{"id":"f16550ee-4947-42fd-b6d5-32c62f386491","entityType":"agent","slug":"clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis","name":"Plant Disease Recognition Skill | 植物病害识别技能","canonicalUrl":"https://www.xpersona.co/agent/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis","canonicalPath":"/agent/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis","generatedAt":"2026-10-10T09:50:39.745Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T00:34:29.818Z","emptyReason":null},"description":"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 Skill: Plant Disease Recognition Skill | 植物病害识别技能 Owner: smyx-sunjinhui Summary: Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 Tags: latest:1.0.11 Version history:","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.8K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s17cfv2h26b7hq5w47tgfy23xx83z9x6:smyx-plant-disease-recognition-analysis","sourceUrl":"https://clawhub.ai/smyx-sunjinhui/smyx-plant-disease-recognition-analysis","homepage":"https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/smyx-sunjinhui/smyx-plant-disease-recognition-analysis","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":65,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports incl"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T00:34:29.818Z","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":"2026-10-10T00:34:29.818Z","emptyReason":null},"stars":null,"forks":null,"downloads":1834,"packageName":null,"latestVersion":"1.0.11","tractionLabel":"1.8K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T00:34:29.818Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T00:34:29.818Z","lastCrawledAt":"2026-10-10T00:34:29.818Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T00:34:29.818Z","lastVerifiedAt":null,"highlights":[{"version":"1.0.11","createdAt":"2026-08-29T00:42:37.403Z","changelog":"- Updated skill version to 1.0.14. - SKILL.md content updated. - Removed the redundant file skill-card.md.","fileCount":30,"zipByteSize":38752},{"version":"1.0.10","createdAt":"2026-08-17T00:23:44.026Z","changelog":"- Removed the file skill-card.md from the project. - No changes to code, logic, or documentation content within SKILL.md. - This update removes only an auxiliary metadata/descriptor file.","fileCount":30,"zipByteSize":38718},{"version":"1.0.9","createdAt":"2026-08-16T12:22:29.114Z","changelog":"**Summary:** Minor version update with documentation and config cleanup. - Updated version number in SKILL.md from 1.0.12 to 1.0.13. - Removed unused file: skill-card.md. - Internal config and documentation adjustments; no user-facing functionality changes.","fileCount":30,"zipByteSize":38765},{"version":"1.0.8","createdAt":"2026-08-05T01:14:37.186Z","changelog":"- Updated SKILL.md with new version information and minor documentation revisions. - Removed the skill-card.md file. - No functional or code changes; update is limited to documentation and metadata cleanup.","fileCount":30,"zipByteSize":38697},{"version":"1.0.7","createdAt":"2026-07-27T14:43:32.637Z","changelog":"- Updated version number in SKILL.md from 1.0.8 to 1.0.10. - Removed the file skill-card.md. - No user-facing functionality or logic changes documented.","fileCount":30,"zipByteSize":38782},{"version":"1.0.6","createdAt":"2026-07-17T02:14:27.930Z","changelog":"- Removed the file `skill-card.md`. - No changes to skill functionality or API. - Documentation and usage remain unchanged.","fileCount":30,"zipByteSize":38687},{"version":"1.0.5","createdAt":"2026-07-11T03:24:26.694Z","changelog":"- Updated SKILL.md: version bump to 1.0.8 and resource/documentation adjustments. - Internal code improvements in config.py and util.py. - Removed redundant skill-card.md file. - No changes to core functionality or user-facing commands.","fileCount":30,"zipByteSize":38791},{"version":"1.0.4","createdAt":"2026-07-01T12:14:27.289Z","changelog":"- Updated version to 1.0.6. - Removed the file skill-card.md. - Updated documentation in SKILL.md, including version number and potentially minor wording or formatting. - No functional changes or new features introduced in this release.","fileCount":30,"zipByteSize":38422}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17cfv2h26b7hq5w47tgfy23xx83z9x6:smyx-plant-disease-recognition-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-plant-disease-recognition-analysis/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T09:50:39.741Z"}},"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-plant-disease-recognition-analysis/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-analysis/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-smyx-sunjinhui-smyx-plant-disease-recognition-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":"2026-10-10T00:34:29.818Z","emptyReason":null},"readme":"Skill: Plant Disease Recognition Skill | 植物病害识别技能\n\nOwner: smyx-sunjinhui\n\nSummary: Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\n\nTags: latest:1.0.11\n\nVersion history:\n\nv1.0.11 | 2026-08-29T00:42:37.403Z | auto\n\n- Updated skill version to 1.0.14.\n- SKILL.md content updated.\n- Removed the redundant file skill-card.md.\n\nv1.0.10 | 2026-08-17T00:23:44.026Z | auto\n\n- Removed the file skill-card.md from the project.\n- No changes to code, logic, or documentation content within SKILL.md.\n- This update removes only an auxiliary metadata/descriptor file.\n\nv1.0.9 | 2026-08-16T12:22:29.114Z | auto\n\n**Summary:** Minor version update with documentation and config cleanup.\n\n- Updated version number in SKILL.md from 1.0.12 to 1.0.13.\n- Removed unused file: skill-card.md.\n- Internal config and documentation adjustments; no user-facing functionality changes.\n\nv1.0.8 | 2026-08-05T01:14:37.186Z | auto\n\n- Updated SKILL.md with new version information and minor documentation revisions.\n- Removed the skill-card.md file.\n- No functional or code changes; update is limited to documentation and metadata cleanup.\n\nv1.0.7 | 2026-07-27T14:43:32.637Z | auto\n\n- Updated version number in SKILL.md from 1.0.8 to 1.0.10.\n- Removed the file skill-card.md.\n- No user-facing functionality or logic changes documented.\n\nv1.0.6 | 2026-07-17T02:14:27.930Z | auto\n\n- Removed the file `skill-card.md`.\n- No changes to skill functionality or API.\n- Documentation and usage remain unchanged.\n\nv1.0.5 | 2026-07-11T03:24:26.694Z | auto\n\n- Updated SKILL.md: version bump to 1.0.8 and resource/documentation adjustments.\n- Internal code improvements in config.py and util.py.