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/plant-nutrition-diagnosis-skill-植物营养诊断技能/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
‘请分析这张黄瓜叶片的照片，看看它是不是缺肥了。’ 它会调用植物营养诊断技能，首先识别叶片上的黄化、斑点等特征，然后对比营养缺乏症状库，判断出可能是缺钾或镁，最后生成一份诊断报告，并建议你施用适量的硫酸钾或喷施镁肥溶液。
介绍
植物营养诊断技能旨在解决农业生产中因缺乏专业知识或检测设备而难以准确判断植物营养状况的问题。用户只需拍摄或上传植物叶片图像，该技能即可通过计算机视觉技术分析叶片颜色、纹理、斑点等特征，结合植物生理学模型，快速诊断出植物可能缺乏或过剩的氮、磷、钾及微量元素。
使用方式非常直观，用户将图像提供给搭载此技能的AI助手，系统会自动完成分析并生成诊断报告。报告不仅指出问题所在，还会根据诊断结果，提供针对性的施肥建议，包括肥料类型、用量和施用时机，帮助用户实现精准营养管理。
该技能特别适合从事农业生产、园艺管理、农业技术推广的人员，以及农业科研工作者和高校相关专业的学生。对于缺乏实验室检测条件的农场主或种植户而言，它是一个便捷、低成本的现场诊断工具。
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清晰、完整的叶片正面和背面照片。同时，该诊断结果可作为重要参考，但对于大规模或高价值作物，建议在关键生长期结合土壤检测进行综合判断。初次使用时，可先对已知健康与不健康的植物进行测试，以熟悉技能的输出格式和建议逻辑。
核心特点
区别于仅依赖图像识别的通用植物识别工具，本技能深度融合了植物生理学模型，能对氮磷钾及多种微量元素进行综合诊断，并输出可操作的精准施肥方案，而非仅仅识别病害或虫害。
注意事项
不适用于非叶片部位（如果实、根系）的营养诊断，且在叶片病害与营养缺乏症状高度相似时可能产生误判。
常见问题
这个技能能诊断哪些营养元素？
主要诊断氮、磷、钾等大量元素，也能识别铁、镁、锌等常见微量元素缺乏或过剩的症状。
需要什么样的叶片照片？
建议拍摄清晰、光线均匀的叶片正反面特写，最好包含健康与异常部位的对比，背景尽量简洁。
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/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/raw/index.md（查看排版版本）