温室环境与植物状态联动调控
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_bb47e3e3/greenhouse-climate-plant-feedback-analysis。
技能介绍
要解决的问题
温室环境调控常常依赖固定阈值或人工巡检：叶片已经萎蔫、叶色发黄后才处理，灌溉、遮阳、风机和加热容易滞后。固定摄像头能看到植物形态，但单靠温度/湿度传感器无法区分“环境异常”和“植物胁迫”。本技能用于把图像识别结果与环境参数结合起来，生成可执行的调控动作与优先级，而不是输出具体 PID 值或阀门开度。
工作方式与核心能力
输入支持 jpg/png 图像、mp4/avi/mov 视频或网络 URL，单个文件最大 10MB。分析对象包括：
- 植物形态：叶片萎蔫角度、茎秆挺直度、叶色黄化/卷曲/灼烧
- 环境参数：光照强度、空气温度、相对湿度、土壤湿度
- 调控指令：灌溉、遮阳、风机/湿帘、加热器启停
- 输出形式：结构化分析报告、风险提示、建议与报告链接
典型链路是：固定摄像头采集植物图像或视频，scripts/smyx_greenhouse_climate_plant_feedback_analysis.py 调用 API 完成形态识别，再结合传感器阈值判断水分、光照、温度胁迫，最后输出动作指令和 HIGH/MEDIUM/LOW 优先级。历史报告可通过 --list 查询，结果应来自云端接口并以 Markdown 表格展示。
适用边界
该技能面向智能温室、植物工厂、连栋大棚等场景，输出结果应视为控制决策参考；真实执行需接入本地控制器安全策略。它不替代 PLC、PID 或现场联调，也不保证在低清图像、遮挡严重或传感器缺失时仍准确判断。历史报告查询只读取云端数据，不应用本地记忆或人工汇总替代接口结果。
使用场景
- 巡检智能温室时，用固定摄像头图像和传感器数据判断植物是否缺水，并输出灌溉指令优先级。
- 连栋大棚光照过强导致叶片卷曲，基于图像识别结果生成遮阳网动作建议。
- 植物工厂出现高温热胁迫，结合温湿度和茎叶状态判断风机/湿帘启动需求。
- 回顾近期温室控制记录，用云端接口查询历史联动报告并整理成 Markdown 表格。
适合人员
- 温室运维工程师：需要把摄像头图像、传感器阈值和调控设备动作连接起来。
- 农艺师：需要从叶片萎蔫、黄化、卷曲等图像特征判断水分、光照或温度胁迫。
- 智能农业平台工程师：需要在 Agent 中调用 API 输出指令清单并保留历史报告链接。
- 植物工厂值班人员：需要快速查看植物状态风险并生成风机、遮阳、灌溉动作建议。
相关技能
面向 Agent 工作流，通过 Dashboard API 读取群聊或 inbox 消息，构造转发 payload 并发送到指定群聊或工人 inbox，支持格式转换和路由规则。
将 Agent 代码与 trace 整理成可落地的评测设计，先对齐指标、标签、payload 与 judge，再输出实现方案。
把每周重复的电脑任务整理成一张一页式任务地图，评估频率、耗时、摩擦和安全边界，并选出三个最安全的 AI 辅助试点。
用 SQLite 为 Agent 提供零成本本地记忆，无需 API 密钥和向量嵌入，可存储并检索偏好、决策、事实、纠正。