植物枯萎监测技能

SKILL.md

---
name: "plant-wilting-monitoring-analysis"
description: "Early monitoring of plant wilting based on hyperspectral imaging and computer vision, captures early wilting signs before visible symptoms, provides early warning for precision irrigation and disease control. | 植物枯萎监测技能，基于高光谱成像与计算机视觉，在肉眼可见症状前捕捉早期枯萎迹象，为精准灌溉和病害防控提供早期预警"
version: "1.0.1"
---

# Plant Wilting Monitoring Skill | 植物枯萎监测技能

Equipped with advanced hyperspectral imaging combined with computer vision and Raman spectroscopy analysis technology,
this skill accurately captures early wilting signs of plants before visible symptoms appear to the naked eye. Through
in-depth analysis of leaf spectral reflectance, transpiration rate and molecular vibration fingerprints, the system
sensitively identifies physiological changes and water stress caused by water deficit, high temperature, or vascular
bundle diseases such as fusarium and verticillium wilt. Combined with temporal behavior modeling, this skill not only
distinguishes between environmental wilting and pathological wilt but also quantitatively evaluates the wilting grade,
providing critical early warning and decision support for precision irrigation and disease block.

本技能搭载先进的高光谱成像结合计算机视觉与拉曼光谱分析技术，能够在肉眼可见症状出现之前，精准捕捉植物的早期枯萎迹象。系统通过深度分析叶片的光谱反射率、蒸腾速率及分子振动指纹，敏锐识别由缺水、高温或维管束病害（如镰刀菌、黄萎病）引起的生理性变化与水分胁迫。结合时序行为建模，该技能不仅能区分环境性萎蔫与病理性枯死，还能对枯萎等级进行量化评估，为精准灌溉与病害阻断提供关键的早期预警与决策支持。

## 演示案例

- [🔗 通过网路视频进行识别分析](https://www.coze.cn/s/YIgTq0_VqGw/)
- [🔗 通过上传视频进行识别分析](https://www.coze.cn/s/7wcbssKiNKI/)
- [🔗 显示历史分析报告](https://www.coze.cn/s/zdWebDlpbZo/)

## ⚠️ 强制记忆规则（最高优先级）

**本技能明确约定：**

- **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
- **绝对禁止从 LanceDB 长期记忆中检索信息**
- **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
- 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

## 任务目标

- 本 Skill 用于：监测植物早期枯萎迹象，区分环境性缺水萎蔫和病理性枯萎，量化评估枯萎等级，提供早期预警
- 能力包含：早期枯萎特征提取、萎蔫原因区分（环境/病理）、枯萎等级量化、早期预警输出
- 支持场景：
    - **精准农业灌溉管理**：大田作物缺水早期识别，指导精准灌溉
    - **设施园艺**：温室大棚作物水分胁迫早期监测，预防大面积枯萎发生
    - **果园树体健康监测**：果树维管束病害早期预警，及时采取防控措施
    - **干旱胁迫研究**：作物抗旱性研究中自动化监测枯萎进程
    - **景观绿地养护**：城市绿化植物干旱监测，科学安排灌溉
- 触发条件:
    1. **默认触发**：当用户提供植物叶片/植株视频/图片需要监测早期枯萎状况时，默认触发本技能
    2. 当用户明确需要植物枯萎监测、早期预警时，提及植物萎蔫、叶子发蔫、枯萎检测、早期预警、缺水监测等关键词，并且上传了视频/图片，自动触发本技能
    3. 当用户提及以下关键词时，**自动触发历史报告查询功能**
       ：查看历史监测报告、枯萎监测报告清单、监测报告列表、查询历史监测报告、显示所有监测报告、植物枯萎分析报告，查询植物枯萎监测分析报告
- 自动行为：
    1. 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件
    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"查看所有监测报告"、"
       显示所有植物枯萎监测"、"
       查看历史报告"等），**必须**：
        - 直接使用 `python -m scripts.plant_wilting_monitoring_analysis --list --open-id` 参数调用 API
          查询云端的历史报告数据
        - **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
        - **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

## 前置准备

- 依赖说明:scripts 脚本所需的依赖包及版本
  ```
  requests>=2.28.0
  ```

## 监测要求（获得准确结果的前提）

为了获得准确的早期枯萎监测，请确保：

1. **目标叶片清晰**：拍摄中上部成熟功能叶片，避免完全枯死或新生幼叶
2. **自然光拍摄**：避免强烈逆光和反光，尽可能反映真实光谱特征
3. **时序对比更佳**：如果有不同时间点的视频/图片，可分别上传进行对比分析

