🌸 花卉识别与养护 Flower Care#

AI驱动的花卉识别与养护指导 | 拍照即识 | 6维养护指南 | 可视化报告

概述#

上传任意花卉/植物照片，AI自动识别品种并生成专业养护指南。覆盖浇水、光照、温度、土壤、施肥、病虫害防治六大维度，生成包含雷达图、养护卡片和病虫害提示的交互式HTML可视化报告。

触发场景#

• 用户说"这是什么花"、"识别一下这个植物"、"帮我看看这是什么"
• 用户说"怎么养"、"养护指南"、"这花怎么浇水"
• 用户说"花生病了"、"叶子黄了"、"长虫了"
• 用户分享植物照片并询问养护方法
• 用户询问某类植物的养护要点（可查询内置知识库）

核心功能#

功能说明📸 拍照识花上传照片，AI自动识别植物品种（含学名、科属）💚 健康评估判断植物健康状态（健康/一般/较差）并预警🌿 6维养护指南浇水、光照、温度、土壤、施肥、病虫害防治🛡️ 病虫害防治识别常见病虫害，给出具体防治方案📊 可视化报告Chart.js雷达图 + 养护卡片 + 健康预警📚 内置知识库60+常见植物养护数据，可离线查询

---

执行流程#

Step 1: 接收图片#

用户提供图片路径或URL。如果用户没有提供路径，询问用户上传或拖拽图片。

如果用户没有图片只是询问养护知识，跳转到 Step 5 使用内置知识库回答。

Step 2: 检查环境与 API Key#

首次使用前需配置 DashScope API Key：

bash

/c/Users/PC/.workbuddy/binaries/python/versions/3.13.12/python.exe -c "
import json, os
key = os.environ.get('DASHSCOPE_API_KEY', '')
if not key:
    cfg = os.path.expanduser('~/.workbuddy/config/dashscope.json')
    if os.path.exists(cfg):
        with open(cfg) as f:
            key = json.load(f).get('api_key', '')
print('API Key:', '已配置' if key and 'YOUR_' not in key else '未配置')
"

如果未配置，两种方式设置：

方式一（推荐）：编辑配置文件

bash

# 编辑 C:/Users/PC/.workbuddy/config/dashscope.json
# 将 YOUR_DASHSCOPE_API_KEY_HERE 替换为实际的 API Key

方式二：设置环境变量

bash

export DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxx"

获取 API Key： https://dashscope.console.aliyun.com/apiKey

Step 3: 运行花卉识别#

使用技能内置脚本 scripts/flower_care.py：

bash

/c/Users/PC/.workbuddy/binaries/python/versions/3.13.12/python.exe \
  /c/Users/PC/.workbuddy/skills/flower-care/scripts/flower_care.py \
  --image "<用户提供的图片路径>" \
  --output "/c/Users/PC/WorkBuddy/2026-06-18-11-18-38/flower_care_report.html"

参数说明：

参数说明--image PATH植物照片路径（必填）--output PATHHTML报告输出路径（可选，默认当前目录）--model NAMEDashScope模型，默认 qwen-vl-max（也可用 qwen-vl-plus）

Step 4: 展示结果#

脚本执行完成后：

1. 在对话中展示识别结果摘要（植物名称+养护要点）
2. 使用 present_files 预览并交付HTML报告

Step 5: 无需图片的养护咨询（使用内置知识库）#

如果用户只是问"绿萝怎么养"、"多肉浇水频率"等，直接参考 references/plant_care_db.md 知识库回答，无需调用API。

知识库覆盖 60+ 常见植物，按类别索引：

• 观花植物 (#1-15)：月季、玫瑰、茉莉、栀子、兰花、蝴蝶兰等
• 观叶植物 (#16-30)：绿萝、吊兰、虎皮兰、龟背竹、琴叶榕等
• 多肉植物 (#31-33)：多肉通用、仙人掌、玉露
• 香草/食用 (#34-36)：薄荷、迷迭香、薰衣草
• 其他：水生植物、空气净化植物、年宵花、藤本、盆景、网红植物

