360 Secure SkillHub
360 安全技能中心

skin-pro

该技能提供正脸皮肤的增强版分析：脚本以 multipart/form-data 调用皮肤检测接口，返回肌肤总分、肌龄、肤质、肤色、脸型及痘痘、色斑、黑头、毛孔、皱纹、黑眼圈、眼袋等分数与严重程度和效果图；支持默认与察颜两种计分策略，并提示照片质量与就医边界。

xiaoguaishou-sc
xiaoguaishou-sc
热度 8.30
最近更新 2026-10-12 11:26:27
分类：生活依赖：代码执行 / 第三方 API / 读写文件应用场景：健康 / 报告撰写

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add skin-pro
Metadata
name
skin-pro
description
人脸皮肤分析加强版。调用 RageHealth 开放接口 `/face/skin-pro`，对正脸照片做皮肤检测。输出肌肤总分、肤质、肤色、肌龄、痘痘/痘印/色斑/痣/黑头/毛孔/皱纹/黑眼圈/眼袋/敏感/色沉/油光的分数与严重程度，以及效果图。支持 skin-pro 默认计分与察颜计分两种策略。当用户上传正脸照要求"皮肤检测"、"肤质分析"、"看毛孔痘痘皱纹"、"肌肤分数"、"skin-pro"时使用此技能。

人脸皮肤分析加强版（skin-pro）

何时使用

  • 用户上传正脸照，要求皮肤检测、肤质、肌肤分数、毛孔、痘痘、色斑、皱纹、黑眼圈、眼袋、出油、敏感 → 调用 /face/skin-pro
  • 用户明确要「察颜」同一套计分 → analyseStrategy=2；否则用默认策略 1
  • 图中有多张人脸时，接口自动选置信度最高的一张

伸舌、体质、五脏、食谱不走本技能，改用 tcm-face-tongue。

接口元数据

  • 网关：https://gateway.ragehealth.cn/openapi-prod
  • 请求方式：POST + multipart/form-data
  • 路径：/face/skin-pro
  • 认证头：AccessKey、Signature（每次调用前重新生成）
  • 图片：jpg / png；像素至少 640×640；文件不超过 5 MB
  • 必填：imageUrl、imageFile、imageBase64 三选一。同时传入时服务端优先级为 imageFile > imageBase64 > imageUrl

字段全集见 references/response_schema.md。

可选参数

参数 说明
analyseStrategy 1：skin-pro 默认计分（默认）；2：察颜小程序相同计分。策略 2 额外返回 look_radars、total_score
faceIdDetect + userGroup 是否开启人脸 ID。为 true 时 userGroup 必填，返回该用户组下唯一 face_id。不同 userGroup 相互隔离
displayRes 展示尺寸，只能 0 或 1，默认 0。其他值返回「尺寸参数不正确」
alphaChannel 通道参数，只能 0 或 1，默认 0。其他值返回「通道参数不正确」

调用方式

# URL 或本地文件二选一
python scripts/call_skin_pro.py \
  --image-url https://example.com/face.jpg \
  [--analyse-strategy 1] [--face-id-detect --user-group demo] \
  [--output skin.json] [--full-stdout]

# 本地文件
python scripts/call_skin_pro.py \
  --image-file C:/path/to/face.jpg \
  --output skin.json

# 察颜计分
python scripts/call_skin_pro.py \
  --image-url https://example.com/face.jpg \
  --analyse-strategy 2 \
  --output skin.json

凭证由脚本自动从环境变量 SKIN_PRO_AK / SKIN_PRO_SK 读取，不要作为参数传入。首次使用前需前往 https://ragehealth.cn/client 注册申请 AK/SK，写入 scripts/.env（可与 tcm-face-tongue 共用同一对凭证，变量名不同）。脚本内部会生成 Signature 并以 multipart/form-data 提交。

