.10:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.10\",\n \"publishedAt\": 1787232218436\n}\n\nFile v1.0.10:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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\nAnalyzes smart feeder or IPC camera media to detect cats and dogs, recognize pet identity, enroll pets in a recognition database, and list historical analysis reports.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nDevelopers and operators use this skill to route pet feeder or IPC camera images, videos, or media URLs through a cloud analysis service and return pet detection, identity recognition, enrollment, recommendations, and historical report results.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The security review states that the skill sends pet images, videos, media URLs, identity data, and analysis requests to cloud or development endpoints.\n\nMitigation: Use only media whose upload and retention expectations are acceptable, and review the configured endpoint before running the skill.\n\nRisk: The security review states that the skill can silently create or reuse a remote account and store access tokens in the workspace.\n\nMitigation: Run it in a controlled workspace, review local token storage, and remove credentials when the skill is no longer needed.\n\nRisk: The security review verdict is suspicious because requests are bound to local or derived identity and use under-scoped cloud or development endpoints.\n\nMitigation: Install only after confirming the publisher, account behavior, endpoint configuration, and data handling are acceptable for the deployment.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis)\n- [Skill demo](https://lifeemergence.com/sample.html)\n- [API documentation](references/api_doc.md)\n- [Analysis API documentation](skills/smyx_analysis/references/api_doc.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON, Files, Shell commands]\n\n**Output Format:** [Markdown status text with structured JSON sections and optional saved result files]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Outputs may include report links and historical report tables returned by the provider service.]\n\n## Skill Version(s):\n\n1.0.10 (source: ClawHub server release metadata; artifact frontmatter reports 1.0.14)\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, 41262 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2703b), SKILL.md (11007b), 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 (153b)\n\nFile v1.0.9:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.12\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.9:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.9\",\n \"publishedAt\": 1786615354989\n}\n\nFile v1.0.9:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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: prod\n\nFile v1.0.9:skill-card.md\n\n## Description:\n\nAnalyzes feeder or IPC camera images and videos to detect cats and dogs, recognize pet identities, enroll pets in a recognition database, and return structured reports for smart feeding workflows.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal smart-feeder users and agent builders use this skill to submit pet camera media or URLs for cloud-based pet detection, identity recognition, enrollment, and history report lookup.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Pet-camera images, videos, supplied URLs, account-linked report history, and generated identity values may be sent to LifeEmergence-hosted APIs.\n\nMitigation: Install only when that cloud handling is acceptable, and avoid sensitive signed URLs or private household footage unless the user has approved that processing.\n\nRisk: The skill may silently create or reuse an identity and store service tokens in a local SQLite-backed workspace data directory.\n\nMitigation: Review and protect the local workspace data directory, rotate or remove cached tokens when no longer needed, and avoid shared workspaces for sensitive pet-camera reports.\n\nRisk: Automated pet detection and identity recognition can be incorrect or incomplete.\n\nMitigation: Treat results as smart-feeding support only and require human confirmation before using the analysis for safety, health, or feeding decisions.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis)\n- [Publisher profile](https://clawhub.ai/user/smyx-sunjinhui)\n- [Skill demo](https://lifeemergence.com/sample.html)\n- [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, json, shell commands, configuration, guidance]\n\n**Output Format:** [Markdown summaries and JSON-like structured analysis results, with optional saved JSON output files and report links.]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include cloud-hosted report or export links and history tables; output detail can be basic, standard, or json.]\n\n## Skill Version(s):\n\n1.0.9 (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 v1.0.9: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, 41124 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2435b), SKILL.md (11007b), 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 (153b)\n\nFile v1.0.8:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.12\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.8:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.8\",\n \"publishedAt\": 1786021717090\n}\n\nFile v1.0.8:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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\nAnalyzes feeder or IPC camera images and videos to detect cats and dogs, recognize pet identity, support enrollment, and return structured pet-recognition reports.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users and agents use this skill to analyze smart-feeder or IPC camera media for pet detection, cat/dog classification, individual pet recognition, pet enrollment, and historical report lookup.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill sends feeder or IPC camera images/videos, media URLs, pet identity/enrollment data, and report history to cloud services.