查询方式：用 grep 在知识库中搜索植物名：

bash

grep -A 10 "^### .*绿萝" /c/Users/PC/.workbuddy/skills/flower-care/references/plant_care_db.md

---

API 配置#

脚本自动从以下位置读取 DashScope API Key（按优先级）：

1. 环境变量 DASHSCOPE_API_KEY
2. 环境变量 OPENAI_API_KEY（兼容模式）
3. 配置文件 ~/.workbuddy/config/dashscope.json

DashScope API 端点：

text

POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
Model: qwen-vl-max (推荐，识别最准确) 或 qwen-vl-plus (更快更省)

---

养护维度说明#

维度Emoji说明浇水 💧浇水频率、方法、注意事项光照 ☀️光照需求、每日时长、摆放位置温度 🌡️适宜范围、最低/最高耐受、季节调整土壤 🪴土壤类型、酸碱度、透气排水要求施肥 🧪施肥频率、肥料类型、休眠期停肥病虫害 🛡️常见病害、典型症状、防治药剂和方法

---

独立使用（直接调用 API）#

不运行脚本时，可直接用以下代码调用 DashScope API 进行花卉识别：

python

import base64, json, os
import urllib.request

def identify_flower(image_path):
    api_key = os.environ.get("DASHSCOPE_API_KEY", "")
    if not api_key:
        cfg = os.path.expanduser("~/.workbuddy/config/dashscope.json")
        if os.path.exists(cfg):
            with open(cfg) as f:
                api_key = json.load(f).get("api_key", "")

    with open(image_path, "rb") as f:
        img_b64 = base64.b64encode(f.read()).decode()

    ext = os.path.splitext(image_path)[1].lower()
    mime_map = {".jpg": "jpeg", ".jpeg": "jpeg", ".png": "png", ".webp": "webp"}
    mime = mime_map.get(ext, "jpeg")

    prompt = """你是一位资深园艺师。请识别图片中的植物并提供养护建议。
返回JSON：{"plant_name":"","scientific_name":"","family":"","plant_type":"",
"health_status":"健康/一般/较差","difficulty":"容易/中等/较难",
"water":{"frequency":"","method":"","note":""},
"light":{"requirement":"","hours":"","note":""},
"temperature":{"range":"","min":"","note":""},
"soil":{"type":"","ph":"","note":""},
"fertilizer":{"schedule":"","type":"","note":""},
"diseases":[{"name":"","symptom":"","treatment":""}],
"tips":[""],"description":"",
"care_score":{"watering":0.5,"light":0.5,"temperature":0.5,"soil":0.5,"fertilizer":0.5,"pest_control":0.5}}"""

    payload = json.dumps({
        "model": "qwen-vl-max",
        "messages": [{"role": "user", "content": [
            {"type": "image_url", "image_url": {"url": f"data:image/{mime};base64,{img_b64}"}},
            {"type": "text", "text": prompt}
        ]}],
        "temperature": 0.3, "max_tokens": 1500
    }).encode()

    req = urllib.request.Request(
        "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions",
        data=payload,
        headers={"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
    )
    with urllib.request.urlopen(req, timeout=60) as resp:
        return json.loads(resp.read())

---

文件结构#

text

flower-care/
├── SKILL.md                       # 本文件
├── scripts/
│   └── flower_care.py             # 主脚本：图片→API→报告
├── assets/
│   └── report_template.html       # HTML报告模板（含雷达图+养护卡片）
└── references/
    └── plant_care_db.md           # 60+常见植物养护知识库

---

常见问题#

Q: 识别不准确怎么办？

• 确保照片清晰、光线充足，花朵/叶片特征明显
• 尽量包含花朵和叶片，多角度拍摄效果更好
• 避免背景过于杂乱

Q: API Key 从哪里获取？

• 访问 https://dashscope.console.aliyun.com/apiKey
• 新用户有免费额度
• qwen-vl-max 约 ¥0.003/千tokens，识别一张图约消耗 1000-2000 tokens

Q: 没有图片也能用吗？

• 可以！直接说出植物名称（如"绿萝怎么养"），会从内置知识库查询养护指南