## 操作步骤

### 🔒 open-id 获取流程控制（强制执行，防止遗漏）

**在执行植物枯萎监测分析前，必须按以下优先级顺序获取 open-id：**

```
第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）
        路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）
        完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置/api-key 为空)
第 2 步：检查 workspace 公共目录的配置文件
        路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置)
第 3 步：检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
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
```

**⚠️ 关键约束：**

- **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）
- **禁止**跳过 open-id 验证直接调用 API
- **必须**在获取到有效 open-id 后才能继续执行分析
- 如果用户拒绝提供 open-id，说明用途（用于保存和查询监测报告记录），并询问是否继续

---

- 标准流程:
    1. **准备植物视频/图片输入**
        - 提供本地视频/图片文件路径或网络 URL
        - 尽量拍摄功能叶片，保持特征清晰
    2. **获取 open-id（强制执行）**
        - 按上述流程控制获取 open-id
        - 如无法获取，必须提示用户提供用户名或手机号
    3. **执行植物枯萎监测分析**
        - 调用 `-m scripts.plant_wilting_monitoring_analysis` 处理输入（**必须在技能根目录下运行脚本**）
        - 参数说明:
            - `--input`: 本地视频/图片文件路径
            - `--url`: 网络视频/图片 URL 地址（API 服务自动下载）
            - `--open-id`: 当前用户的 open-id（必填，按上述流程获取）
            - `--list`: 显示历史植物枯萎监测分析报告列表清单（可以输入起始日期参数过滤数据范围）
            - `--api-key`: API 访问密钥（可选）
            - `--api-url`: API 服务地址（可选，使用默认值）
            - `--detail`: 输出详细程度（basic/standard/json，默认 json）
            - `--output`: 结果输出文件路径（可选）
    4. **查看分析结果**
        - 接收结构化的植物枯萎监测报告
        - 包含：输入基本信息、是否检测到早期枯萎、枯萎原因分类（缺水/高温/病理性）、枯萎等级量化、预警等级、管理建议

## 资源索引

- 必要脚本：见 [scripts/plant_wilting_monitoring_analysis.py](scripts/plant_wilting_monitoring_analysis.py)
  (用途：调用 API 进行植物枯萎监测分析，本地文件上传，网络 URL 由 API 服务自动下载)

- 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)
- 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)

## 注意事项

- 仅在需要时读取参考文档，保持上下文简洁
- 支持格式：jpg/jpeg/png，最大 20MB
- 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
- 监测结果作为早期预警参考，最终诊断请结合田间实际情况和植保专家判断
- 禁止临时生成脚本，只能用技能本身的脚本
- 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
- 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 reportImageUrl 作为超链接地址，且自动转化为如下 Markdown
  表格格式输出，包含"
  报告名称"、"监测植株数"、"分析时间"、"点击查看"四列，其中"报告名称"列使用`植物枯萎监测报告-{记录id}`形式拼接, "点击查看"
  列使用
  `[🔗 查看报告](reportImageUrl)`
  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。
- 表格输出示例：
  | 报告名称 | 监测植株数 | 分析时间 | 点击查看 |
  |----------|----------|----------|----------|
  | 植物枯萎监测报告-20260414235100001 | 1株 | 2026-04-14 23:51:00 | [🔗 查看报告](https://example.com/report?id=xxx) |

## 使用示例

```bash
# 监测本地视频/图片中植物的枯萎状况（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.plant_wilting_monitoring_analysis --input /path/to/plant.mp4 --open-id openclaw-control-ui

# 监测网络视频/图片（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.plant_wilting_monitoring_analysis --url https://example.com/wilting.mp4 --open-id openclaw-control-ui

# 显示历史监测报告/显示监测报告清单列表/显示历史植物枯萎监测（自动触发关键词：查看历史监测报告、历史报告、监测报告清单等）
python -m scripts.plant_wilting_monitoring_analysis --list --open-id openclaw-control-ui

# 输出精简报告
python -m scripts.plant_wilting_monitoring_analysis --input plant.jpg --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.plant_wilting_monitoring_analysis --input plant.jpg --open-id your-open-id --output result.json
```