\n- Removed redundant skill-card.md file.\n- No changes to core functionality or user-facing commands.\n\nv1.0.4 | 2026-07-01T12:14:27.289Z | auto\n\n- Updated version to 1.0.6.\n- Removed the file skill-card.md.\n- Updated documentation in SKILL.md, including version number and potentially minor wording or formatting.\n- No functional changes or new features introduced in this release.\n\nv1.0.3 | 2026-06-25T08:14:29.792Z | auto\n\nMajor update: Skill structure refactored and user privacy process improved.\n\n- Full modular refactor: new analysis and common submodules (`smyx_analysis` and `smyx_common`), with improved script organization.\n- All face analysis skill code and assets removed for a cleaner codebase.\n- User identity (“open-id”) is now handled entirely internally and automatically: users are never prompted for, nor shown, user identifiers.\n- Cloud-only history/query: all historical report queries strictly use the API; forbidden to retrieve or collate from local memory or logs.\n- Updated documentation: clearer workflow, API call instructions, privacy policy, and usage examples.\n- Explicit privacy & security statement added; user data and media handled confidentially and securely.\n\nv1.0.2 | 2026-05-15T17:09:42.875Z | auto\n\n- Internal refactoring and improvements to common utility scripts in the smyx_common module.\n- Enhanced configuration handling in skills/smyx_common/scripts/config.py.\n- Updated internal logic in face_analysis script dependencies.\n- No changes to user-facing features or documented skill usage.\n\nv1.0.1 | 2026-05-03T20:20:37.809Z | auto\n\n- Improved configuration management in core scripts and config files.\n- Added/updated sample and test YAML config files for better environment separation.\n- Enhanced code structure and maintainability across analysis and utility scripts.\n- Updated documentation for increased clarity and accuracy.\n\nv1.0.0 | 2026-04-18T16:28:25.068Z | auto\n\nplant-disease-recognition-analysis v1.0.0\n\n- Initial release of the skill with computer vision and deep learning for plant disease identification.\n- Supports both image and video input, including local file upload and network URL analysis.\n- Outputs structured diagnostic reports detailing disease type, cause, and prevention suggestions.\n- Strict process for open-id acquisition before analysis, ensuring privacy and correct user identification.\n- Historical analysis reports must be queried from the cloud interface only—local memory use is forbidden.\n- Markdown table output for history queries, with direct links to full analysis reports.\n\nArchive index:\n\nArchive v1.0.11: 30 files, 38752 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2500b), SKILL.md (11604b), 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 (159b)\n\nFile v1.0.11:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.14\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.11:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.11\",\n  \"publishedAt\": 1787964157403\n}\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\nAnalyzes plant images or videos through a cloud service to identify likely diseases and return structured diagnosis reports with causes, severity, prevention suggestions, and report links.\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 agricultural support teams use this skill to submit clear plant disease images or videos for cloud-based visual analysis, diagnostic reporting, and prevention guidance. It also supports querying prior analysis reports associated with the resolved account identity.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Plant images or videos are sent to a vendor cloud service for analysis.\n\nMitigation: Use only media that is appropriate for vendor processing, and review organizational data handling and retention requirements before deployment.\n\nRisk: The skill silently creates or reuses an account identity and can query cloud report history.\n\nMitigation: Confirm account ownership expectations and disclose report-history behavior to users or administrators before enabling the skill.\n\nRisk: Authentication tokens may be stored in a local workspace database.\n\nMitigation: Restrict workspace access, rotate credentials when needed, and include the local data directory in operational security reviews.\n\n## Reference(s):\n\n- [ClawHub skill listing](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis)\n- [Publisher profile](https://clawhub.ai/user/smyx-sunjinhui)\n- [Skill demo](https://lifeemergence.com/sample.html)\n- [API documentation](artifact/skills/smyx_analysis/references/api_doc.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, shell commands, configuration, guidance]\n\n**Output Format:** [Markdown or JSON-formatted text containing diagnostic findings, recommendations, status messages, and report links]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Can optionally write the returned report text to a local output file.]\n\n## Skill Version(s):\n\n1.0.11 (source: server release metadata; artifact frontmatter states 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 v1.0.11: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: 30 files, 38718 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2391b), SKILL.md (11604b), 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 (159b)\n\nFile v1.0.10:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.13\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.10:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.10\",\n  \"publishedAt\": 1786926224026\n}\n\nFile v1.0.10:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.10:scripts/config.yaml\n\n{}\n\nFile v1.0.10:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.10:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.10:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.10:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: dev\n\nFile v1.0.10:skill-card.md\n\n## Description:\n\nIdentifies plant diseases from image or video inputs using computer vision and returns structured diagnostic reports with disease type, likely cause, and prevention suggestions.\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\nFarmers, gardeners, plant-protection staff, and developers use this skill to analyze plant disease symptoms in images or videos, retrieve structured diagnosis reports, and review prevention or control suggestions.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Plant media and report metadata are sent to the provider's cloud service.