Plant Nutrition Diagnosis Skill | 植物营养诊断技能
基于AI视觉诊断植物营养状况，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AI视觉诊断植物营养状况，提供精准施肥建议。 完整的 Skill 内容见：https://321skill.com/skills/plant-nutrition-diagnosis-skill-植物营养诊断技能-x-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，看看是不是缺肥了。’ 它会识别叶片上的斑点、黄化等特征，判断是缺氮还是缺钾，并告诉你应该施用什么肥料、每亩用多少。或者，你可以说：‘我的黄瓜苗新叶发黄，帮我诊断一下并提供施肥方案。’ 它会结合症状给出可能是缺铁或其它微量元素的判断及补救措施。
介绍
本技能旨在解决农业生产中植物营养状况难以精准判断的问题。传统方法依赖人工经验，效率低且易误判。该技能通过计算机视觉分析植物叶片图像，结合植物生理学模型，快速识别氮、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照片，技能即可自动分析并生成诊断报告。报告不仅指出具体缺乏或过量的营养元素，还会根据诊断结果，输出针对性的施肥建议，包括肥料类型、用量及施用方法，帮助用户实现精准营养管理。 该技能特别适合从事农业种植、园艺管理、农业科研以及农业技术推广的人员使用。无论是大型农场的管理者，还是家庭园艺爱好者，都可以借助此技能优化施肥决策，提升作物产量与品质。 使用前请确保拍摄的叶片照片清晰、光照均匀，以叶片正面特写为佳，避免背景杂乱。诊断结果受拍摄条件、植物品种和生长阶段影响，建议作为辅助决策工具，结合实地土壤测试和农艺师建议进行综合判断。
核心特点
区别于仅提供通用植物信息查询的技能，本技能深度融合了计算机视觉识别与专业的植物生理学模型，能针对具体叶片图像进行微观症状分析，并输出可执行的精准施肥方案，而非笼统的养护知识。
注意事项
不适用于非叶片症状（如根系问题）的诊断，且诊断准确性受拍摄图像质量和植物品种数据库覆盖范围限制。
常见问题
这个技能能诊断哪些植物？
目前主要支持常见农作物、经济作物及园艺植物，具体范围请参考技能文档中的支持物种列表。
诊断需要多长时间？
通常在几秒到一分钟内即可完成分析并生成报告，具体时间取决于图像复杂度和网络状况。
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/plant-nutrition-diagnosis-skill-植物营养诊断技能-x-5/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/plant-nutrition-diagnosis-skill-植物营养诊断技能-x-5/raw/index.md（查看排版版本）