前言¶

田间或温室里，叶片发黄、叶缘焦枯、生长停滞，往往对应氮磷钾或微量元素的缺乏或过剩。传统做法依赖送检化验或经验目测，前者周期长、后者主观性强。若你已经在用带 Skills 的 AI 助手处理农艺类问题，可以把「看叶片、对照生理规律、给出施肥方向」收敛成一条可复用的工作流。下面介绍 SkillHub 上的 Plant Nutrition Diagnosis Skill（植物营养诊断技能）。

这是什么¶

Plant Nutrition Diagnosis Skill 是社区发布者 user_bb47e3e3 在 SkillHub 上架的专业类 Skill，当前版本 1.0.6，坐标为 @user_bb47e3e3/plant-nutrition-diagnosis-analysis。

官方简介说明：该技能基于计算机视觉与植物生理学，通过叶片特征诊断氮、磷、钾及微量元素的缺乏或过剩，并输出面向精准营养管理的施肥建议。页面标注 requires_api_key=false，即安装与使用不依赖额外 API Key 配置。

核心功能¶

依据 SkillHub 已公开说明，可核实的能力包括：

1. 营养失衡识别：结合叶片可见特征与植物生理学知识，判断缺乏或过剩方向（含氮磷钾及微量元素）。
2. 施肥建议输出：在诊断结论基础上给出有针对性的施肥建议，服务于精准营养管理场景。

具体判定细则与输出格式由 Skill 包内 SKILL.md 定义；安装完成后由 AI 按该说明执行。

安装与启用¶

SkillHub 页面给出的安装方式，是让 AI 按统一安装文档拉取指定坐标：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_bb47e3e3/plant-nutrition-diagnosis-analysis`。

将上述提示词发给支持 SkillHub 安装流程的 AI（如 Cursor、Claude Code 等）。AI 会读取 skillhub.md 中的步骤，把 Skill 安装到本地 Skills 目录并注册。不同客户端的具体目录名可能略有差异，以安装文档与当前工具说明为准。

启用后，在对话中提及营养诊断、叶片异常或施肥方案时，助手应能加载该 Skill 的指令集。

典型用法¶

官方页面未附带独立 CLI 示例；通用用法如下：

1. 完成安装并确认 Skill 已出现在当前会话可用列表中。
2. 提供清晰的叶片信息：自然光或均匀光照下的照片、受害部位（老叶/新叶/全株）、作物种类与生育期，以及近期施肥与土壤管理简述。
3. 明确任务，例如：「根据叶片症状判断可能缺什么元素，并给出施肥调整建议。」

助手在 Skill 约束下，应沿「视觉特征 → 生理推断 → 施肥建议」链路回复。若图像模糊、品种未知或症状与多种元素重叠，结论应带不确定性说明——这属于农艺诊断的常态，而非 Skill 独有缺陷。

适用场景与注意¶

适合谁

• 农技推广、设施园艺、家庭种植等需要快速初判营养问题的场景。
• 已在用 AI + Skills 整理农艺知识、希望减少每次从零描述诊断流程的开发者或从业者。

限制与注意

• 结论基于叶片外观与公开生理知识，不能替代实验室植株分析或土壤检测；重大生产决策仍应以化验与田间试验为准。
• 来源为 community，维护节奏取决于发布者；使用前可在 SkillHub 查看版本与下载量。截至资料抓取时：评分 100000，下载 673 次，安装 1 次（以 SkillHub 页面统计为准）。
• 摄影角度、病害与缺素并发时，误诊风险上升；尽量提供多部位、多时间点照片。

结尾¶

Plant Nutrition Diagnosis Skill 把「叶片特征 + 植物营养学 + 施肥建议」封装成可安装的 Agent Skill，适合作为精准营养管理对话里的第一站初诊。

• SkillHub 页面：https://www.skillhub.cn/skills/user_bb47e3e3/plant-nutrition-diagnosis-analysis
• API 条目：https://api.skillhub.cn/user_bb47e3e3/plant-nutrition-diagnosis-analysis