Plant Nutrition Diagnosis Skill | 植物营养诊断技能
基于叶片图像智能诊断植物营养状况并提供施肥建议
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：基于叶片图像智能诊断植物营养状况并提供施肥建议 完整的 Skill 内容见：https://321skill.com/skills/plant-nutrition-diagnosis-skill-植物营养诊断技能-x-6/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，看看它是不是缺肥了。'，它会调用植物营养诊断技能，分析叶片图像中的颜色、斑点和形态特征，判断是缺氮、缺钾还是其他问题，并给出具体的施肥方案建议，例如'叶片整体偏黄，叶脉间失绿，疑似缺镁，建议喷施硫酸镁溶液。'
介绍
植物营养诊断技能旨在解决农业生产中难以精准判断作物营养状况的痛点。传统方法依赖经验或实验室检测，耗时长且成本高，该技能通过计算机视觉技术分析用户上传的植物叶片图像，快速识别氮、磷、钾及微量元素缺乏或过剩的典型症状。
使用时，用户只需拍摄并上传清晰的植物叶片照片，技能便会自动分析叶片颜色、斑点、形态等特征，结合植物生理学模型进行诊断。整个过程无需专业知识，AI会自动输出诊断结果。
该技能非常适合农业种植户、园艺爱好者、农业技术推广人员以及从事精准农业研究的学术研究者。它降低了专业诊断的门槛，让非专业人士也能及时了解作物健康状况。
建议在使用时确保叶片照片在自然光下拍摄，背景简洁，叶片特征清晰可见。对于严重病害或多种症状混合的情况，建议结合土壤检测进行综合判断，以获得更精准的管理方案。
核心特点
与同类植物识别应用相比，本技能深度融合了植物生理学模型，不仅能识别植物种类，更能精准诊断具体的营养元素（氮、磷、钾及微量元素）缺乏或过剩，并直接输出可操作的精准施肥建议，而非泛泛的健康评估。
注意事项
不适用于已发生严重病虫害、机械损伤或症状不典型的叶片诊断，且诊断准确性受拍摄图像质量影响较大。
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（如水稻、小麦、玉米、番茄、黄瓜等）及部分园艺植物，具体范围请参考技能文档。
诊断结果准确吗？
在图像清晰、症状典型的情况下有较高参考价值，但建议作为辅助工具，重大决策前可结合土壤检测等专业方法。
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-6/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-6/raw/index.md（查看排版版本）