\n\nMitigation: Use the skill only when the provider's retention and deletion practices are acceptable, and avoid submitting sensitive farm, location, account, or personally identifying media.\n\nRisk: The skill may create or reuse persistent local identity state and store service tokens.\n\nMitigation: Review identity and token handling before deployment, restrict local state access, and clear stored credentials when decommissioning the skill.\n\nRisk: Bundled configuration includes insecure private development endpoints.\n\nMitigation: Review and replace endpoint configuration with approved production HTTPS services before operational use.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis)\n- [Skill demo](https://lifeemergence.com/sample.html)\n- [API interface reference](skills/smyx_analysis/references/api_doc.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON, Shell commands, Guidance]\n\n**Output Format:** [Markdown or JSON diagnostic reports, with shell commands for invoking analysis and history queries.]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Supports local file paths or public URLs for plant images and videos; history queries can return report links.]\n\n## Skill Version(s):\n\n1.0.10 (source: server release metadata; artifact frontmatter says 1.0.13)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.10: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: 30 files, 38765 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2507b), SKILL.md (11604b), 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 (158b)\n\nFile v1.0.9:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.13\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.9:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.9\",\n  \"publishedAt\": 1786882949114\n}\n\nFile v1.0.9:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.9:scripts/config.yaml\n\n{}\n\nFile v1.0.9:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.9:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.9:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.9:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: dev\n\nFile v1.0.9:skill-card.md\n\n## Description:\n\nAccurately identifies plant diseases from image or video input and returns structured diagnostic reports with disease type, cause, severity, prevention suggestions, and report links.\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\nAgricultural, gardening, and plant-protection users can submit clear plant images or videos to receive disease recognition, severity assessment, and prevention guidance. The skill can also retrieve prior cloud reports associated with the current local identity.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill sends submitted plant media and identity-linked metadata to the publisher's cloud service.\n\nMitigation: Use it only with media and metadata appropriate for that service, and review the publisher's data handling expectations before deployment.\n\nRisk: The skill may create or reuse a local account identity and store service tokens in a workspace SQLite database.\n\nMitigation: Treat workspace data as sensitive, restrict local access, and clear or rotate stored credentials when the skill is no longer needed.\n\nRisk: Security evidence reports configuration drift toward development HTTP or private-IP endpoints while the documentation promises HTTPS.\n\nMitigation: Review and correct the active configuration to approved HTTPS production endpoints before use.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis)\n- [Skill demo](https://lifeemergence.com/sample.html)\n- [API documentation](skills/smyx_analysis/references/api_doc.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON, Shell commands, Guidance]\n\n**Output Format:** [Markdown or JSON diagnostic output with analysis status, structured findings, prevention suggestions, and optional report links.]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Supports local media paths, media URLs, optional output files, and historical report listing.]\n\n## Skill Version(s):\n\n1.0.9 (source: server release metadata; artifact frontmatter declares 1.0.13)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.9: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: 30 files, 38697 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2301b), SKILL.md (11604b), 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 (158b)\n\nFile v1.0.8:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.12\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.8:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.8\",\n  \"publishedAt\": 1785892477186\n}\n\nFile v1.0.8:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.8:scripts/config.yaml\n\n{}\n\nFile v1.0.8:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.8:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.8:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.8:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.8:skill-card.md\n\n## Description:\n\nIdentifies plant diseases from image or video input and returns structured diagnostic reports with disease type, cause, severity, prevention suggestions, and report links.\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 plant photos or videos for disease diagnosis, prevention guidance, and cloud report retrieval. It is intended for agricultural production, horticulture, garden maintenance, and plant protection workflows where visual symptoms need structured triage.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Plant images or videos may be uploaded to the publisher's cloud service for analysis.\n\nMitigation: Avoid sensitive media unless cloud processing by this publisher is acceptable, and review organizational data-handling requirements before use.\n\nRisk: The skill may automatically create or reuse an account identity, query cloud report history, read a workspace API-key file, and persist session tokens locally.\n\nMitigation: Use isolated workspaces for evaluation, review local credential and token storage before installation, and confirm account-linked history behavior is acceptable.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis)\n- [API interface documentation](skills/smyx_analysis/references/api_doc.md)\n- [Skill demo](https://lifeemergence.com/sample.html)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON, Shell commands, Guidance]\n\n**Output Format:** [Markdown and structured JSON text with optional report links]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Supports local image/video files, public media URLs, history-list queries, and optional file output.]