\n\nMitigation: Use only with a trusted publisher and service, and confirm users are comfortable sharing this media and pet identity data before deployment.\n\nRisk: The skill may silently manage identities and associate historical reports with locally stored user data.\n\nMitigation: Review identity handling and report-access behavior before use, and avoid exposing internal identity values in user-facing output.\n\nRisk: The skill may reuse a local API key file, create a local SQLite user database, and store service tokens locally.\n\nMitigation: Inspect the workspace data directory before and after use, restrict file permissions, and rotate or remove stored credentials when they are no longer needed.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis)\n- [Publisher profile](https://clawhub.ai/user/smyx-sunjinhui)\n- [Skill demo](https://lifeemergence.com/sample.html)\n- [API reference](references/api_doc.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, json, shell commands]\n\n**Output Format:** [Markdown, JSON, and plain text status or report output]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include cloud report links, historical report tables, and optional saved output files.]\n\n## Skill Version(s):\n\n1.0.8 (source: server release metadata; artifact frontmatter says 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 v1.0.8: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, 41164 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2634b), SKILL.md (11007b), 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 (153b)\n\nFile v1.0.7:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.11\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.7:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.7\",\n \"publishedAt\": 1785545013221\n}\n\nFile v1.0.7:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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:
\nBased on computer vision, this skill detects and recognizes cats and dogs from smart feeder or IPC camera media, supports pet identity recognition and enrollment, and returns structured pet recognition reports.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nExternal users and developers use this skill to analyze smart feeder or IPC camera images, videos, or media URLs for cat and dog detection, pet identity recognition, pet enrollment, and cloud report history lookup. The results support smart feeding workflows and should be treated as advisory rather than a substitute for human confirmation.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Private pet-camera images, videos, media URLs, and identity-linked report history may be processed by the Life Emergence cloud service.
\nMitigation: Use only media appropriate for that service, avoid private or internal URLs and token-bearing links, and obtain user consent before analysis or history lookup.
\nRisk: The skill may retain locally resolved account tokens or default identity data in the workspace.
\nMitigation: Review or delete the workspace data database and stored API key file when local token retention is not desired.
\nRisk: Pet detection and identity recognition results may be incorrect or incomplete for feeding decisions.
\nMitigation: Treat results as smart-feeding guidance and confirm important outcomes manually before acting on them.
\n\n\n## Reference(s):
\n- [Skill Demo](https://lifeemergence.com/sample.html)
\n- [API Documentation](references/api_doc.md)
\n- [ClawHub Skill Page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, json, shell commands, guidance]
\n**Output Format:** [Markdown reports and JSON structured results]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [May include detection results, enrollment results, report-history tables, suggestions, report links, and optional file output.]
\n\n## Skill Version(s):
\n1.0.7 (source: server release metadata)
\n\n## Ethical Considerations:
\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, 41104 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2379b), SKILL.md (11006b), 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 (153b)\n\nFile v1.0.6:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.8\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.6:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.6\",\n \"publishedAt\": 1784197410334\n}\n\nFile v1.0.6:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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:
\nDetects and recognizes cats and dogs from smart feeder or IPC camera images and videos, supports pet identity matching and enrollment, and returns structured analysis reports for smart feeding workflows.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nExternal users and developers use this skill to analyze smart feeder or IPC camera media, enroll pet identities, and query historical pet detection reports for smart feeding scenarios.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: The skill sends pet-camera images, videos, URLs, report queries, and internal user identifiers to lifeemergence.com and open.lifeemergence.com services.
\nMitigation: Use only when that remote processing is acceptable, and review the publisher's account, retention, deletion, and data handling documentation before installation.
\nRisk: The skill silently creates or logs into a remote account and stores authentication tokens locally without clear user control.
\nMitigation: Run in an isolated workspace where appropriate, and verify how to clear the local SQLite database, data/smyx-api-key.txt identity state, and any retained tokens.
\n\n\n## Reference(s):
\n- [Skill demo](https://lifeemergence.com/sample.html)
\n- [API interface documentation](references/api_doc.md)
\n- [Analysis API documentation](skills/smyx_analysis/references/api_doc.md)
\n\n\n## Skill Output:
\n**Output Type(s):** [Text, Markdown, JSON, Shell commands, Configuration]
\n**Output Format:** [Markdown reports, JSON detail output, and optional saved text or JSON files.]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Accepts local media paths or public media URLs; supports mp4, avi, mov, jpg, png, and jpeg inputs up to 10 MB.]
