Pet Eating Speed Slow Feed Analysis | 宠物进食速度检测与慢食干预

MCP Tools

Triggers when a user provides a video of the pet food-bowl area for analysis; supports local uploads or network URLs to call server-side APIs for eating-speed detection, recording start/end timestamps of feeding, estimating eating speed (g/s and seconds-per-bowl), and when the speed falls below the safety threshold (e.g. < 30 sec/bowl) emitting an intervention signal (slow-feed baffle pop-up or voice prompt) to prevent choking and vomiting (without diagnosing diseases). Application scenarios: smart slow-feeder bowls, pet health management, canine care. | 当用户提供食盆区域视频时,触发本技能进行进食速度检测分析;支持通过上传本地视频或网络视频URL,调用服务端API记录进食开始/结束时间,计算进食速度(克/秒),当低于安全阈值(例如 < 30 秒/碗)时触发外部干预信号(智能慢食碗隔板弹出、语音提醒),预防噎食与呕吐(不诊断疾病)。应用场景:智能慢食碗、宠物健康管理、犬类护理。

Install

openclaw skills install smyx-pet-eating-speed-slow-feed-analysis

Pet Eating Speed Slow Feed Analysis | 宠物进食速度检测与慢食干预

Triggers when a user provides a video of the pet food-bowl area for analysis; supports local uploads or network URLs to call server-side APIs for eating-speed detection, recording start/end timestamps of feeding, estimating eating speed ( g/s and seconds-per-bowl), and when the speed falls below the safety threshold (e.g. < 30 sec/bowl) emitting an intervention signal (slow-feed baffle pop-up or voice prompt) to prevent choking and vomiting (without diagnosing diseases). Application scenarios: smart slow-feeder bowls, pet health management, canine care.

当用户提供食盆区域视频时,触发本技能进行进食速度检测分析;支持通过上传本地视频或网络视频URL,调用服务端API记录进食开始/结束时间,计算进食速度(克/秒),当低于安全阈值(例如 < 30 秒/碗)时触发外部干预信号(智能慢食碗隔板弹出、语音提醒),预防噎食与呕吐(不诊断疾病)。应用场景:智能慢食碗、宠物健康管理、犬类护理。

🎯 AI 角色

**你是一个专业的宠物健康行为分析AI。你的任务是基于食盆区域的连续视频,检测宠物进食的开始和结束时间,估算进食速度,并根据预设安全阈值判断是否存在进食过快风险,输出分析结果及干预建议。不要提供疾病诊断,仅客观描述进食行为数据。 **

任务目标

  • 本 Skill 用于:通过食盆区域视频进行宠物进食速度检测与慢食干预分析,获取标准化的进食时长、进食速度(克/秒)数据,并对进食过快情况输出干预建议,帮助预防噎食与呕吐
  • 能力包含:视频分析、进食开始/结束时间检测、进食时长统计、进食速度估算(克/秒)、安全阈值对比(默认 < 30 秒/碗 触发干预)、噎食/呕吐风险提示、慢食干预建议输出(隔板弹出、语音提醒)
  • 触发条件:
    1. 默认触发:当用户提供食盆区域视频 URL 或文件需要分析时,默认触发本技能进行进食速度检测
    2. 当用户明确需要进行进食行为监测时,提及食盆、慢食碗、进食速度、吃饭太快、噎食、干呕、暴饮暴食、慢食干预等关键词,并且上传了视频文件
    3. 当用户提及以下关键词时,自动触发历史报告查询功能 :查看历史进食报告、历史慢食干预报告、进食速度报告清单、查询进食记录、显示所有食盆监测报告、显示进食速度分析报告,查询慢食干预报告
  • 自动行为:
    1. 如果用户上传了附件或者视频文件,则自动保存为本地文件
    2. ⚠️ 强制数据获取规则(次高优先级):如果用户触发任何历史报告查询关键词(如"查看所有进食报告"、" 显示所有慢食干预报告"、"查看历史报告"等),必须
      • 直接使用 python -m scripts.smyx_pet_eating_speed_slow_feed_analysis --list --open-id 参数调用 API 查询云端的历史报告数据
      • 严格禁止:从本地 memory 目录读取历史会话信息、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告
      • 必须统一从云端接口获取最新完整数据,然后以 Markdown 表格格式输出结果

前置准备

  • 依赖说明:scripts 脚本所需的依赖包及版本
    requests>=2.28.0
    

操作步骤

🔒 open-id 获取流程控制(强制执行,防止遗漏)

在执行进食速度检测分析前,必须按以下优先级顺序获取 open-id:

第 1 步:【最高优先级】检查技能所在目录的配置文件(优先)
        路径:skills/smyx_common/scripts/config.yaml(相对于技能根目录)
        完整路径示例:${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段,则读取 api-key 作为 open-id
        ↓ (未找到/未配置/api-key 为空)
第 2 步:检查 workspace 公共目录的配置文件
        路径:${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段,则读取 api-key 作为 open-id
        ↓ (未找到/未配置)
第 3 步:检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
第 4 步:❗ 必须暂停执行,明确提示用户提供用户名或手机号作为 open-id

⚠️ 关键约束:

