Intelligent Public Smoking Detection Skill | 公共场所吸烟行为智能检测技能

Automatically detects smoking behavior in target areas based on computer vision; supports real-time detection of video streams, images, and video files; iden...

Security Scan

The skill mostly does what it says (send media to an external analysis API and return results), but there are several mismatches and privacy/operational concerns (local file/DB writes, cross-skill config reads, implicit environment reliance, and network endpoints) that merit review before installing or running it with real data.

Purpose & Capability

The name/description (smoking detection via CV) matches the included code (scripts/smoking_detection_analysis.py and related API client code). Declared dependency on smyx_common is reasonable because shared APIs/config/utilities are used. However, the package bundle also contains a large 'face_analysis' subskill and a broad 'smyx_common' library (DB/DAO/config) that are not strictly necessary for a focused smoking-detection helper; their presence increases complexity and persistence surface.

Instruction Scope

SKILL.md mandates obtaining an open-id by reading config files in skills/smyx_common/scripts/config.yaml (and workspace-level config), requires saving uploaded attachments to a local attachments directory, and forbids reading local 'memory' files or LanceDB. The code does read config.yaml, sets ConstantEnum.CURRENT__OPEN_ID from passed args or environment, and will read and write files (including creating a local SQLite DB under workspace/data via the DAO utilities). The instructions force uploading media to a remote API (via RequestUtil/http_post), meaning user media is transmitted off-host. The prohibition on local memory access contrasts with the skill's use of other local config files and local DB utilities—this is inconsistent and should be clarified.

Install Mechanism

No install spec is provided (instruction-only), which is low-risk for automatic code fetching; however the repository contains many Python modules and a large requirements list in smyx_common/requirements.txt. Running the skill will require installing many dependencies (including network and DB libs). The lack of an install step means a user or operator will need to review and install dependencies manually in their environment—this elevates operational risk if done without inspection or sandboxing.

Credentials

The registry metadata shows no required env vars, but the code reads several environment variables implicitly: OPENCLAW_SENDER_OPEN_ID / OPENCLAW_SENDER_USERNAME / FEISHU_OPEN_ID (via ConstantEnum.init), and OPENCLAW_WORKSPACE is used to determine where DB/files are stored. The skill also expects/prohibits particular open-id values and requires an open-id to operate. The implicit use of workspace and sender env vars is not declared in the skill metadata, which is a proportionality / transparency problem. The skill will send uploaded media and request parameters to external API endpoints (configured in smyx_common config.yaml), so API keys, personal identifiers (open-id/username/phone), and media may be transmitted off-host.

Persistence & Privilege

The skill will create/use local persistence: it uses dao.py to initialize or access a SQLite DB under a data directory (derived from OPENCLAW_WORKSPACE or workspace path) and will save uploaded attachments to a skill attachments folder. The SKILL.md explicitly instructs saving attachments locally. The skill does not request 'always: true' and does not try to modify other skills' configurations, but it does read other-skill config files (skills/smyx_common/scripts/config.yaml) and can create local files and DBs—this is a non-negligible level of persistence and should be expected and consented to by the operator.

scan_findings_in_context

🔴 强制依赖声明

dependencies:

• skill_id: "smyx_common" # 必须先有这个技能 reason: "需要提取公共基座原始文本"

Intelligent Public Smoking Detection Skill | 公共场所吸烟行为智能检测技能

Based on advanced computer vision and deep learning algorithms, this feature provides 24/7, high-precision automated monitoring of smoking behaviors within target areas. The system supports multi-source detection via real-time video streams, static images, and local video files. By identifying cigarette objects, smoke patterns, and specific " hand-to-mouth" motion characteristics, it effectively filters out environmental interference to accurately determine违规 smoking acts. Upon detecting an anomaly, the system immediately triggers a warning mechanism, notifying management personnel through audio-visual alarms or push notifications. This facilitates a shift from passive surveillance to active intervention, providing robust technical support for smoking control management and fire safety in industrial parks, communities, and enterprises.