\n\n## Skill Version(s):
\n1.0.6 (source: server release metadata; artifact frontmatter reports 1.0.8)
\n\n## Ethical Considerations:
\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 v1.0.6: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, 40923 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10887b), scripts/skill.py (582b), skill-card.md (2699b), SKILL.md (11006b), 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 (22801b), 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 (28605b), _meta.json (153b)\n\nFile v1.0.5:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.7\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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 | 📥 准备媒体输入 | 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 | ⚙️ 执行宠物检测分析/底库录入 | 调用 `-m scripts.pet_detection_feeder_analysis` 处理输入（**必须在技能根目录下运行脚本**） |\n| 4 | 📊 查看分析结果 | 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` | 本地视频/图片文件路径 | 适用于本地文件分析 |\n| `--url` | 网络视频/图片 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |\n| `--media-type` | 媒体类型，可选值：video/image，默认 video | 按需填写 |\n| `--pet-type` | 宠物类型，可选值：cat/dog，默认 cat | 按需填写 |\n| `--pet-id` | 宠物ID/名称，用于底库录入（必填项，录入时必须提供） | 按需填写 |\n| `--action` | 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入） | 按需填写 |\n| `--list` | 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 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## 🗂️ 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/pet_detection_feeder_analysis.py`](scripts/pet_detection_feeder_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 | 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB |\n| 🔎 使用提醒 | 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高 |\n| 🧑⚖️ 结果性质 | 分析结果仅供智能喂养参考，不能替代人工确认 |\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| 📁 格式支持 | 当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含\" |\n| 📜 报告输出 | 表格输出示例 |\n\n## 🧰 使用示例 | Examples\n```bash\n# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json\n```\n\nFile v1.0.5:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.5\",\n \"publishedAt\": 1782899012417\n}\n\nFile v1.0.5:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\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:
\nUses computer vision to detect and recognize cats and dogs in smart-feeder or IPC camera media, including pet identity matching, enrollment, and history-report lookup.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nExternal users and developers use this skill to analyze smart-feeder or IPC camera images, videos, or media URLs for pet detection, cat/dog classification, pet identity recognition, pet enrollment, and cloud history-report retrieval.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Media files, media URLs, and pet-analysis history queries may be sent to Lifeemergence/Open API services and associated with an automatically selected local identity.
\nMitigation: Use only media and URLs that are appropriate to share with that backend, and avoid private camera URLs unless its retention and access practices are acceptable.
\nRisk: The skill silently creates or reuses a local user identity and may store tokens in the local workspace data directory or SQLite database.
\nMitigation: Review and protect the local workspace data directory, and remove or rotate stored credentials when the skill is no longer needed.
\nRisk: Pet recognition results and feeding suggestions can be incorrect or incomplete.
\nMitigation: Treat outputs as advisory and confirm important feeding, identity, or health-related decisions manually.
\n\n\n## Reference(s):
\n- [ClawHub Skill Page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-pet-detection-feeder-analysis)
\n- [API Reference](references/api_doc.md)
\n- [Shared Analysis API Reference](skills/smyx_analysis/references/api_doc.md)
\n- [Skill Demo](https://lifeemergence.com/sample.html)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, json, shell commands, guidance]
\n**Output Format:** [Markdown reports and tables with optional JSON result blocks and file output paths.]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [May include report links and pet detection, enrollment, or history-query results derived from remote API responses.]
\n\n## Skill Version(s):
\n1.0.5 (source: server release metadata; artifact frontmatter states 1.0.7)
