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/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
“帮我监测3号生产线质检工位，设定离岗超过5分钟即触发告警，并推送消息到我的手机。”，它会自动配置监测区域与告警规则，并开始实时分析视频流。当检测到该工位人员连续离岗超过设定时间，系统会立即执行告警动作，并将事件记录在案供您查看。
介绍
本技能旨在解决特定岗位（如工厂车间、监控室、服务窗口）因人员擅自离岗或缺岗而引发的安全风险与运营效率低下问题。它通过计算机视觉与人体姿态估计算法，对划定区域进行实时视频分析，自动识别人员是否存在，并判断其是否处于离岗状态。
使用时，用户只需接入监控摄像头或视频流，并设定好监测区域与判定阈值（如离岗时长）。系统将自动运行，一旦检测到异常，会立即通过预设的告警渠道（如声光、消息推送）发出预警。
该技能特别适合需要严格在岗纪律的场所管理者，如工厂车间主管、安保监控中心负责人、银行或政务服务中心的运营经理。他们无需人工盯屏，即可实现对关键岗位的自动化、不间断监管。
建议在使用前，根据实际场景（如岗位性质、环境光照、人员着装）调整算法阈值，以平衡监测灵敏度与误报率。同时，需确保视频源的清晰度与稳定性，并遵守相关隐私法规，对监测区域进行明确告知。
核心特点
与传统的基于运动检测或简单区域入侵的监控方案相比，本技能通过人体姿态估计算法，能更精准地判断人员是否“在岗”而非仅仅“在区域内”，有效区分路过、短暂停留与正常工作状态，减少误报。同时，它支持高度自定义的判定逻辑（如离岗时长、特定姿态），而非简单的存在性检测。
注意事项
不适合人员频繁流动、姿态变化剧烈或需要精确身份识别的场景。
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IP摄像头均可，建议分辨率不低于1080P以保证识别精度。
离岗判断的阈值可以设置哪些参数？
主要可设置人员消失的持续时长阈值，以及可选的人员姿态（如坐下/站立）作为在岗判定条件。
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/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/raw/index.md（查看排版版本）