本功能基于先进的计算机视觉与深度学习算法，能够对目标区域内的吸烟行为进行全天候、高精度的自动化监测。系统支持接入实时视频流、静态图片及本地视频文件进行多重检测，通过识别香烟物体、烟雾形态及“手持-口部”的动作特征，有效过滤环境干扰，精准判定违规吸烟行为。一旦检测到异常，系统将立即触发预警机制，通过声光报警或消息推送通知管理人员，实现从被动监控到主动干预的转变，为园区、社区及企事业单位的控烟管理与消防安全提供强有力的技术支撑

⚠️ 强制记忆规则（最高优先级）

本技能明确约定：

• 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
• 绝对禁止从 LanceDB 长期记忆中检索信息
• 所有历史检测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
• 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

任务目标

• 本 Skill 用于：通过视频/图片进行公共场所吸烟行为智能检测，获取结构化的吸烟检测分析报告
• 能力包含：实时检测识别、视频流分析、图片识别、违规行为预警、历史检测报告查询
• 触发条件:
  1. 默认触发：当用户提供视频/图片 URL 或文件需要进行吸烟检测时，默认触发本技能进行吸烟行为识别分析
  2. 当用户明确需要进行吸烟检测时，提及吸烟检测、控烟检查、禁烟识别、违规吸烟、公共场所吸烟检测等关键词，并且上传了视频文件或者图片文件
  3. 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看历史检测报告、吸烟检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、吸烟检测历史记录，查询吸烟检测分析报告
• 自动行为：
  1. 如果用户上传了附件或者视频/图片文件，则自动保存到技能目录下 attachments
  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"查看所有检测报告"、" 显示所有吸烟检测报告"、"查看历史报告"等），必须：
     • 直接使用 python -m scripts.smoking_detection_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）

在执行吸烟检测分析前，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、smoking123 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（用于保存和查询吸烟检测报告记录），并询问是否继续

---

• 标准流程:
  1. 准备媒体输入
     • 提供本地视频/图片文件路径或网络视频/图片 URL
     • 确保画面清晰展示目标区域，光线充足
  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. 执行吸烟检测分析
     • 调用 -m scripts.smoking_detection_analysis 处理媒体文件（必须在技能根目录下运行脚本）
     • 参数说明:
       • --input: 本地视频/图片文件路径（使用 multipart/form-data 方式上传）
       • --url: 网络视频/图片 URL 地址（API 服务自动下载）
       • --media-type: 媒体类型，可选值：video/image，默认 video
       • --open-id: 当前用户的 open-id（必填，按上述流程获取）
       • --list: 显示历史吸烟检测分析报告列表清单（可以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
     • 接收结构化的吸烟检测分析报告
     • 包含：检测基本信息、检测区域、吸烟行为识别结果、违规次数统计、置信度评分、违规预警提示

资源索引

• 必要脚本：见 scripts/smoking_detection_analysis.py(用途：调用 API 进行吸烟检测分析，本地文件使用 multipart/form-data 方式上传，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、默认参数和媒体格式限制)
• 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
• 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 100MB
• 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
• 分析结果仅供控烟管理参考，具体处置请按单位相关规定执行
• 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
• 当显示历史检测报告清单的时候，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" 报告名称"、"媒体类型"、"检测时间"、"点击查看"四列，其中"报告名称"列使用吸烟检测分析报告-{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	媒体类型	检测时间	点击查看
  吸烟检测分析报告-20260312172200001	视频	2026-03-12 17:22:00	🔗 查看报告

使用示例

# 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）
python -m scripts.smoking_detection_analysis --input /path/to/video.mp4 --media-type video --open-id openclaw-control-ui

# 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）
python -m scripts.smoking_detection_analysis --url https://example.com/video.mp4 --media-type video --open-id openclaw-control-ui

# 分析本地图片（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.smoking_detection_analysis --input /path/to/image.jpg --media-type image --open-id openclaw-control-ui

# 显示历史检测报告/显示检测报告清单列表/显示历史吸烟检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）
python -m scripts.smoking_detection_analysis --list --open-id openclaw-control-ui

# 输出精简报告
python -m scripts.smoking_detection_analysis --input video.mp4 --media-type video --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.smoking_detection_analysis --input video.mp4 --media-type video --open-id your-open-id --output result.json