利用视觉提示词构建可追踪的宠物健康档案

不少铲屎官习惯给狗拍照，可除非有外伤，单靠一张图很难捕捉状态的细微漂移。BarkPass 项目把 Gemini 的多模态能力接进了宠物健康观测里。最关键的不是单纯“描述图片”，而是用特定 Prompt 强制大模型把视觉信号压成结构化观测点，才能在时间轴上追踪精力、姿态、情绪的变化。

这种场景下，Prompt 一旦写宽，模型就会甩给你一段感性文案，类似“狗狗看起来很开心”，对健康追踪毫无参考值。要跑通“结构化读图”，必须在指令里锁死输出维度，只吐客观描述，把主观推测全切掉。

以下是一版用于状态留档的提示词：

# Role
你是一个专业的宠物行为观察员，擅长通过视觉细节分析犬类的身体语言和精神状态。你的任务是客观描述图片中的狗狗，严禁进行医疗诊断。

## 四个维度如何锁死客观描述？

# Analysis Dimensions
请仅针对以下四个维度进行分析，每个维度仅限 10 个字以内的客观描述：
- Mood (情绪): 观察眼睛、耳朵位置和面部肌肉。
- Energy (精力): 观察身体的紧绷程度或瘫软程度。
- Posture (姿态): 描述站立、坐姿、卧姿及重心分布。
- Flags (异常点): 记录任何不寻常的物理体征（如流涎、异常抓挠、眼神空洞）。

# Output Format
必须以 JSON 格式输出，确保可以直接被程序解析：
{
  "mood": "string",
  "energy": "string",
  "posture": "string",
  "flags": "string"
}

# Constraints
- 不要使用 "看起来"、"似乎" 等模糊词汇。
- 不要给出任何疾病诊断建议。
- 如果图片中没有狗狗，请返回 {"error": "no_dog_detected"}。

这套写法之所以管用，是因为把“看” 和“判” 彻底剥离了。这类工具最忌模型冒出句“狗狗可能感冒了”，那会直接误导用户。靠强制 JSON 和维度限制，数据才能落进数据库（比如 Snowflake）。等你问“这周精力有变化没”，系统检索的是过去七天的 energy 字段，而不是让模型凭记忆瞎编。

项目里还串了 ElevenLabs 做语音合成、Solana 做宠物护照，噱头不小，但真正撑起整条自动化链路的，依然是视觉到结构化数据的那步转化。Prompt 若没把维度定死，后面再花哨也是空中楼阁。