\n\n## Ethical Considerations:
\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 v1.0.5: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: 32 files, 36969 bytes\n\nFiles: references/api_doc.md (666b), scripts/__init__.py (31b), scripts/api_service.py (1706b), scripts/config.py (732b), scripts/config.yaml (3b), scripts/pet_detection_feeder_analysis.py (10871b), scripts/skill.py (582b), skill-card.md (2619b), SKILL.md (11195b), skills/smyx_analysis/__init__.py (0b), skills/smyx_analysis/references/api_doc.md (2094b), skills/smyx_analysis/requirements.txt (45b), skills/smyx_analysis/scripts/__init__.py (0b), skills/smyx_analysis/scripts/api_service.py (1857b), 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 (3706b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (45b), skills/smyx_common/scripts/__init__.py (177b), skills/smyx_common/scripts/api_service.py (2518b), 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 (22771b), skills/smyx_common/scripts/config.yaml (463b), skills/smyx_common/scripts/dao.py (11119b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (15959b), _meta.json (153b)\n\nFile v1.0.4:SKILL.md\n\n---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.2\"\n---\n\n# Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\n\n## ⚠️ 强制记忆规则（最高优先级）\n\n**本技能明确约定：**\n\n- **绝对禁止读取任何本地记忆文件**：包括但不限于 `memory/YYYY-MM-DD.md`、`MEMORY.md` 等本地文件\n- **绝对禁止从 LanceDB 长期记忆中检索信息**\n- **所有历史检测报告查询必须从云端接口获取**，不得使用本地记忆中的历史数据\n- 即使技能调用失败或接口异常，也不得回退到本地记忆汇总\n\n## 任务目标\n\n- 本 Skill 用于：通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n- 能力包含：宠物检测识别、猫/狗分类、宠物身份识别、宠物底库录入、历史检测记录查询\n- 触发条件:\n 1. **默认触发**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能\n 2. 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件\n 3. 当用户提及以下关键词时，**自动触发历史报告查询功能**\n ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告\n- 自动行为：\n 1. 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 2. **⚠️ 强制数据获取规则（次高优先级）**：如果用户触发任何历史报告查询关键词（如\"查看所有检测报告\"、\"\n 显示所有宠物检测报告\"、\"查看历史报告\"等），**必须**：\n - 直接使用 `python -m scripts.pet_detection_feeder_analysis --list --open-id` 参数调用 API\n 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、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告\n - **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\n\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\n\n### 🔒 open-id 获取流程控制（强制执行，防止遗漏）\n\n**在执行宠物检测分析前，必须按以下优先级顺序获取 open-id：**\n\n```\n第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）\n 路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）\n 完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml\n → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id\n ↓ (未找到/未配置/api-key 为空)\n第 2 步：检查 workspace 公共目录的配置文件\n 路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml\n → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id\n ↓ (未找到/未配置)\n第 3 步：检查用户是否在消息中明确提供了 open-id\n ↓ (未提供)\n第 4 步：❗ 必须暂停执行，明确提示用户提供用户名或手机号作为 open-id\n```\n\n**⚠️ 关键约束：**\n\n- **禁止**自行假设,自行推导,自行生成 open-id 值（如 openclaw-control-ui、default、petFeeder123 等）\n- **禁止**跳过 open-id 验证直接调用 API\n- **必须**在获取到有效 open-id 后才能继续执行分析\n- 如果用户拒绝提供 open-id，说明用途（用于保存和查询宠物检测报告记录），并询问是否继续\n\n---\n\n- 标准流程:\n 1. **准备媒体输入**\n - 提供喂食器视角本地视频/图片文件路径或网络视频/图片 URL\n - 确保画面清晰展示喂食区域，光线充足\n 2. **获取 open-id（强制执行）**\n - 按上述流程控制获取 open-id\n - 如无法获取，必须提示用户提供用户名或手机号\n 3. **执行宠物检测分析/底库录入**\n - 调用 `-m scripts.pet_detection_feeder_analysis` 处理媒体文件（**必须在技能根目录下运行脚本**）\n - 参数说明:\n - `--input`: 本地视频/图片文件路径\n - `--url`: 网络视频/图片 URL 地址（API 服务自动下载）\n - `--media-type`: 媒体类型，可选值：video/image，默认 video\n - `--pet-type`: 宠物类型，可选值：cat/dog，默认 cat\n - `--pet-id`: 宠物ID/名称，用于底库录入（必填项，录入时必须提供）\n - `--action`: 操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入）\n - `--open-id`: 当前用户的 open-id（必填，按上述流程获取）\n - `--list`: 显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围）\n - `--api-key`: API 访问密钥（可选）\n - `--api-url`: API 服务地址（可选，使用默认值）\n - `--detail`: 输出详细程度（basic/standard/json，默认 json）\n - `--output`: 结果输出文件路径（可选）\n 4. **查看分析结果**\n - 检测识别：接收结构化的宠物识别报告，包含：宠物基本信息、宠物类型、身份识别结果、置信度、出现次数统计\n - 底库录入：接收录入结果反馈，确认宠物信息已存入底库\n\n## 资源索引\n\n- 必要脚本：见 [scripts/pet_detection_feeder_analysis.py](scripts/pet_detection_feeder_analysis.py)(用途：调用 API\n 进行宠物检测识别，本地文件上传，网络 URL 由 API 服务自动下载)\n- 配置文件：见 [scripts/config.py](scripts/config.py)(用途：配置 API 地址、默认参数和媒体格式限制)\n- 领域参考：见 [references/api_doc.md](references/api_doc.md)(何时读取：需要了解 API 接口详细规范和错误码时)\n\n## 注意事项\n\n- 仅在需要时读取参考文档，保持上下文简洁\n- 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB\n- 适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高\n- API 密钥可选，如果通过参数传入则必须确保调用鉴权成功，否则忽略鉴权\n- 分析结果仅供智能喂养参考，不能替代人工确认\n- 禁止临时生成脚本，只能用技能本身的脚本\n- 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- 当显示历史检测报告清单的时候，从数据 json 中提取字段 reportImageUrl 作为超链接地址，使用 Markdown 表格格式输出，包含\"\n 报告名称\"、\"媒体类型\"、\"检测时间\"、\"点击查看\"四列，其中\"报告名称\"列使用`宠物喂食器检测分析报告-{记录id}`形式拼接, \"\n 点击查看\"列使用\n `[🔗 查看报告](reportImageUrl)`\n 格式的超链接，用户点击即可直接跳转到对应的完整报告页面。