\n\n## Skill Version(s):\n\n1.0.8 (source: server release metadata; artifact frontmatter states 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: 30 files, 38782 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2663b), SKILL.md (11604b), 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 (158b)\n\nFile v1.0.7:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.10\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.7:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.7\",\n  \"publishedAt\": 1785163412637\n}\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: <br>\nIdentifies plant diseases from image or video input and returns structured diagnostic reports with disease type, likely cause, severity context, prevention suggestions, and report links. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users, developers, and agricultural or horticultural teams use this skill to submit plant images or videos for cloud-based disease recognition and to retrieve structured analysis reports or report history. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill sends plant images, videos, URLs, and associated account identifiers to a cloud service for analysis and report-history retrieval. <br>\nMitigation: Review cloud data handling expectations before installation and use only with media and identifiers that are appropriate to send to the service. <br>\nRisk: The skill may create or reuse a local identity and store service tokens in a local SQLite database with limited user control. <br>\nMitigation: Run in an approved environment, review local credential storage before deployment, and clear local state when identity reuse is not desired. <br>\nRisk: The server evidence classifies the release as suspicious despite no listed individual risk findings. <br>\nMitigation: Perform a security review before installing and restrict execution until the cloud API behavior and local token handling are acceptable. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis) <br>\n- [API reference](artifact/skills/smyx_analysis/references/api_doc.md) <br>\n- [Skill demo](https://lifeemergence.com/sample.html) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, json, shell commands, files] <br>\n**Output Format:** [Markdown or JSON text, with optional file output when an output path is provided.] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May include cloud report links and history-list records; image and video inputs are sent to a cloud service for analysis.] <br>\n\n## Skill Version(s): <br>\n1.0.7 (source: server release metadata; artifact frontmatter reports 1.0.10) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.7: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: 30 files, 38687 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2432b), SKILL.md (11603b), 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 (158b)\n\nFile v1.0.6:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.8\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.6:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.6\",\n  \"publishedAt\": 1784254467930\n}\n\nFile v1.0.6:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.6:scripts/config.yaml\n\n{}\n\nFile v1.0.6:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.6:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.6:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.6:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.6:skill-card.md\n\n## Description: <br>\nIdentifies plant diseases from image or video input and returns structured diagnostic reports with disease type, likely cause, severity, prevention suggestions, and report links. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users, growers, gardeners, and plant-care developers use this skill to analyze plant photos or videos for disease diagnosis and prevention guidance. It can also retrieve cloud-hosted historical analysis reports associated with the resolved user identity. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill sends plant images or videos to configured Life Emergence cloud APIs for analysis. <br>\nMitigation: Use only when users are comfortable sharing those media inputs with the configured cloud service, and confirm the publisher's retention and deletion practices before deployment. <br>\nRisk: The skill silently creates or reuses a cloud-linked identity and may keep local SQLite records that include authentication tokens. <br>\nMitigation: Review before installing, require clear disclosure or opt-in for account creation and token storage, and document how local and cloud report data can be deleted. <br>\n\n\n## Reference(s): <br>\n- [API documentation](skills/smyx_analysis/references/api_doc.md) <br>\n- [Skill demo](https://lifeemergence.com/sample.html) <br>\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, JSON, shell commands, guidance] <br>\n**Output Format:** [Markdown or JSON diagnostic reports with optional shell command examples.] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May include disease labels, likely causes, severity, prevention suggestions, report links, and historical report listings.] <br>\n\n## Skill Version(s): <br>\n1.0.6 (source: release evidence; artifact frontmatter reports 1.0.8) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.6:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.6:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.5: 30 files, 38791 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2679b), SKILL.md (11603b), 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 (158b)\n\nFile v1.0.5:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.8\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.5:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.5\",\n  \"publishedAt\": 1783740266694\n}\n\nFile v1.0.5:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.5:scripts/config.yaml\n\n{}\n\nFile v1.0.5:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.5:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.5:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.5:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.5:skill-card.md\n\n## Description: <br>\nIdentifies plant diseases from image or video inputs and returns structured diagnostic reports with disease type, likely cause, severity, prevention suggestions, and report links. