宠物训练指令执行识别（坐/卧/等）

要解决什么问题

远程训宠或智能训狗设备里，难点往往不在「有没有摄像头」，而在指令发出后宠物是否真的按口令做了动作、响应是否够快。人工盯视频费时且难留档；若还要对接声控重复提示，就需要一份可机器消费的判定结果，而不是主观描述。

本技能面向训练区域连续视频：在用户提供本地文件或公网 URL 后，调用服务端 API 做姿态识别，把画面中的身体姿态与「坐 / 卧 / 等」等指令对齐，并结合指令时间戳判断是否在参考窗口内完成，输出结构化报告与历史清单查询能力。

技能如何工作

• 输入：图片或视频（mp4 / avi / mov，建议覆盖完整指令—响应过程）；支持 --input 本地路径或 --url 由 API 拉取网络资源。
• 识别维度：坐姿、卧姿、站立、等待静止；可选 --pet-type（dog / cat / other，默认狗）。
• 判定参考（最终以 API 为准）：坐/卧要求姿态匹配度 ≥ 70 且保持 ≥ 1 秒；「等」侧重姿态不变、位移为 0，默认静止 ≥ 5 秒。响应延迟良好参考为坐 ≤ 3 秒、卧 ≤ 4 秒。
• 输出：成功 / 部分成功 / 未执行及干预建议（如未执行时可由外部设备根据结果触发声控重复提示）；场景码 SMYX_PET_TRAINING_COMMAND_EXECUTION_ANALYSIS。
• 历史报告：用户表达查看训练记录等意图时，须通过 python -m scripts.smyx_pet_training_command_execution_analysis --list 从云端拉取清单，以 Markdown 表格呈现（含报告链接字段），不得用本地记忆拼凑。

标准流程：准备视频 → 系统内部自动完成身份关联（不向用户索要身份参数）→ 在技能根目录执行分析脚本 → 阅读报告与链接。

适用边界与注意点

• 结果仅用于训练效果与服从性参考，不提供疾病诊断或行为治疗方案。
• 猫等小体型动物的口令标准差异大，需结合品种与场景综合理解 API 输出。
• 声控重复提示由智能硬件侧实现；本技能只输出判定与建议，不直接发声。
• 禁止临时手写替代脚本；分析须使用技能包内 scripts/smyx_pet_training_command_execution_analysis.py。