\n- 表格输出示例：\n | 报告名称 | 媒体类型 | 检测时间 | 点击查看 |\n |----------|----------|----------|----------|\n | 宠物喂食器检测分析报告-20260312172200001 | 视频 | 2026-03-12 17:22:\n 00 | [🔗 查看报告](https://example.com/report?id=xxx) |\n\n## 使用示例\n\n```bash\n# 检测本地视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat --open-id openclaw-control-ui\n\n# 检测网络视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat --open-id openclaw-control-ui\n\n# 检测本地图片（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog --open-id openclaw-control-ui\n\n# 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll --open-id openclaw-control-ui\n\n# 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list --open-id openclaw-control-ui\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --open-id your-open-id --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --open-id your-open-id --output result.json\n```\n\nFile v1.0.4:_meta.json\n\n{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.4\",\n \"publishedAt\": 1779944919216\n}\n\nFile v1.0.4:references/api_doc.md\n\n# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析\n\nFile v1.0.4:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口地址\n\n`POST https://your-api-server.com/api/v1/common-analysis`\n\n## 请求头\n\n| 字段 | 必选 | 说明 |\n|--------------|----|-------------------------------|\n| X-API-Key | 是 | API访问密钥 |\n| Content-Type | 是 | 文件上传或 application/json（URL模式） |\n\n## 请求参数\n\n### 1. 文件上传模式\n\n| 字段 | 类型 | 必选 | 说明 |\n|--------------|--------|----|---------------------------------------|\n| video | file | 是 | MP4视频文件 |\n| detail_level | string | 否 | 输出详细程度：basic/standard/full，默认standard |\n\n### 2. URL模式\n\n| 字段 | 类型 | 必选 | 说明 |\n|--------------|--------|----|---------------------------------------|\n| video_url | string | 是 | 可公开访问的视频URL |\n| detail_level | string | 否 | 输出详细程度：basic/standard/full，默认standard |\n\n## 响应格式\n\n```json\n{\n \"code\": 200,\n \"message\": \"success\",\n \"data\": {\n \"analysis_time\": \"2026-03-10 15:30:00\",\n \"face_detection\": {\n \"status\": \"success\",\n \"face_count\": 1,\n \"quality_score\": 95\n },\n \"diagnosis\": {\n \"overall_constitution\": \"平和质\",\n \"organ_condition\": {\n \"liver\": \"正常\",\n \"heart\": \"轻微火旺\",\n \"spleen\": \"略虚\",\n \"lung\": \"正常\",\n \"kidney\": \"正常\"\n },\n \"color_analysis\": {\n \"complexion\": \"微黄\",\n \"correspondence\": \"脾胃功能略弱\"\n }\n },\n \"health_warnings\": [\n \"注意休息，避免熬夜\"\n ],\n \"suggestions\": [\n \"饮食清淡，减少辛辣食物摄入\"\n ]\n }\n}\n```\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\nenv: prod\n\nApiEnum:\n api-key:\n api-secret-key:\n database-url:\n base-url-open-api: \"https://open.lifeemergence.com/smyx-open-api\"\n base-url-open-h5: \"http://livemonitor.lifeemergence.com\"\n base-url-health: \"https://lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n is-debug: false\n app--id: x1a3s4nwy1s2r4se\n current--tentant-code: \"XIAN_ZHAO_GAN_ZHI\"\n feishu-app--id: cli_a93d769369badcb1\n feishu-app--secret:\n default--skill-platform-name: ARK_CLAW\n\nFile v1.0.4:skill-card.md\n\n## Description:
\nThis skill analyzes feeder or IPC camera images and videos to detect cats and dogs, recognize pet identities, enroll pets, and retrieve cloud report history for smart feeding workflows.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nDevelopers and ClawHub users use this skill to run pet detection and identity recognition on feeder or IPC camera media, enroll pets into a recognition database, and retrieve cloud-hosted report history for smart feeding workflows.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: The security summary reports handling of user identifiers, credentials, cloud uploads, report history, and token persistence without clear user-facing disclosure.