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users and developers use this skill to analyze plant disease symptoms in local image/video files or public media URLs, then receive a diagnostic report and prevention guidance. It can also retrieve cloud-hosted historical analysis reports associated with the current internal identity. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Plant images, videos, or media URLs may be sent to the publisher's cloud service with an internal user identifier. <br>\nMitigation: Use only with media suitable for cloud processing, verify the publisher's retention and deletion practices, and avoid submitting sensitive images or videos unless that data flow is acceptable. <br>\nRisk: The skill may create or reuse a local identity and store tokens or profile data in the workspace. <br>\nMitigation: Run it in a controlled workspace, limit access to local skill data, and remove stored identity or token data when it is no longer needed. <br>\nRisk: Historical report retrieval can expose reports associated with the current internal identity. <br>\nMitigation: Use the history feature only where report reuse is expected, and review account/report access before enabling it in shared environments. <br>\n\n\n## Reference(s): <br>\n- [ClawHub Skill Page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis) <br>\n- [Skill Demo](https://lifeemergence.com/sample.html) <br>\n- [API Documentation](skills/smyx_analysis/references/api_doc.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [Text, Markdown, JSON, Files, Guidance] <br>\n**Output Format:** [Markdown or JSON diagnostic report, with optional saved output file.] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Outputs may include disease findings, prevention suggestions, report links, and historical report tables.] <br>\n\n## Skill Version(s): <br>\n1.0.5 (source: server release metadata; artifact frontmatter reports 1.0.8) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.5:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.5:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.4: 30 files, 38422 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2569b), SKILL.md (11603b), 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 (158b)\n\nFile v1.0.4:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.6\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.4:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.4\",\n  \"publishedAt\": 1782908067289\n}\n\nFile v1.0.4:skills/smyx_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口规范\n\n- 基础地址：由 smyx_common 配置统一管理\n- 认证方式：API Key 鉴权\n- 请求格式：支持文件上传\n- 响应格式：JSON\n\n## 错误码说明\n\n| 错误码 | 说明       |\n|-----|----------|\n| 400 | 请求参数错误   |\n| 401 | API密钥无效  |\n| 403 | 权限不足     |\n| 413 | 文件过大     |\n| 415 | 不支持的文件格式 |\n| 500 | 服务器内部错误  |\n\nFile v1.0.4:scripts/config.yaml\n\n{}\n\nFile v1.0.4:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.4:skills/smyx_common/scripts/config-dev.yaml\n\nApiEnum:\n  base-url-open-api: \"http://192.168.1.234:9601/smyx-open-api\"\n  base-url-open-h5: \"http://192.168.1.234:4100\"\n  base-url-health: \"http://192.168.1.234:7070/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.4:skills/smyx_common/scripts/config-test.yaml\n\nApiEnum:\n  base-url-open-api: \"https://livemonitortest.lifeemergence.com/smyx-open-api\"\n  base-url-open-h5: \"http://livemonitortest.lifeemergence.com\"\n  base-url-health: \"https://healthtest.lifeemergence.com/jeecg-boot-xzgz\"\n\nConstantEnum:\n  is-debug: true\n\nFile v1.0.4:skills/smyx_common/scripts/config.yaml\n\nApiEnum:\n  api-key: null\n  api-secret-key: null\n  base-url-health: https://lifeemergence.com/jeecg-boot-xzgz\n  base-url-open-api: https://open.lifeemergence.com/smyx-open-api\n  base-url-open-h5: http://livemonitor.lifeemergence.com\n  database-url: null\nConstantEnum:\n  app--id: x1a3s4nwy1s2r4se\n  current--tentant-code: XIAN_ZHAO_GAN_ZHI\n  default--skill-platform-name: ARK_CLAW\n  feishu-app--id: cli_a93d769369badcb1\n  feishu-app--secret: null\n  is-debug: false\nenv: prod\n\nFile v1.0.4:skill-card.md\n\n## Description: <br>\nAccurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, and outputs structured diagnostic reports including disease type, cause, and prevention suggestions. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users, agricultural operators, gardeners, and plant-care agents use this skill to analyze plant images or videos for likely disease type, severity, causes, prevention suggestions, report links, and historical report lists. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Plant images, videos, or media URLs are sent to lifeemergence.com services for analysis. <br>\nMitigation: Use the skill only with media that may be processed by that remote service, and avoid submitting sensitive or regulated imagery unless the deployment has approved that data flow. <br>\nRisk: Reports are associated with a reusable local/cloud identity. <br>\nMitigation: Review whether identity-linked report history is appropriate for the deployment before installation and use. <br>\nRisk: Account tokens and generated SQLite data may be stored in the workspace data directory. <br>\nMitigation: Review or clear data/smyx-api-key.txt and generated SQLite data when identity reuse or local token persistence is not desired. <br>\n\n\n## Reference(s): <br>\n- [API Interface Documentation](skills/smyx_analysis/references/api_doc.md) <br>\n- [Skill Demo](https://lifeemergence.com/sample.html) <br>\n- [ClawHub Skill Page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, shell commands, guidance] <br>\n**Output Format:** [Markdown or JSON diagnostic report text, with optional Markdown tables for historical reports] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May include disease diagnosis, severity, prevention suggestions, report links, and cloud report history.] <br>\n\n## Skill Version(s): <br>\n1.0.4 (source: server release metadata; artifact frontmatter states 1.0.6) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.4:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.4:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.3: 30 files, 35563 bytes\n\nFiles: scripts/__init__.py (31b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3198b), scripts/skill.py (579b), skill-card.md (2506b), SKILL.md (11603b), 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 (13468b), skills/smyx_common/scripts/skill.py (2473b), skills/smyx_common/scripts/util.py (23409b), _meta.json (158b)\n\nFile v1.0.3:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.5\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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## 📸 识别要求 | Recognition Requirements\n| 要求项 | 说明 |\n|---|---|\n| 病征部位清晰 | 发病部位（叶片、果实、茎秆）完整出镜，对焦清晰 |\n| 典型症状展示 | 尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位 |\n| 光线充足均匀 | 避免强光逆光、严重阴影和过曝 |\n| 视频拍摄 | 尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度 |\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 | 📥 准备病害输入 | 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 | ⚙️ 执行植物病害识别分析 | 调用 `-m scripts.plant_disease_recognition_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| `--list` | 显示历史植物病害识别分析报告列表清单（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/plant_disease_recognition_analysis.py`](scripts/plant_disease_recognition_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，图片支持 jpg/jpeg/png，最大 10MB |\n| 🧑‍⚖️ 结果性质 | 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员 |\n| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |\n| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |\n| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段  作为超链接地址，且自动转化为如下 Markdown |\n| 📜 报告输出 | 表格输出示例 |\n\n## 📝 隐私与数据安全声明 | Privacy & Data Security\n| 序号 | 说明 |\n|---:|---|\n| 1 | **数据保密处理** |\n| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息，**不保存任何可直接识别个人身份的明文信息**。 |\n| 3 | **安全传输** |\n| 4 | 所有数据（包括视频文件及关联标识）均通过 **HTTPS/TLS 加密通道** 发送至云端 API 进行分析，防止数据在传输过程中被窃取或篡改。 |\n| 5 | **数据留存策略** |\n| 6 | 云端服务器遵循“最小必要原则”，**分析任务完成后即刻删除原始视频数据，不进行持久化存储**，确保用户隐私数据不被留存或滥用。 |\n## 🧰 使用示例 | Examples\n```bash\n# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json\n```\n\nFile v1.0.3:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.3\",\n  \"publishedAt\": 1782375269792\n}\n\nFile v1.0.3: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 v1.0.3:scripts/config.yaml\n\n{}\n\nFile v1.0.3:skills/smyx_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.3: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 v1.0.3: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 v1.0.3: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 v1.0.3:skill-card.md\n\n## Description: <br>\nIdentifies plant diseases from image or video input and returns structured diagnostic reports with disease type, likely cause, severity context, prevention suggestions, and report links. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[smyx-sunjinhui](https://clawhub.ai/user/smyx-sunjinhui) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users, developers, and agricultural support teams use this skill to analyze plant disease symptoms in uploaded images, videos, or media URLs and receive diagnostic reports and prevention guidance. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Plant photos, videos, URLs, and identifiers are sent to external lifeemergence.com services. <br>\nMitigation: Use only with clear user consent, approved data-flow review, and retention/deletion terms appropriate for the deployment. <br>\nRisk: The skill can create or reuse an internal account identity and store tokens in a local SQLite database. <br>\nMitigation: Run with scoped credentials, protect local storage, and review identity lifecycle and token cleanup before installation. <br>\nRisk: Cloud report history is linked to the internal identity and can be queried by the skill. <br>\nMitigation: Limit access to trusted operators and confirm that history retrieval, retention, and deletion behavior match user expectations. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/smyx-sunjinhui/skills/smyx-plant-disease-recognition-analysis) <br>\n- [Skill demo](https://lifeemergence.com/sample.html) <br>\n- [API interface documentation](artifact/skills/smyx_analysis/references/api_doc.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [Text, Markdown, JSON, Shell commands, Guidance] <br>\n**Output Format:** [Markdown and JSON diagnostic reports, with optional saved output files.] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Can return a diagnosis for a submitted plant image/video or a Markdown table of cloud report history.] <br>\n\n## Skill Version(s): <br>\n1.0.3 (source: server release metadata; artifact frontmatter reports 1.0.5) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nFile v1.0.3:skills/smyx_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.3:skills/smyx_common/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nPyYAML==6.0.3\n\nArchive v1.0.2: 31 files, 36187 bytes\n\nFiles: scripts/__init__.py (31b), scripts/api_service.py (1553b), scripts/config.py (650b), scripts/config.yaml (3b), scripts/plant_disease_recognition_analysis.py (3167b), scripts/skill.py (579b), SKILL.md (11965b), skills/face_analysis/__init__.py (0b), skills/face_analysis/README.md (2497b), skills/face_analysis/references/api_doc.md (1744b), skills/face_analysis/requirements.txt (45b), skills/face_analysis/scripts/__init__.py (0b), skills/face_analysis/scripts/api_service.py (1857b), skills/face_analysis/scripts/config.py (1182b), skills/face_analysis/scripts/config.yaml (3b), skills/face_analysis/scripts/face_analysis.py (7053b), skills/face_analysis/scripts/skill.py (11274b), skills/smyx_common/__init__.py (0b), skills/smyx_common/requirements.txt (2246b), 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 (9279b), skills/smyx_common/scripts/config.yaml (463b), skills/smyx_common/scripts/dao.py (11119b), skills/smyx_common/scripts/skill.py (2535b), skills/smyx_common/scripts/util.py (17168b), _meta.json (158b)\n\nFile v1.0.2:SKILL.md\n\n---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.0\"\n---\n\n# Plant Disease Recognition Skill | 植物病害识别技能\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\n\n## 演示案例\n\n- [🔗 通过网路视频进行识别分析](https://www.coze.cn/s/pcRNsewBZtk/)\n- [🔗 通过上传视频进行识别分析](https://www.coze.cn/s/zhYN4ZE8xU8/)\n- [🔗 显示历史分析报告](https://www.coze.cn/s/Irs87YpwNm8/)\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：识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n- 能力包含：病斑检测、病害分类、严重程度评估、防治建议输出\n- 支持输入：视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析\n- 支持场景：\n    - **农田病害诊断**：大田作物病害快速识别，指导及时防治\n    - **设施园艺**：大棚果蔬病害早期发现，预防病害扩散\n    - **果园管理**：果树病害诊断，指导科学用药\n    - **居家绿植**：家庭盆栽植物病害识别，提供养护建议\n    - **植保普查**：田间病害调查，提高普查效率\n    - **田间视频监测**：大田监测视频自动分析，发现病害早期预警\n- 触发条件:\n    1. **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能\n    2. 