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/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
‘请帮我诊断一下这棵番茄的叶子怎么了？’ 并上传一张叶片发黄的照片。AI会分析叶片特征，判断可能是缺氮或缺镁，并给出‘建议追施含氮复合肥，并补充硫酸镁溶液喷施叶面’的具体操作建议。
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分析，耗时耗力且难以普及。本技能通过计算机视觉技术分析用户上传的植物叶片图像，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典型症状。
使用时，用户只需拍摄并上传植物（尤其是叶片）的清晰照片，技能即可自动分析。它会识别叶片颜色、斑点、形态等特征，并与已知的营养失调症状数据库进行比对，最终生成一份包含具体缺乏/过剩元素、症状描述以及针对性施肥建议的诊断报告。整个过程无需专业知识，操作简便。
该技能非常适合家庭园艺爱好者、小型农场主、农业技术推广人员以及对精准农业感兴趣的研究者。对于缺乏专业农技指导的个人或组织，它能提供低成本、即时可用的初步诊断参考，辅助决策。
建议在使用时确保拍摄光线充足、叶片特征清晰，并尽量包含健康与异常叶片的对比。诊断结果可作为重要参考，但对于大规模或高价值作物，建议结合土壤检测等专业手段进行综合判断。技能对常见作物识别较好，对罕见或特殊品种的准确率可能有所下降。
核心特点
与同类植物识别技能相比，本技能专注于营养诊断这一垂直领域，不仅识别植物种类，更深入分析其生理健康状态，并直接输出可操作的精准施肥建议，实现了从‘识别是什么’到‘诊断为什么’和‘指导怎么做’的闭环。
注意事项
不适合用于诊断由病虫害、气候逆境（如冻害、干旱）或药害等非营养因素引起的植物异常症状。
常见问题
诊断准确率高吗？
对常见作物典型营养症状识别较好，但受图片质量、品种差异影响，建议作为辅助参考，结合实际情况判断。
需要联网使用吗？
需要，因为需要调用云端计算机视觉模型进行分析计算。
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/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/raw/index.md（查看排版版本）