技能介绍

要解决什么问题

久坐、低头和训练习惯不当，常见的是头前伸、圆肩、骨盆前倾等问题，但很多人只有模糊感受，缺少可量化的角度和可执行的每日动作。本技能把「拍一张照 → 看指标 → 拿计划 → 打卡反馈」串成一条链路，对接 PostureFit Coze Agent API，适合在 Agent 里做体态咨询而不是纯聊天建议。

技能如何工作

核心能力分三条路径：

照片分析（推荐）：用 analyze_image.py 调用 MediaPipe BlazePose（33 关键点），计算约 10 项体态角度（头前伸、圆肩、高低肩、骨盆侧倾/前倾、膝内扣、头部与重心偏移、驼背、膝超伸等），经高斯衰减模型得到 0–100 综合分，再按严重程度分级并请求 Coze 生成每日 3 个训练动作及跟练链接。
双视角：正面 + 侧面（--image / --image2）可覆盖上述指标；单张时需选对 front / side 与 fullBody / halfBody 等拍摄模式。
无图或已有数据：手动输入头前伸、圆肩、骨盆前倾等角度，经 consult.py 直连 API；训练完成后用 mode=feedback 与 session_id 延续上下文，按教练风格（鼓励/严厉/幽默）回复打卡。

典型流程：收集照片与偏好（教练性别、目标、body-state 如产后/经期）→ 本地脚本分析 → 向用户解读评分、问题清单与推荐动作。

适用边界与注意点

需配置 posturefit_api（Bearer Token）；照片分析依赖 mediapipe、opencv-python，且 SKILL 明确要求使用 Python 3.12.5 系统环境（与托管 Python 3.13 及 mediapipe 兼容性有关）。
光线不足、遮挡严重或非站立姿态会导致关键点失败；产后等 body-state 会在 Agent 侧过滤禁忌动作（如俯卧、腹部受压）。
首次运行会下载 pose_landmarker.task 模型；脚本输出为结构化 JSON，算法细节见 posture_analyzer.py 与 references/api-spec.md。