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-x-4/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
‘请帮我分析这张番茄叶片的照片，看看是不是缺什么营养。’，它会自动识别叶片上的黄化、斑点等特征，判断是缺氮还是缺镁，并给出‘建议叶面喷施硫酸镁溶液，浓度1%，每周一次’的具体施肥方案。
介绍
该技能旨在解决农业生产中植物营养状况难以精准判断和施肥管理粗放的问题。传统方法依赖人工经验，主观性强且效率低下，容易导致施肥不足或过量，影响作物产量和品质，并可能造成资源浪费和环境污染。
用户只需上传清晰的植物叶片图像，该技能便会结合计算机视觉技术和植物生理学知识，自动分析叶片的颜色、纹理、斑点、卷曲等视觉特征，并与已知的营养缺乏或过剩症状数据库进行比对，从而快速诊断出植物可能缺乏或过量的氮、磷、钾及微量元素。
该技能特别适合农业技术人员、种植户、园艺爱好者、农业科研人员以及从事精准农业和智慧农场管理的专业人士。对于缺乏专业植保知识但希望科学管理作物的个人或小型农场主，它也是一个非常实用的辅助工具。
使用时，请确保拍摄的叶片图像清晰、光线充足，并尽量包含健康叶片和异常叶片作为对比。建议在植物生长关键期（如苗期、花期、坐果期）定期使用，以监测营养动态变化。需要注意的是，诊断结果应结合当地土壤条件、气候和作物品种进行综合判断，对于严重或复杂的病害问题，仍需咨询专业农艺师进行实地确认。
核心特点
该技能深度融合了计算机视觉与植物生理学模型，不仅能识别常见的氮磷钾缺乏症状，还能针对多种微量元素（如铁、镁、锌等）进行诊断，并提供具体到肥料类型和施用量的精准建议，而非仅给出定性结论。
注意事项
该技能主要依赖叶片视觉特征，对于由土壤、根系病害或极端气候引起的非典型症状，诊断准确性可能受限。
常见问题
这个技能能诊断哪些植物？
主要针对常见农作物（如水稻、玉米、番茄、黄瓜等）和园艺植物，模型训练数据覆盖范围越广，支持的植物种类越多。
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，具体速度取决于图像大小和服务器负载。
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-4/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-4/raw/index.md（查看排版版本）