{"skill":{"slug":"new-smyx-new-smyx-face-analysis","displayName":"中医面诊分析工具","summary":"Supports uploading local MP4 videos or network video URLs to call the server-side API for facial diagnosis. It returns structured TCM facial diagnosis result...","description":"---\nname: \"face-analysis\"\ndescription: \"Supports uploading local MP4 videos or network video URLs to call the server-side API for facial diagnosis. It returns structured TCM facial diagnosis results. | 支持通过上传本地 MP4 视频或网络视频 URL，调用服务端 API 进行面部诊断，返回结构化的中医面诊结果\"\nversion: \"1.0.0\"\n---\n\n# TCM Facial Diagnosis Analysis Tool | 中医面诊分析工具\n\nThis feature supports users in uploading local MP4 video files or providing network video URLs. By leveraging advanced\nserver-side AI diagnostic APIs, it performs deep analysis and real-time capture of facial features in the video. Based\non the TCM theory of \"Inspection,\" the system precisely analyzes key indicators such as complexion, luster, and texture.\nUltimately, it returns a structured facial diagnosis report containing physical constitution identification and health\nstatus assessment, providing users with a convenient and professional digital health reference.\n\n本功能支持用户上传本地MP4视频文件或提供网络视频URL，通过调用服务端先进的AI智能诊断API，对视频画面中的人物面部特征进行深度解析与实时捕捉。系统将依据中医“望诊”理论，精准分析面色、光泽及纹理等关键信息，最终返回一份包含体质辨识与健康状态评估的结构化中医面诊结果，为用户提供便捷、专业的数字化健康参考\n\n## ⚠️ 强制记忆规则（最高优先级）\n\n**本技能明确约定：**\n\n- **绝对禁止读取任何本地记忆文件**：包括但不限于 `memory/YYYY-MM-DD.md`、`MEMORY.md` 等本地文件\n- **绝对禁止从 LanceDB 长期记忆中检索信息**\n- **所有历史报告查询必须从云端接口获取**，不得使用本地记忆中的历史数据\n- 即使技能调用失败或接口异常，也不得回退到本地记忆汇总\n\n## 任务目标\n\n- 本 Skill 用于：通过面部视频进行中医面诊分析，获取结构化的健康诊断结果和养生建议\n- 能力包含：视频分析、面部特征识别、脏腑状况评估、健康风险提示、养生建议生成\n- 触发条件:\n    1. **默认触发**：当用户提供视频 URL 或文件需要分析，但**未明确提及\"风险分析\"、\"跌倒检测\"、\"行为识别\"时，默认触发本技能**\n       进行中医面诊分析\n    2. 当用户明确需要进行中医面诊分析时，提及中医面诊、舌诊，以及上传了视频文件或者图片文件\n    3. 当用户提及以下关键词时，**自动触发历史报告查询功能**\n       ：查看历史面诊报告、历史报告、历史面诊分析清单、面诊清单、面诊报告清单、查询历史报告、查看报告列表、查看报告清单、查看报告表格、查看所有报告、显示所有面诊报告、显示面诊报告\n- 自动行为：\n    1. 如果用户上传了附件或者图片文件，则自动保存到技能目录下 attachments\n    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\"查看所有面诊报告\"、\"显示所有面诊报告\"、\"\n       查看历史报告\"、\"显示面诊报告\"、\"面诊报告清单\"、\"显示所有报告\"、\"查看报告列表\"等），**必须**：\n        - 直接使用 `python -m scripts.face_analysis --list --open-id` 参数调用 API\n          查询云端的历史报告数据\n        - **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\n        - **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\n\n## 前置准备\n\n- 依赖说明:scripts 脚本所需的依赖包及版本\n  ```\n  requests>=2.28.0\n  ```\n\n## 操作步骤\n\n### 🔒 open-id 获取流程控制（强制执行，防止遗漏）\n\n**在执行面诊分析前，必须按以下优先级顺序获取 open-id：**\n\n```\n第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）\n        路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）\n        完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml\n        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id\n        ↓ (未找到/未配置/api-key 为空)\n第 2 步：检查 workspace 公共目录的配置文件\n        路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml\n        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id\n        ↓ (未找到/未配置)\n第 3 步：检查用户是否在消息中明确提供了 open-id\n        ↓ (未提供)\n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\n```\n\n**⚠️ 关键约束：**\n\n- **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）\n- **禁止**跳过 open-id 验证直接调用 API\n- **必须**在获取到有效 open-id 后才能继续执行分析\n- 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\n\n---\n\n- 标准流程:\n    1. **准备视频输入**\n        - 提供本地 MP4 视频路径或网络视频 URL\n        - 确保视频清晰展示面部特征，光线充足\n    2. **获取 open-id（强制执行）**\n        - 按上述流程控制获取 open-id\n        - 如无法获取，必须提示用户提供用户名或手机号\n    