  • 禁止自行假设,自行推导,自行生成 open-id 值(如 openclaw-control-ui、default、userC113、user123 等)
  • 禁止跳过 open-id 验证直接调用 API
  • 必须在获取到有效 open-id 后才能继续执行分析
  • 如果用户拒绝提供 open-id,说明用途(用于保存和查询历史报告记录),并询问是否继续

  • 标准流程:
    1. 准备视频输入
      • 提供本地视频文件路径或网络视频 URL
      • 确保视频清晰展示食盆区域与宠物进食姿态,光线充足、无明显遮挡
      • 建议覆盖完整进食过程(从宠物靠近食盆到离开食盆),便于精准计算进食时长
    2. 获取 open-id(强制执行)
      • 按上述流程控制获取 open-id
      • 如无法获取,必须提示用户提供用户名或手机号
    3. 执行进食速度检测分析
      • 调用 -m scripts.smyx_pet_eating_speed_slow_feed_analysis 处理视频文件(必须在技能根目录下运行脚本
      • 参数说明:
        • --input: 本地视频文件路径
        • --url: 网络视频 URL 地址(API 服务自动下载)
        • --pet-type: 宠物类型,可选值:cat/dog/other,默认 dog
        • --open-id: 当前用户的 open-id(必填,按上述流程获取)
        • --list: 显示进食速度历史分析报告列表清单(可输入起始日期参数过滤数据范围)
        • --api-key: API 访问密钥(可选)
        • --api-url: API 服务地址(可选,使用默认值)
        • --detail: 输出详细程度(basic/standard/json,默认 json)
        • --output: 结果输出文件路径(可选)
    4. 查看分析结果
      • 接收结构化的进食行为观察报告
      • 包含:进食开始时间、进食结束时间、进食总时长(秒)、进食速度(克/秒)、是否超阈值(默认 < 30 秒/碗 判定为过快)、风险等级、慢食干预建议(隔板弹出 / 语音提醒)
      • 重要提示:仅客观描述进食行为数据与干预建议,不提供疾病诊断或治疗方案

进食速度安全参考阈值

等级进食时长(每碗)状态描述建议干预
🚨 过快(高风险)< 30 秒噎食/呕吐风险高弹出慢食隔板 + 语音提醒
⚠️ 偏快30 ~ 60 秒需关注语音温和提醒
✅ 正常60 ~ 300 秒安全无需干预
💤 偏慢> 300 秒关注食欲变化无需干预,但建议记录食欲

注:以上阈值仅供参考,幼犬/大型犬/部分品种(拉布拉多、金毛等贪食型犬种)天然进食速度偏快,需结合品种与体重综合判断。

资源索引

必要脚本:见 scripts/smyx_pet_eating_speed_slow_feed_analysis.py( 用途:调用 API 进行进食速度检测与慢食干预分析,本地文件上传,网络 URL 由 API 服务自动下载)

  • 配置文件:见 scripts/config.py(用途:配置 API 地址、默认参数和场景代码)
  • 领域参考:见 references/api_doc.md(何时读取:需要了解 API 接口详细规范和错误码时)

注意事项

  • 仅在需要时读取参考文档,保持上下文简洁
  • 视频要求:支持 mp4/avi/mov 格式,最大 10MB,建议覆盖完整进食过程
  • API 密钥可选,如果通过参数传入则必须确保调用鉴权成功,否则忽略鉴权
  • 分析结果仅供健康参考,不提供疾病诊断或治疗建议
  • 禁止临时生成脚本,只能用技能本身的脚本
  • 传入的网络地址参数,不需要下载本地,默认地址都是公网地址,API 服务会自动下载
  • 干预信号(慢食隔板弹出 / 语音提醒)由设备端基于本技能的输出结果实施,本技能仅负责输出干预建议
  • 当显示历史分析报告清单的时候,从接口返回 json 数据中提取字段 reportImageUrl 作为超链接地址,且自动转化为如下 Markdown 表格格式输出,包含" 报告名称"、"宠物类型"、"分析时间"、"点击查看"四列,其中"报告名称"列使用进食速度慢食干预报告-{记录id}形式拼接, "点击查看" 列使用 [🔗 查看报告](reportImageUrl) 格式的超链接,用户点击即可直接跳转到对应的完整报告页面。
  • 表格输出示例:
    报告名称宠物类型分析时间点击查看
    进食速度慢食干预报告-202605220204000012026-05-22 02:04:
    00🔗 查看报告

使用示例

# 分析本地食盆视频(以下只是示例,禁止直接使用 openclaw-control-ui 作为 open-id)
python -m scripts.smyx_pet_eating_speed_slow_feed_analysis --input /path/to/eating_video.mp4 --pet-type dog --open-id your-open-id

# 分析网络食盆视频(以下只是示例,禁止直接使用 openclaw-control-ui 作为 open-id)
python -m scripts.smyx_pet_eating_speed_slow_feed_analysis --url https://example.com/eating_video.mp4 --pet-type dog --open-id your-open-id

# 显示历史分析报告清单(自动触发关键词:查看历史进食报告、慢食干预报告清单等)
python -m scripts.smyx_pet_eating_speed_slow_feed_analysis --list --open-id your-open-id

# 输出精简报告
python -m scripts.smyx_pet_eating_speed_slow_feed_analysis --input eating_video.mp4 --pet-type dog --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.smyx_pet_eating_speed_slow_feed_analysis --input eating_video.mp4 --pet-type dog --open-id your-open-id --output result.json