> 基于权威论文与品种学资料构建。支持读图分析 + 现场动作反馈协议。
> 给一颗未开壳的榴莲打分：品种、成熟度（外壳木质化）、死包风险、值不值得买、什么时候吃。
本 Skill 不是确定性判别器。Agent 在使用本 Skill 时必须遵守：
必须让用户在现场做出动作并反馈，否则相应字段标 unknown。
综合分被自动压低。
actions_suggested 字段列出了精准的动作请求，Agent 应逐字转达给用户。
| 类型 | 位置 | 性质 | 本 Skill 处理 |
|---|---|---|---|
| --- | --- | --- | --- |
| 外壳/果柄/刺木质化 (RLI) | 果实外部 | 正常成熟过程 | 成熟度主维度 → rind-lignification.md |
| 果肉硬核 / 死包 (UFR) | 果实内部果肉 | 病理性缺陷 | 品质一票否决项 → hardened-flesh.md |
> 用户说"这颗木质化了"时，需要先主动澄清是指外壳（熟不熟）还是果肉（死包没死包）。
按需读取：
prompts/photo-protocol.md — 必读：拍摄要求 + 图片质量门禁（降级评估规则）+ 用户动作协议（C1–C6）prompts/batch-selection.md — 群选模式必读：粗筛评分表 + 两轮流程 + 标注图输出规范（多颗或同框图时读取）scripts/annotate.py — 标注图工具：接受图片路径/base64 + JSON 标注列表，用 Pillow 画框并返回标注图路径prompts/visual_checklist.md — 18 项视觉 + RLI(L1–L5) + UFR(H1–H5) checklistreferences/varieties.md — 8 大品种形态学卡片（含品种 UFR 风险表）references/ripeness-criteria.md — 4 档成熟度标准references/rind-lignification.md — 外壳木质化 RLI 专题（含 L1–L5 视觉教科书）references/hardened-flesh.md — 死包/果肉硬核 UFR 专题assets/papers/MANIFEST.md — 论文实物图清单（CC BY 4.0），可作 LLM 视觉锚点参考视觉锚点重点图：
assets/papers/openagric2025_Fig8_MK_DAFS_stages.jpg — 猫山王 8 个发育阶段实物图（L4 颜色基准）assets/papers/openagric2025_Fig9_hardened_flesh_tip_burn.jpg — 正常 vs hardened flesh 对照（UFR 基准）assets/papers/sciRep2021_Fig1_peduncle_anatomy.png — 果柄解剖示意（L1 教学）收到图片后，Agent 第一步是回答 photo-protocol.md 中的 8 个 yes/no：
Q1. 能清楚看到刺的颜色？ Q2. 能看到果柄基部？ Q3. 能看到底部？
Q4. 光线正常？ Q5. 没有遮挡？ Q6. 整果占画面≥50%？
Q7. 分辨率足够？ Q8. 没有滤镜偏色？
| Yes 数 | 处理 |
|---|---|
| --- | --- |
| 8 | ✅ 进入 Step 3 |
| 6–7 | 🟡 进入 Step 3，置信度自动降一档，标"信息不全" |
| 4–5 | 🟠 降级评估：只输出能确定的项，逐项标 unknown，引导用户补图/补做动作 |
| ≤ 3 | 🔴 拒绝评估，告知具体不达标项，要求重拍 |
Q3（底部可见）为软硬结合门禁：若 No，H1/H2 UFR 评估失效须注明，但不整体拒绝评估。
> 若用户提供的是多颗榴莲照片（或同框拍了多颗），先执行本步骤，再对候选逐颗进入 Step 3–5。
> 单颗场景跳过本步骤。
执行流程：
prompts/batch-selection.mdscripts/annotate.py 生成标注图，用 Read 工具把标注图直接显示在对话中（必须，不能仅输出文字表格）视觉部分（Agent 看图）：填写 visual_checklist 的 1–18 项 + L1/L3/L4 + H1/H2/H5。
对每项明确标注：✓ 视觉清晰 / ? 视觉模糊（标 unknown） / ✗ 该角度看不到（要求补图）。