\nMitigation: Review before installing, use a purpose-limited open-id instead of an API key, username, or phone number, and check local token storage behavior before production use.
\nRisk: Feeder or IPC camera media uploaded for analysis may contain people or private home context.
\nMitigation: Avoid uploading sensitive home camera footage unless the remote service and retention policy are trusted.
\nRisk: The security verdict is suspicious and the dependency list may need review.
\nMitigation: Scan and validate dependencies and remote-service configuration before using the skill in a production workflow.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/smyx-pet-detection-feeder-analysis)
\n- [Pet detection API documentation](references/api_doc.md)
\n- [Shared analysis API documentation](skills/smyx_analysis/references/api_doc.md)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, JSON, shell commands, configuration, guidance]
\n**Output Format:** [Markdown report text or JSON, with optional saved output file]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Requires an open-id and sends local files or public media URLs to a remote API; history output can include links to cloud report images.]
\n\n## Skill Version(s):
\n1.0.4 (source: server release metadata; bundled frontmatter says 1.0.2)
\n\n## Ethical Considerations:
\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 v1.0.4: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\nyaml==6.0.3","readmeExcerpt":"Skill: Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能 Owner: smyx-sunjinhui Summary: Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"python -m scripts.pet_detection_feeder_analysis --list"},{"language":"text","snippet":"requests>=2.28.0"},{"language":"bash","snippet":"# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json"},{"language":"bash","snippet":"python -m scripts.pet_detection_feeder_analysis --list"},{"language":"text","snippet":"requests>=2.28.0"},{"language":"bash","snippet":"# 检测本地视频\npython -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频\npython -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片\npython -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）\npython -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）\npython -m scripts.pet_detection_feeder_analysis --list\n\n# 输出精简报告\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic\n\n# 保存结果到文件\npython -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: \"pet-detection-feeder-analysis\"\ndescription: \"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理\"\nversion: \"1.0.19\"\nlicense: \"MIT-0\"\n---\n\n# 🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能\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 | **智能喂食器宠物检测识别技能** |\n| 🎯 核心目标 | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 |\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 | `PET_DETECTION_FEEDER` |\n\nBased on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets\nsuch as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not\nonly supports high-precision breed determination but also possesses powerful individual identity recognition\ncapabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding\nscenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling\npersonalized \"recognition-based feeding\" services. This effectively prevents non-target pets from stealing food,\nproviding reliable technical support for scientific pet ownership and refined health management.\n\n本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑\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\n### 1. 🧩 技能用途\n\n通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 宠物检测识别 |\n| 2 | 猫/狗分类 |\n| 3 | 宠物身份识别 |\n| 4 | 宠物底库录入 |\n| 5 | 历史检测记录查询 |\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**：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件 |\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** ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告 |\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.pet_detection_feeder_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.pet_detection_feeder_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"},{"path":"_meta.json","content":"{\n \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n \"slug\": \"smyx-pet-detection-feeder-analysis\",\n \"version\": \"1.0.13\",\n \"publishedAt\": 1791009221009\n}"},{"path":"references/api_doc.md","content":"# API 接口文档\n\n此处用于存放宠物健康分析 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- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 主要接口\n\n1. `/web/health-analysis/v2/start-health-analysis` - 启动健康分析任务\n2. `/web/health-analysis/v2/get-health-analysis-result` - 获取分析结果\n3. `/web/health-analysis/page-health-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- `OPEN_PET_HEALTH_ANALYSIS` - 开放平台宠物健康分析"},{"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":"Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理 Skill: Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能 Owner: smyx-sunjinhui Summary: Based on computer vision, automatically detects and recognizes cats and dogs appearing in the target area from the perspective of feeder/IPC cameras, and supports pet identity recognition and database entry, suitable for pet identification management in smart feeding scenarios. | 智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":967,"uniquenessScore":46,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T22:57:31.197Z","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":"2026-10-09T22:57:31.197Z","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":"2026-10-10T04:26:19.228Z","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"}]}}}