Real-time Employee Absence Monitoring Skill | 人员离岗实时监测技能
基于AI视觉实时监测人员离岗缺岗，自动触发预警。
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：Real-time Employee Absence Monitoring Skill | 人员离岗实时监测技能。 它的用途是：基于AI视觉实时监测人员离岗缺岗，自动触发预警。 完整的 Skill 内容见：https://321skill.com/skills/real-time-employee-absence-monitoring-skill-人员离岗实时监测技能-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
‘启动A车间3号工位的离岗监测，设定离岗判定时长为5分钟，超过则向管理群发送预警。’，它会自动初始化该区域的视觉分析模块，开始实时监测。当系统检测到该工位人员离开超过5分钟未归，便会立即触发预设的预警机制，如发送消息通知。
介绍
本技能旨在解决特定工作区域（如工厂车间、监控室、服务窗口）的人员在岗状态监管难题。传统人工巡查或简单视频监控效率低下，难以实现实时、精准的离岗判断。
该技能通过集成计算机视觉与人体姿态估计算法，对指定监控区域进行持续分析。用户只需配置好摄像头和划定监测区域，系统即可自动识别区域内人员姿态与数量，并根据预设的判定阈值（如离岗时长）实时判断是否发生离岗、缺岗等异常状态。
它特别适合需要严格岗位纪律和实时安全监控场景的管理者，如生产主管、安保负责人、服务大厅经理等。通过自动化监测，可以大幅减轻人工巡检负担，提升监管效率和响应速度。
使用前需确保监控摄像头视野清晰、光线充足。建议根据实际岗位特点（如允许短暂离开）合理设置判定阈值，避免误报。同时，需注意保护员工隐私，仅在工作区域和时间内启用监测。
核心特点
相比传统的移动侦测或人脸识别方案，本技能基于人体姿态估计，能更准确地判断人员是否处于有效工作姿态（如坐姿、站姿），而非仅仅检测有无移动或人脸，从而减少因人员静止但仍在岗造成的误判。同时，它支持高度自定义的判定逻辑（如离岗时长、区域人数阈值），灵活性更强。
注意事项
不适合人员频繁、无固定位置走动的开放式办公区或需要保护高度个人隐私的场所。
常见问题
这个技能需要什么样的摄像头？
支持标准RTSP或ONVIF协议的普通网络摄像头即可，建议分辨率不低于1080P以确保识别精度。
可以同时监控多个区域吗？
可以，技能支持配置多个独立的监测区域，每个区域可设置不同的判定规则和预警方式。
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/real-time-employee-absence-monitoring-skill-人员离岗实时监测技能-x-4/raw/index.md 读取 Real-time Employee Absence Monitoring Skill | 人员离岗实时监测技能 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/real-time-employee-absence-monitoring-skill-人员离岗实时监测技能-x-4/raw/index.md（查看排版版本）