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能\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       ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告\n- 自动行为：\n    1. 如果用户上传了附件或者视频/图片文件，则自动保存到技能目录下 attachments\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\"查看所有识别报告\"、\"\n       显示所有植物病害识别\"、\"\n       查看历史报告\"等），**必须**：\n        - 直接使用 `python -m scripts.plant_disease_recognition_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## 识别要求（获得准确结果的前提）\n\n为了获得准确的病害识别，请确保：\n\n1. **病征部位清晰**：发病部位（叶片、果实、茎秆）完整出镜，对焦清晰\n2. **典型症状展示**：尽量拍摄典型病斑特征，避免完全腐烂无法辨认的部位\n3. **光线充足均匀**：避免强光逆光、严重阴影和过曝\n4. **视频拍摄**：尽量缓慢移动镜头，覆盖所有发病部位，避免画面抖动过度\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**在执行植物病害识别分析前，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、plant123、id456 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（用于保存和查询识别报告记录），并询问是否继续\n\n---\n\n- 标准流程:\n    1. **准备病害输入**\n        - 提供本地视频/图片文件路径或网络 URL\n        - 确保发病部位清晰，典型症状完整\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. **执行植物病害识别分析**\n        - 调用 `-m scripts.plant_disease_recognition_analysis` 处理输入（**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（使用 multipart/form-data 方式上传）\n            - `--url`: 网络视频/图片 URL 地址（API 服务自动下载）\n            - `--open-id`: 当前用户的 open-id（必填，按上述流程获取）\n            - `--list`: 显示历史植物病害识别分析报告列表清单（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        - 接收结构化的植物病害识别诊断报告\n        - 包含：输入基本信息、病害名称、病害类型（真菌/细菌/病毒/生理）、严重程度、致病原因分析、防治措施建议\n\n## 资源索引\n\n- 必要脚本：见 [scripts/plant_disease_recognition_analysis.py](scripts/plant_disease_recognition_analysis.py)\n  (用途：调用 API 进行植物病害识别分析，本地文件使用 multipart/form-data 方式上传，网络 URL 由 API 服务自动下载)\n\n- 配置文件：见 [scripts/config.py](scripts/config.py)(用途：配置 API 地址、默认参数和格式限制)\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，图片支持 jpg/jpeg/png，最大 10MB\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- 分析结果仅供病害诊断参考，具体防治请结合实际情况或咨询植保专业人员\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- 当显示历史分析报告清单的时候，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\"、\"病害样本数\"、\"分析时间\"、\"点击查看\"四列，其中\"报告名称\"列使用`植物病害识别报告-{记录id}`形式拼接, \"点击查看\"\n  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 | 病害样本数 | 分析时间 | 点击查看 |\n  |----------|----------|----------|----------|\n  | 植物病害识别报告-20260414232700001 | 1份 | 2026-04-14 23:27:00 | [🔗 查看报告](https://example.com/report?id=xxx) |\n\n## 使用示例\n\n```bash\n# 识别本地视频中的植物病害（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4 --open-id openclaw-control-ui\n\n# 识别本地图片中的植物病害（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg --open-id openclaw-control-ui\n\n# 识别网络视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4 --open-id openclaw-control-ui\n\n# 识别网络图片（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg --open-id openclaw-control-ui\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list --open-id openclaw-control-ui\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --open-id your-open-id --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --open-id your-open-id --output result.json\n```\n\nFile v1.0.2:skills/face_analysis/README.md\n\n# 中医面诊分析工具 (face-analysis)\n\n## 技能介绍\n这是一个基于AI的中医面诊分析技能，可以通过面部视频自动分析健康状况，返回结构化的诊断结果和养生建议。\n\n## 快速开始\n### 1. 配置API信息\n编辑 `scripts/config.py`，设置你的API地址和密钥：\n```python\nDEFAULT_API_URL = \"https://your-api-server.com/api/v1/face-analysis\"\nDEFAULT_API_KEY = \"your-api-key-here\"\n```\n\n### 2. 分析本地视频\n```bash\npython scripts/face_analysis.py --input /path/to/your/video.mp4\n```\n\n### 3. 分析网络视频\n```bash\npython scripts/face_analysis.py --url https://example.com/video.mp4\n```\n\n## 功能特性\n- ✅ 支持本地MP4视频上传\n- ✅ 支持网络视频URL分析\n- ✅ 三种输出详细程度：精简/标准/完整\n- ✅ 结构化JSON结果输出\n- ✅ 自动保存结果到文件\n- ✅ 内置视频格式和大小校验\n\n## 目录结构\n```\nface-analysis/\n├── SKILL.md              # 技能说明文件（系统自动加载）\n├── README.md             # 本说明文件\n├── scripts/\n│   ├── face_analysis.py  # 主程序\n│   └── config.py         # 配置文件\n├── references/\n│   ├── api_doc.md        # API接口文档\n│   ├── tcm_theory.md     # 中医面诊理论参考\n│   └── faq.md            # 常见问题\n└── assets/\n    └── template.json     # 返回结果模板\n```\n\n## 使用示例\n### 标准输出\n```\n📊 中医面诊分析报告\n==================================================\n⏰ 分析时间: 2026-03-10 15:30:00\n🎯 人脸检测: success (置信度: 95分)\n\n🔍 诊断结果:\n  整体体质: 平和质\n  脏腑状况:\n    liver: 正常\n    heart: 轻微火旺\n    spleen: 略虚\n    lung: 正常\n    kidney: 正常\n  面色分析: 微黄\n  对应提示: 脾胃功能略弱\n\n⚠️ 健康警示:\n  ⚠️  注意休息，避免熬夜\n\n💡 养生建议:\n  💡 饮食清淡，减少辛辣食物摄入\n  💡 保持规律作息，每晚11点前入睡\n  💡 适当进行有氧运动，如散步、太极拳\n==================================================\n```\n\n### 输出到JSON文件\n```bash\npython scripts/face_analysis.py --input video.mp4 --detail full --output result.json\n```\n\n## 注意事项\n1. 视频要求：清晰正面面部，光线充足，时长5-30秒为宜\n2. 支持格式：mp4、avi、mov，最大100MB\n3. API需要自行部署或接入第三方服务\n4. 结果仅供参考，不能替代专业医生诊断\n\nFile v1.0.2:_meta.json\n\n{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.2\",\n  \"publishedAt\": 1778864982875\n}\n\nFile v1.0.2:skills/face_analysis/references/api_doc.md\n\n# API接口文档\n\n## 接口地址\n`POST https://your-api-server.com/api/v1/face-analysis`\n\n## 请求头\n| 字段 | 必选 | 说明 |\n|------|------|------|\n| X-API-Key | 是 | API访问密钥 |\n| Content-Type | 是 | multipart/form-data（文件上传）或 application/json（URL模式） |\n\n## 请求参数\n### 1. 文件上传模式\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| 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```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| 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 v1.0.2:scripts/config.yaml\n\n{}\n\nFile v1.0.2:skills/face_analysis/scripts/config.yaml\n\n{}\n\nFile v1.0.2: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 v1.0.2: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 v1.0.2: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 v1.0.2:skills/face_analysis/requirements.txt\n\npydash==8.0.6\nSQLAlchemy==2.0.46\nyaml==6.0.3\n\nFile