执行步骤

  1. 校验输入：正脸、jpg/png、≥640×640、≤5 MB。侧脸、遮挡、过暗、过糊先提示重拍，不要先解读分数。
  2. 选定策略：用户没提察颜则不传 analyseStrategy（服务端默认 1）。只有用户明确要察颜计分时才传 2。
  3. 调脚本：拿到 JSON；success=false 时按 message / 错误码提示，不要编造分数。
  4. 先看图片质量 image_quality：
    • face_ratio 过小（参考阈值 0.5）、blur 接近 0、brightness.grade 为 pianliang / pianan、姿态角过大 → 先说明照片限制，再给结论
    • blur 越接近 1 越清晰；brightness.grade：zhengchang / pianliang / pianan
  5. 解读关键指标（都在 data 下）：
    • 总分：skin_score（0~100，越高越好）。策略 1 为各项均分，不计入 sensitivity、oily_intensity、crows_feet。策略 2 同时有 total_score（与 skin_score 相同，100 减雷达扣分，最低 60）和 look_radars[]
    • 基础：skin_age、skin_type.skin_type、skin_tone.value、face_shape、display_img
    • 严重程度：analyse_result[]，每项 type / score / label / levels。毛孔另有 headScore、leftScore、rightScore、chinScore、noseScore 及对应 *Label；皱纹、眼袋、黑眼圈等对称项有 leftScore / rightScore
    • 计数与分类：acne.acne_cls、acne_mark、brown_spot.brown_spot_cls、blackhead_count、wrinkle_count、pores_forehead / pores_leftcheek / pores_rightcheek / pores_jaw / pores_nose
    • 大字段（默认从 stdout 剥离，仅 --output 文件保留）：display_landmarks、raw_landmarks，以及 acne / acne_mark / brown_spot / mole / wrinkle_details 里的 polygon、pos_indexes
  6. 生成报告（建议骨架）：
    • 肌肤总分 + 肌龄 + 肤质 + 肤色
    • 需要关注的问题：analyse_result 里 label 不是「良好」的项，按 score 从低到高
    • 左右差异：黑眼圈、眼袋、法令纹、眼周细纹、面颊毛孔，只提明显更差的一侧
    • 数量：痘痘按分类计数，黑头用 blackhead 程度 + blackhead_count，皱纹用 wrinkle_count
    • 策略 2：用 look_radars 说明扣分来自哪几项（type / label / deduction）
    • 护理建议只依据返回的 label 与分区，不推断病名

字段枚举字典

字段 取值 含义
analyse_result[].label 良好 / 轻度 / 中度 / 重度 该项严重程度。分数越高越健康，区间见该项 levels
skin_type.skin_type 0 / 1 / 2 / 3 油性 / 干性 / 中性 / 混合。details 是各分类置信度
skin_tone.value 0~5 粉一白、粉二白、粉三白、黄一白、黄二白、黄黑色
face_shape.face_shape 0~5 菱形脸、圆形脸、方形脸、瓜子脸、椭圆脸、长脸
face_shape.eye_shape 0~7 垂眼、眯缝眼、上斜眼、柳叶眼、瑞风眼、丹凤眼、桃花眼、杏眼
face_shape.eyebrow_shape 0~6 一字眉、标准眉、剑眉、新月眉、柳叶眉、自然眉、短粗眉
face_shape.mouth_shape 0~6 微笑唇、薄嘴唇、爱心唇、嘟嘟唇、覆舟唇、厚嘴唇、M 唇
face_shape.nose_shape 0~3 正常鼻、小鼻、蒜头鼻、朝天鼻
acne.acne_cls 0 / 1 / 2 / 3 粉刺、丘疹、脓头、囊肿。分类 4（痘印）已并入 acne_mark，不会留在 acne
brown_spot.brown_spot_cls 1 / 2 / 3 / 4 褐青色痣、黄褐斑、雀斑、色斑。分类 0 已并入 acne_mark
mole.mole_cls 0 / 1 / 2 交界痣、混合痣、皮内痣
blackhead.value 0~3 无 / 轻度 / 中度 / 重度（按鼻头黑头数量分档）
pores_* 0~3 无 / 轻度 / 中度 / 重度。额头、面颊、下巴、鼻子的数量阈值不同，见 response schema
皱纹 value 0 / 1 无 / 有。字段：forehead_wrinkle、crows_feet、eye_finelines、glabella_wrinkle、nasolabial_fold
eye_pouch.*.class_index 0~3 无眼袋、卧蚕/衰老型、水肿型/黑眼圈、结构型
look_radars[].type 见下 仅策略 2。顺序固定：acne、brown_spot、blackhead、pore、skin_type、dark_circle、eye_pouch、wrinkle_detail

鱼尾纹条数和面积已合并进眼周细纹（eye_finelines）。解读眼周时用合并后的 wrinkle_count.*_eye_finelines_count，不要把 crows_feet 再加一遍。

安全 & 合规

⚠️ 必须提醒：

  • 皮肤检测结果仅供参考，不能替代皮肤科或执业医师面诊
  • 短时间大量新发皮损、破溃、疼痛、快速变化的痣，建议线下就诊
  • 不在响应中泄露 AccessKey / SecretKey
  • face_id / userGroup 涉及人脸特征数据，仅在用户明确授权时启用 faceIdDetect
  • 人脸图片只在用户同意检测后上传

示例

用户：帮我看看这张正脸，皮肤怎么样，毛孔和痘痘严不严重。

操作：

python scripts/call_skin_pro.py \
  --image-url https://example.com/face.jpg \
  --output skin.json

回复（节选）：

  • 肌肤总分：86（肌龄约 28，中性肤，黄一白）
  • 需要关注：毛孔轻度（额头中度），黑头中度（鼻头约 90 个），黑眼圈轻度且右侧重一些
  • 痘痘：少量丘疹，痘印不明显
  • 皱纹：抬头纹、法令纹良好
  • 建议：清淡清洁、注意防晒；分数只反映这次拍照，持续爆发或疼痛请线下面诊