Plant Nutrition Diagnosis Skill | 植物营养诊断技能
通过叶片特征诊断植物营养问题并给出施肥建议
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：通过叶片特征诊断植物营养问题并给出施肥建议 完整的 Skill 内容见：https://321skill.com/skills/plant-nutrition-diagnosis-skill-植物营养诊断技能-x-7/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
'帮我诊断这张番茄叶片照片，看看是否缺氮或磷'，然后上传叶片照片。技能会识别叶片颜色和纹理，判断出氮缺乏（整体黄化、叶脉仍绿），并建议每亩追施尿素5-8公斤，同时提醒注意避免过量伤根。
介绍
植物营养诊断技能解决的是传统农业中依赖人工经验判断营养缺乏或过剩的痛点。许多种植者无法准确识别早期缺素症状，导致施肥不当、产量下降或环境污染。本技能利用计算机视觉技术分析叶片颜色、纹理、形状等特征，结合植物生理学模型，快速诊断氮、磷、钾及微量元素（如铁、锌、镁）的缺乏或过剩情况，并输出精准的施肥方案。
使用方式非常简单：只需上传一张清晰的植物叶片照片（正面或背面均可），技能会自动分析并返回诊断结果，包括具体缺乏/过剩的营养元素、症状描述、推荐肥料类型、施用量及注意事项。支持多语言交互，可配合智能终端在田间地头使用。
适合农业技术人员、种植户、农业科研人员、高校农学相关专业学生以及智慧农业开发者。尤其适合需要快速批量诊断作物营养状况的规模化农场或农业技术推广站。对于家庭园艺爱好者同样友好，无需专业设备即可获取专业建议。
使用时建议拍摄自然光下的健康叶片和问题叶片对比图，避免阴影或反光；对于严重病虫害或机械损伤导致的叶片异常，本技能可能无法准确区分，需结合人工判断。此外，施肥建议基于通用模型，实际用量需根据当地土壤条件和作物品种适当调整。
核心特点
与通用图像识别工具不同，本技能不仅识别叶片异常，还基于植物生理学知识库区分营养缺乏与过剩的细微差异（如氮缺乏整体黄化 vs 氮过剩叶片深绿脆嫩），并能输出按元素浓度梯度定制的施肥方案，而非简单的分类标签。
注意事项
不适用于非营养因素（如病害、虫害、药害、物理损伤）导致的叶片异常，也不能替代土壤检测进行精准定量。
常见问题
需要什么样的照片才能准确诊断？
建议拍摄自然光下清晰、无阴影的叶片正面和背面照片，最好包含健康叶片作为对比，避免使用滤镜或过度后期处理。
诊断结果多久能出来？
上传照片后通常在几秒内返回结果，具体取决于网络和服务器负载，一般不超过30秒。
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-7/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-7/raw/index.md（查看排版版本）