v1.0.2:skills/smyx_common/requirements.txt\n\naltgraph==0.17.5\nannotated-doc==0.0.4\nannotated-types==0.7.0\nanyio==4.12.1\nAPScheduler==3.11.2\nastroid==3.1.0\nAuthlib==1.6.6\nblinker==1.4\ncachetools==6.2.6\ncertifi==2026.1.4\ncffi==2.0.0\nchardet==5.2.0\ncharset-normalizer==3.4.4\nclick==8.3.1\ncoverage==7.13.2\ncoze-workload-identity==0.1.7\ncozeloop==0.1.19\ncryptography==3.4.8\nCython==3.2.4\ndbus-python==1.2.18\ndill==0.4.1\ndistro==1.7.0\ndistro-info==1.1+ubuntu0.2\net_xmlfile==2.0.0\nfastapi==0.121.2\ngitdb==4.0.12\ngitignore_parser==0.1.13\nGitPython==3.1.45\ngreenlet==3.3.1\nh11==0.16.0\nhttpcore==1.0.9\nhttplib2==0.20.2\nhttpx==0.28.1\nhttpx-ws==0.8.2\nidna==3.11\nimportlib-metadata==4.6.4\ninflect==7.5.0\niniconfig==2.3.0\nisort==5.13.2\njeepney==0.7.1\nJinja2==3.1.6\njiter==0.12.0\njsonpatch==1.33\njsonpointer==3.0.0\nkeyring==23.5.0\nlangchain==1.0.3\nlangchain-core==1.0.2\nlangchain-openai==1.0.1\nlanggraph==1.0.2\nlanggraph-checkpoint==3.0.0\nlanggraph-prebuilt==1.0.2\nlanggraph-sdk==0.2.9\nlangsmith==0.4.39\nlaunchpadlib==1.10.16\nlazr.restfulclient==0.14.4\nlazr.uri==1.0.6\nmarkdown-it-py==4.0.0\nMarkupSafe==3.0.3\nmccabe==0.7.0\nmdurl==0.1.2\nmore-itertools==8.10.0\nnumpy==2.4.1\noauthlib==3.2.0\nopenai==2.16.0\nopenpyxl==3.1.5\norjson==3.11.5\normsgpack==1.12.2\npackaging==25.0\npandas==2.3.3\nplatformdirs==4.5.1\npluggy==1.6.0\npsutil==7.1.3\npsycopg2-binary==2.9.11\npycparser==3.0\npydantic==2.12.4\npydantic_core==2.41.5\npydash==8.0.6\nPygments==2.19.2\nPyGObject==3.42.1\npyinstaller==6.18.0\npyinstaller-hooks-contrib==2026.0\nPyJWT==2.10.1\npylint==3.1.0\nPyMySQL==1.1.2\npyparsing==2.4.7\npytest==9.0.1\npytest-asyncio==1.3.0\npytest-cov==7.0.0\npytest-mock==3.15.1\npython-apt==2.4.0+ubuntu4.1\npython-dateutil==2.9.0.post0\npytz==2025.2\nPyYAML==6.0.3\nregex==2026.1.15\nrequests==2.32.5\nrequests-toolbelt==1.0.0\nrich==14.2.0\nSecretStorage==3.3.1\nsetuptools==80.9.0\nsix==1.16.0\nsmmap==5.0.2\nsniffio==1.3.1\nsqlacodegen==3.2.0\nSQLAlchemy==2.0.46\nstarlette==0.49.3\nsupervisor==4.2.1\ntenacity==9.1.2\ntiktoken==0.12.0\ntomlkit==0.14.0\ntqdm==4.67.1\ntypeguard==4.4.4\ntyping-inspection==0.4.2\ntyping_extensions==4.15.0\ntzdata==2025.3\ntzlocal==5.3.1\nunattended-upgrades==0.1\nurllib3==2.6.3\nuvicorn==0.38.0\nwadllib==1.3.6\nwatchdog==6.0.0\nwebsockets==15.0.1\nwheel==0.45.1\nwsproto==1.3.2\nxlrd==2.0.2\nxxhash==3.6.0\nzipp==1.0.0\nzstandard==0.25.0","readmeExcerpt":"Skill: Plant Disease Recognition Skill | 植物病害识别技能 Owner: smyx-sunjinhui Summary: Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 Tags: latest:1.0.11 Version history:","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"python -m scripts.plant_disease_recognition_analysis --list"},{"language":"text","snippet":"requests>=2.28.0"},{"language":"bash","snippet":"# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json"},{"language":"bash","snippet":"python -m scripts.plant_disease_recognition_analysis --list"},{"language":"text","snippet":"requests>=2.28.0"},{"language":"bash","snippet":"# 识别本地视频中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/field_survey.mp4\n\n# 识别本地图片中的植物病害\npython -m scripts.plant_disease_recognition_analysis --input /path/to/leaf.jpg\n\n# 识别网络视频\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/field_video.mp4\n\n# 识别网络图片\npython -m scripts.plant_disease_recognition_analysis --url https://example.com/disease.jpg\n\n# 显示历史识别报告/显示识别报告清单列表/显示历史植物病害识别（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等）\npython -m scripts.plant_disease_recognition_analysis --list\n\n# 输出精简报告\npython -m scripts.plant_disease_recognition_analysis --input disease.jpg --detail basic\n\n# 保存结果到文件\npython -m scripts.plant_disease_recognition_analysis --input disease.mp4 --output result.json"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: \"plant-disease-recognition-analysis\"\ndescription: \"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警\"\nversion: \"1.0.14\"\nlicense: \"MIT-0\"\n---\n\n# 🍃 Plant Disease Recognition Skill | 植物病害识别技能\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 | **植物病害识别技能** |\n| 🎯 核心目标 | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 |\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 | `PLANT_NUTRITION_DIAGNOSIS` |\n\nEquipped with deep learning computer vision algorithms trained on large-scale plant disease datasets, this skill\naccurately identifies various plant diseases by analyzing visual symptoms such as leaf spots, discoloration, mold, and\nwilt on leaves, stems, and fruits. The system supports both static image and video input, can quickly distinguish\nbetween fungal, bacterial, and viral diseases as well as physiological disorders, and combines environmental factors and\ncrop growth stage information to output a structured diagnostic report containing disease name, pathogenic cause, and\nscientific prevention and control suggestions. It provides efficient and accurate disease early warning and management\nsolutions for agricultural production, garden maintenance, and plant protection, helping to detect diseases early and\ntake timely control measures to reduce yield losses.\n\n本技能搭载了基于大规模植物病害数据集训练的深度学习计算机视觉算法，能够通过分析叶片、茎秆、果实等部位出现的病斑、变色、霉层、萎蔫等视觉症状，精准识别多种常见植物病害。系统同时支持视频/图片输入，可快速区分真菌性、细菌性、病毒性病害以及生理性障碍，并结合环境因素和作物生长阶段信息，输出包含病害名称、致病原因、科学防治建议在内的结构化诊断报告，为农业生产、园艺养护和植物保护提供高效精准的病害预警与管理方案，帮助尽早发现病害，及时采取防控措施，减少产量损失。\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## 🎯 任务目标 | Goals\n\n### 1. 🧩 技能用途\n\n识别视频/图片中的植物病斑，准确判断病害类型、严重程度，输出病害诊断报告和防治建议\n\n### 2. 🛠️ 能力范围\n\n| 序号 | 具体能力 |\n|---:|---|\n| 1 | 病斑检测 |\n| 2 | 病害分类 |\n| 3 | 严重程度评估 |\n| 4 | 防治建议输出 |\n\n### 3. ⚡ 触发条件\n\n| 触发类型 | 触发规则 |\n|---|---|\n| ✅ 默认触发 | **默认触发**：当用户提供植物发病部位视频/图片需要识别病害时，默认触发本技能 |\n| 🔎 明确分析意图 | 当用户明确需要植物病害识别、病害诊断时，提及病害识别、病斑识别、叶子发黄、植物生病了、防治建议等关键词，并且上传了视频/图片，自动触发本技能 |\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** ：查看历史识别报告、病害识别报告清单、识别报告列表、查询历史识别报告、显示所有识别报告、植物病害分析报告，查询植物病害识别分析报告 |\n| 🖼️ 支持输入 | 视频（mp4/avi/mov）和图片（jpg/jpeg/png），支持本地文件上传和网络URL分析 |\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.plant_disease_recognition_analysis --list\n```\n\n| 类型 | 要求 |\n|---|---|\n| ✅ 必须 | 使用 `python -m scripts.plant_disease_recognition_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"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn7cyxkr2ymf7zwsrybpedg8xx83ywrj\",\n  \"slug\": \"smyx-plant-disease-recognition-analysis\",\n  \"version\": \"1.0.11\",\n  \"publishedAt\": 1787964157403\n}"},{"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":"{}"},{"path":"skills/smyx_analysis/scripts/config.yaml","content":"{}"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 Skill: Plant Disease Recognition Skill | 植物病害识别技能 Owner: smyx-sunjinhui Summary: Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports including disease type, cause and prevention suggestions. | 植物病害识别技能，基于计算机视觉与深度学习，支持视频/图片输入，精准识别植物病害类型，输出包含病害名称、致病原因、防治建议的结构化诊断报告，为农业生产和园艺养护提供病害预警 Tags: latest:1.0.11 Version history:","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":835,"uniquenessScore":52,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T00:34:29.818Z","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":"2026-10-10T00:34:29.818Z","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":"2026-10-10T09:50:39.745Z","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"}]}}}