🐱🐶 宠物情绪识别 Pet Emotion#

AI驱动的宠物情绪识别技能 | 拍照即得 | 6种情绪分类 | 可视化报告

概述#

上传猫或狗的照片，AI自动分析宠物情绪。支持6种情绪分类（快乐/悲伤/愤怒/恐惧/放松/警觉），生成包含情绪雷达图、置信度评分和AI解读的HTML可视化报告。

触发场景#

• 用户说"看看我家猫/狗的情绪"、"宠物情绪识别"、"拍照识别宠物情绪"
• 用户提供宠物照片路径，想知道宠物状态
• 用户分享宠物照片想了解情绪

核心功能#

功能说明📸 拍照识别上传照片，自动识别猫狗情绪🎯 6情绪分类快乐/悲伤/愤怒/恐惧/放松/警觉📊 可视化报告Chart.js雷达图+置信度条+emoji表情💬 AI解读自然语言情绪解读和互动建议🐱🐶 双物种同时支持猫和狗

---

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。

Step 2: 检查环境与 API Key#

首次使用前需配置 DashScope API Key：

bash

# 检查 API Key 是否已配置
/c/Users/PC/.workbuddy/binaries/python/versions/3.13.12/python.exe -c "
from pet_emotion import find_api_key
key = find_api_key()
print('API Key:', '已配置' if key and key != 'YOUR_DASHSCOPE_API_KEY_HERE' 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: 运行情绪识别#

使用技能内置脚本 scripts/pet_emotion.py：

bash

/c/Users/PC/.workbuddy/binaries/python/versions/3.13.12/python.exe \
  /c/Users/PC/.workbuddy/skills/pet-emotion/scripts/pet_emotion.py \
  --image "<用户提供的图片路径>" \
  --output "/c/Users/PC/WorkBuddy/2026-06-13-22-22-46/pet_emotion_report.html"

参数说明：

参数说明--image PATH宠物照片路径（必填）--output PATHHTML报告输出路径（可选，默认当前目录）--api ENDPOINTAPI类型，默认 dashscope（也支持 openai）

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（情绪+置信度+解读）
2. 使用 preview_url 预览HTML报告
3. 使用 deliver_attachments 交付报告文件

---

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) 或 qwen-vl-plus

---

情绪分类参考#

情绪Emoji典型特征快乐 😊放松姿势、尾巴摇摆、耳朵自然、眼神柔和悲伤 😢耷拉耳朵、蜷缩、无精打采、回避眼神愤怒 😠龇牙、竖毛、身体僵硬、耳朵后压恐惧 😨夹尾、躲藏、瞳孔放大、身体低伏放松 😌眯眼、打盹、肚皮朝上、耳朵自然警觉 🧐竖耳、凝视、身体紧绷、尾巴直立

---

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 进行情绪识别：

python

import base64, json, os, requests

def analyze_pet_emotion(image_path):
    """直接调用 DashScope 分析宠物情绪"""
    api_key = os.environ.get("DASHSCOPE_API_KEY", "")
    if not api_key:
        # 尝试读取配置文件
        config_path = os.path.expanduser("~/.workbuddy/config/dashscope.json")
        if os.path.exists(config_path):
            with open(config_path) 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")

    payload = {
        "model": "qwen-vl-max",
        "messages": [{
            "role": "user",
            "content": [
                {"type": "image_url", "image_url": {"url": f"data:image/{mime};base64,{img_b64}"}},
                {"type": "text", "text": """请分析这张宠物（猫或狗）照片中的情绪状态。
返回JSON格式：
{"species": "cat或dog或unknown", "emotion": "快乐/悲伤/愤怒/恐惧/放松/警觉", "confidence": 0.0-1.0, "reason": "判断依据简短说明", "suggestion": "给主人的互动建议"}
如果图片中没有猫或狗，species返回unknown。只返回JSON，不要其他内容。"""}
            ]
        }],
        "temperature": 0.1
    }

    resp = requests.post(
        "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions",
        headers={"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"},
        json=payload, timeout=30
    )
    return resp.json()

---

文件结构#

text

pet-emotion/
├── SKILL.md                    # 本文件
├── scripts/
│   └── pet_emotion.py          # 主脚本：图片→API→报告
├── assets/
│   └── report_template.html    # HTML报告模板
└── references/
    └── emotion_guide.md        # 情绪解读知识库