Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断
通过AI视觉分析植物叶片图像，诊断营养缺乏症并推荐精准施肥方案。
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 Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断。 它的用途是：通过AI视觉分析植物叶片图像，诊断营养缺乏症并推荐精准施肥方案。 完整的 Skill 内容见：https://321skill.com/skills/leaf-nutrient-analyzer-5/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，看看它可能缺什么营养。’ 它会调用视觉模型分析图像，识别出叶片呈现黄化、叶脉间失绿等特征，然后与数据库比对，输出‘很可能缺乏镁元素，置信度85%’的诊断结果，并可能附带简单的补救建议。
介绍
本技能旨在解决农业生产和园艺养护中，因无法准确判断植物营养状况而导致的盲目施肥问题。用户只需拍摄一张植物叶片的高清图像，AI便会自动分析叶片颜色、形态等视觉特征（如叶色异常、叶缘焦枯、叶脉间失绿等），并与常见营养缺乏症特征库进行比对，最终输出最可能缺乏的营养元素（如氮、磷、钾、铁、镁、锌等）及其置信度。
使用过程非常简便。无论是通过智能花盆内置的摄像头、农业大棚的监控设备，还是直接用手机拍照，只要获取清晰的叶片图像，即可启动诊断。AI模型会快速处理图像，并生成一份包含诊断结果和置信度的报告，帮助用户做出科学的施肥决策。
该技能非常适合家庭园艺爱好者、农业大棚种植户、植物工厂的技术人员以及智能花盆的开发者使用。它降低了专业植物营养诊断的门槛，让非专业人士也能进行初步判断，实现精准农业管理。
建议在使用时，尽量在光线均匀的自然光下拍摄叶片正面高清图像，避免阴影和反光干扰。诊断结果可作为重要参考，但对于严重或复杂的病害情况，建议结合土壤检测等专业手段进行综合判断，以避免误诊。
常见问题
诊断需要多清晰的图片？
建议使用高清图像，确保叶片颜色、纹理和边缘清晰可见，避免模糊、过暗或强光反光。
可以诊断所有植物吗？
技能主要针对常见农作物和园艺植物，对于非常见或特殊观赏植物的诊断效果可能有限，建议参考通用症状进行比对。
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-5/raw/index.md 读取 Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断 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-5/raw/index.md（查看排版版本）