用户动作部分（Agent 必须主动请求）：
采集字段时：所有触觉/听觉/嗅觉字段，必须在 score.py 输入里附 _source: "user_reported"。
若 Agent 自己看图脑补的，标 _source: "visual_inferred" —— score.py 会自动剔除这类信号。
输入完整 features dict + eat_when，输出 JSON。
特别注意 score.py 可能返回：
decision: "INSUFFICIENT_INFO" → 信息严重不足，不要硬编一个分数， 直接告诉用户缺什么、怎么补，附上 actions_suggested
decision: "OK" 但 overall_confidence: "low" → 综合分已被自动压到 ≤5.5，仍应主动建议补充信息
按以下结构产出最终回答：
### 📷 我看到了什么
[列出视觉判定的项 + 置信度]
### ❓ 我不确定的
[列出 unknown / 模糊的项]
### 🤝 请你帮我做（如果还在现场）
[逐字转达 actions_suggested 里的精准动作请求]
### 📊 当前评估（基于现有信息）
- 外壳木质化 RLI = X.X (置信度 XXX)
- 成熟度档位 = X (置信度 XXX)
- 🔴/🟡/🟢 UFR 风险 = XXX
- 综合 X.X / 10 → 建议 XXX
### 🎯 总体置信度：HIGH / MEDIUM / LOW
### 📚 判断依据
[引用具体 references/ 条目]
多果同图标注规则（图中有多颗榴莲时）
为每颗榴莲输出一行标注，格式：
🟢/🟡/🔴 #{序号} {品质分}/10 {食用窗口图标} {食用建议}
示例：
🔴 #1 3.2/10 ⌛ 等3天后最佳
🟡 #2 5.8/10 ⏰ 等1天后最佳
🟢 #3 8.1/10 ✅ 今天吃
🔴 #4 2.0/10 ⚠️ 已过熟
品质分（0–10）= 这颗果子本身有多好，与成熟度无关，由 5 个子维度加权：
| 子维度 | 权重 | 内容 |
|---|---|---|
| --- | --- | --- |
| Q1 UFR安全性 | 40% | 死包/果肉硬核风险（一票否决项） |
| Q2 新鲜度 | 25% | 果柄颜色与完整性 |
| Q3 形态完整性 | 20% | 对称性、刺尖完整度、黑斑 |
| Q4 出肉率 | 10% | 房数与饱满度 |
| Q5 品种溢价 | 5% | 高端品种（猫山王/黑刺/甘耀）加分 |
> 成熟度由食用窗口图标单独表达（⌛/⏰/✅/⚠️），不进入品质分。
> ❌ 严禁出现 X/8 格式。/8 是图片质量门禁（Q1–Q8）的答对题数，
> 是拍照清晰度指标，与果子质量无关，绝不能作为果子评分展示给用户。
>
> ❌ 序号不带成熟度字母前缀（禁止 A1、C2 这类写法）。
> A/B/C/D 是成熟度档位，不是品质等级；字母前缀会触发 LLM 的"A=优=绿"通用联想。
> 果子编号统一用 #1、#2……，成熟度信息由 RLI 数值和食用窗口图标承载。
颜色圆点规则（锚定最佳食用窗口，调用 score.py 时传 eat_when="auto"）：
| 颜色 | 条件 | 含义 |
|---|---|---|
| --- | --- | --- |
| 🟢 绿色 | 最佳窗口 composite_score ≥ 6，UFR 风险 < 高 | 这颗值得买 |
| 🟡 黄色 | 最佳窗口 composite_score 4–5.9 | 一般，可还价 |
| 🔴 红色 | 最佳窗口 composite_score < 4 或 UFR 风险 ≥ 高风险 | 不建议，UFR 风险或潜力不足 |
食用窗口图标（由成熟度档位 tier 决定）：
| tier | 图标 | 说明 |
|---|---|---|
| --- | --- | --- |
| A | ⌛ | 等 2–5 天 |
| B | ⏰ | 等 1–2 天 |
| C | ✅ | 今天吃最佳 |
| D | ⚠️ | 已过熟，风味劣化 |
判定逻辑来源于 references/papers.md 列出的同行评审论文（共 35 篇）。
关键学术声明：
关于两类"木质化"：
当用户说"木质化榴莲"时，Agent 应主动澄清是问成熟度还是死包。
关于 LLM 视觉判别的局限性：
共 4 个版本