3. **执行面诊分析**\n        - 调用 `-m scripts.face_analysis` 处理视频文件（**必须在技能根目录下运行脚本**）\n        - 参数说明:\n            - `--input`: 本地视频文件路径（使用 multipart/form-data 方式上传）\n            - `--url`: 网络视频 URL 地址（API 服务自动下载）\n            - `--open-id`: 当前用户的 open-id（必填，按上述流程获取）\n            - `--list`: 显示面诊视频历史列表清单（可以输入起始日期参数过滤数据范围）\n            - `--api-key`: API 访问密钥（可选）\n            - `--api-url`: API 服务地址（可选，使用默认值）\n            - `--detail`: 输出详细程度（basic/standard/json，默认 json）\n            - `--output`: 结果输出文件路径（可选）\n    4. **查看分析结果**\n        - 接收结构化的中医面诊报告\n        - 包含：整体体质、脏腑状况、面色分析、健康警示、养生建议\n\n## 资源索引\n\n- 必要脚本：见 [scripts/face_analysis.py](scripts/face_analysis.py)(用途：调用 API 进行中医面诊分析，本地文件使用\n  multipart/form-data 方式上传，网络 URL 由 API 服务自动下载)\n- 配置文件：见 [scripts/config.py](scripts/config.py)(用途：配置 API 地址、默认参数和视频格式限制)\n- 领域参考：见 [references/api_doc.md](references/api_doc.md)(何时读取：需要了解 API 接口详细规范和错误码时)\n\n## 注意事项\n\n- 仅在需要时读取参考文档，保持上下文简洁\n- 视频要求：支持 mp4/avi/mov 格式，最大 100MB\n- 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\n- 分析结果仅供参考，不能替代专业医疗诊断\n- 禁止临时生成脚本，只能用技能本身的脚本\n- 传入的网路地址参数，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\n- 当显示历史分析报告清单的时候，从数据 json 中提取字段 reportImageUrl 作为超链接地址，使用 Markdown 表格格式输出，包含\"\n  报告名称\"、\"分析时间\"、\"点击查看\"三列，其中\"报告名称\"列使用`中医面诊分析报告-{记录id}`形式拼接, \"点击查看\"列使用\n  `[🔗 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。\n- 表格输出示例：\n  | 报告名称 | 分析时间 | 点击查看 |\n  |----------|----------|----------|\n  | 中医面诊分析报告-20260312172200001 | 2026-03-12 17:22:00 | [🔗 查看报告](https://example.com/report?id=xxx) |\n\n## 使用示例\n\n```bash\n# 分析本地视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.face_analysis --input /path/to/video.mp4 --open-id openclaw-control-ui\n\n# 分析网络视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）\npython -m scripts.face_analysis --url https://example.com/video.mp4 --open-id openclaw-control-ui\n\n# 显示历史分析报告/显示分析报告清单列表/显示历史面诊报告（自动触发关键词：查看历史面诊报告、历史报告、面诊清单等）\npython -m scripts.face_analysis --list --open-id openclaw-control-ui\n\n# 输出精简报告\npython -m scripts.face_analysis --input video.mp4 --open-id your-open-id --detail basic\n\n# 保存结果到文件\npython -m scripts.face_analysis --input video.mp4 --open-id your-open-id --output result.json\n```\n","tags":{"latest":"1.0.3"},"stats":{"comments":0,"downloads":294,"installsAllTime":0,"installsCurrent":0,"stars":0,"versions":1},"createdAt":1777976856174,"updatedAt":1781223240085},"latestVersion":{"version":"1.0.3","createdAt":1777976856174,"changelog":"Initial release of the TCM facial diagnosis analysis skill.\n\n- Enables facial analysis from uploaded MP4 videos or network video URLs via a server-side API, returning structured TCM reports.\n- Strictly prohibits the use of any local memory files or long-term memory for historical report queries; all queries must access the cloud API.\n- Enforces a precise open-id retrieval process before any analysis, with clear user prompts if unavailable.\n- Automatically triggers TCM analysis unless specific keywords indicate other analysis tasks.\n- Historical report queries output results in Markdown table format with direct links to reports.","license":"MIT-0"},"metadata":null,"owner":{"handle":"smyx-sunjinhui","userId":"s17cfv2h26b7hq5w47tgfy23xx83z9x6","displayName":"smyx-sunjinhui","image":"https://avatars.githubusercontent.com/u/272464691?v=4"},"moderation":{"isSuspicious":false,"isMalwareBlocked":false,"verdict":"clean","reasonCodes":["review.llm_review"],"summary":"Review: review.llm_review","engineVersion":"v2.4.24","updatedAt":1778492850251}}