AgroAI-Diagnostic-Center

Product Hunt 社区的朋友们好！我是奇卡姆索，AgroAI 的开发者，今天非常开心能向大家分享这个项目。

创作灵感与我解决的问题：

在研究先进 AI 视觉模型的过程中，我发现了一个明显的痛点：这些模型往往难以适配区域场景。当尝试诊断西非作物的病害时，标准模型经常生成错误结果或误判本地植物。我希望打造一款本地化、移动端优先的诊断工具，让农民和农业专家在田间就能放心使用，无需下载 bulky 应用。

开发历程：

开发这个项目让我在管理 AI 偏差和提示词工程方面收获了巨大成长。最初我硬编码了系统，让它专门识别非洲梨（Ube）这类区域作物，但这造成了偏差循环，AI 开始把每一片叶子都识别成非洲梨！

我不得不彻底重构后端，采用“中立专家”提示词方案——迫使通过 Groq 调用的 Llama-4-Scout 模型在运用区域知识之前，严格依据视觉植物学特征（叶脉、叶缘）进行判断。

随着项目推进，我意识到单次扫描并不够用。于是我将其升级为完整的专业工具集：集成了本地 SQLite 数据库来持久保存扫描历史，还搭建了 WhatsApp 桥梁，方便用户将 Markdown 格式的诊断报告直接转发给专家。

技术栈：Flask、Python、Groq API（Llama 4 Vision）、Tailwind CSS、SQLite，部署在 Hugging Face Spaces Docker 容器上。

欢迎大家前来测试！上传一张植物叶片的照片，看看它的表现如何。我今天一整天都会待在评论区答疑，期待听到你的反馈。