Plant Nutrition Diagnosis Skill | 植物营养诊断技能
基于叶片图像诊断植物营养状况并提供精准施肥建议
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Plant Nutrition Diagnosis Skill | 植物营养诊断技能。 它的用途是：基于叶片图像诊断植物营养状况并提供精准施肥建议 完整的 Skill 内容见：https://321skill.com/skills/leaf-nutrient-analyzer-2/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请分析这张番茄叶片的照片，看看是不是缺了什么营养。’ 它会调用技能，识别叶片上的黄化、斑点等特征，并与营养缺乏症状库进行比对。随后，它会输出诊断结果，例如‘诊断显示叶片可能缺钾’，并给出具体的施肥建议，如‘建议增施硫酸钾，每亩用量约为XX公斤’。
介绍
该技能旨在解决农业生产中植物营养状况难以快速、精准诊断的问题。传统方法依赖人工经验判断，效率低且易出错，而该技能利用计算机视觉技术，通过分析植物叶片图像，自动识别氮、磷、钾及微量元素缺乏或过剩的症状。
用户只需拍摄并上传植物叶片（尤其是出现异常症状的叶片）的清晰照片，技能即可进行分析。它会结合植物生理学知识库，对图像特征进行识别和比对，最终生成一份包含具体营养问题诊断和针对性施肥建议的报告。整个过程自动化，无需用户具备深厚的植物学知识。
该技能非常适合农业技术人员、种植户、园艺爱好者以及从事精准农业研究的学术研究者。它可以帮助用户在作物生长早期发现问题，避免因营养失衡导致的减产或品质下降，实现科学施肥和精细化管理。
使用建议方面，为确保诊断准确性，请尽量在光线均匀的自然光下拍摄叶片正面和背面的高清照片，并确保叶片特征清晰可见。同时，该诊断结果可作为重要参考，但在进行大规模施肥调整前，建议结合土壤检测报告进行综合判断。
常见问题
诊断需要什么样的叶片照片？
需要清晰、对焦准确的叶片正反面照片，最好在自然光下拍摄，背景简洁，能完整展示叶片颜色、形状及可能的斑点、黄化等异常特征。
能诊断所有植物的营养问题吗？
技能内置了常见农作物和园艺植物的生理学模型，对支持范围内的植物诊断效果较好，但对于非常见或特殊植物的诊断能力有限。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/leaf-nutrient-analyzer-2/raw/index.md 读取 Plant Nutrition Diagnosis Skill | 植物营养诊断技能 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/leaf-nutrient-analyzer-2/raw/index.md（查看排版版本）