拍了照片问 AI，植物还是死了？

阳台上的绿萝又黄了，多肉换了三批都没活过一个月，薄荷买回来一周就蔫了。你掏出手机拍张照片问 AI，「这叶子怎么黄了」，，AI 说缺光你放窗边，说缺水你多浇两杯。但一周后，它更惨了。

问题不在 AI，方法不对而已。这篇不说大道理，直接列出新手最容易踩的 5 个坑，每个坑附带正确做法和 prompt 模板。

坑一：诊断不给上下文

错的做法：拍一张黄叶照片问 AI「这怎么回事」，AI 按默认逻辑给你一个答案。你照做了，但植物没好转。

正确做法：给 AI 完整的上下文，，你的城市、植物朝向、盆土干湿、近期是否换盆施肥。深圳 30 度南阳台和哈尔滨暖气房北窗台，就算同一种植物，叶子发黄的原因可能完全相反。

📋 prompt 模板：
「我住在[城市]，室内约[XX度]，植物放在[南阳台/北窗台/卫生间]，盆土[干/湿]，最近[有/无]换盆或施肥。请判断这棵[植物名]叶子发黄的原因，列出 3 个最可能因素，按概率从高到低排列。」

坑二：盲目相信 AI 的浇水提醒

错的做法：用了智能花盆或浇水提醒 APP，AI 说「该浇水了」就浇，说「湿度正常」就不管。几个月后挖出来一看，根烂了。

正确做法：同一盆植物夏天和冬天的需水量能差 2-3 倍。AI 的浇水建议基于通用模型，只适合做参考线。每次 AI 说「该浇水」了，用手指插进土里 2-3 厘米确认一下再动手。表层干了，不等于整盆都干了——尤其是大盆植物。

坑三：识别完植物就停止追问

错的做法：AI 说「这是龟背竹」，你去搜了「龟背竹养护指南」，按通用方法照做。

正确做法：同一种植物在不同城市、不同季节的养护逻辑差别很大。让 AI 结合你所在城市的气候帮你出计划，而不是给一套通用方案。

📋 prompt 模板：
「我在[城市]，现在[月份]，养了一棵[植物名]，放在[朝向]窗边。根据我所在城市当前的气温、湿度和日照时长，请给出接下来一个月的养护计划，按周列出具体操作。」

坑四：病虫害诊断只信一个 AI

错的做法：AI 说「这是红蜘蛛」，立刻买药喷。喷了三天没效果，才发现根本不是红蜘蛛，就是晒伤。

正确做法：AI 的病虫害诊断准确率大概在 70%-85%。每次得到诊断后，追问 AI「怎么确认这个判断」——比如「红蜘蛛的话，叶背面会有细白丝网，建议用放大镜检查」。亲眼确认了再动手。更保险的做法是把照片同时发给两个 AI（比如 ChatGPT 和豆包），看结论是否一致。

坑五：花钱买智能硬件当解决方案

错的做法：花 200-500 块买智能花盆、自动浇水器，觉得有了硬件植物就能活。结果该烂根的还是烂根。

正确做法：新手养死植物 90% 的原因是浇水过多和光照不对——这两件事不需要硬件，观察和调整就能解决。先把基础四件事做对：光照、浇水、通风、施肥。用一个普通花盆加正确方法，比任何智能设备都管用。

今晚就能做的 4 件事

  1. 打开手机相册，找一棵你觉得「状态不对」的植物，拍 3 张照片（整体、叶正面、叶背面）。
  2. 用坑一的 prompt 模板，把环境信息写清楚发给 AI，拿到诊断。
  3. 根据 AI 的分析，对照检查盆土干湿和光照——大概率你自己也能判断个七七八八。
  4. 再用坑三的模板，让 AI 给出一份接下来一个月的养护计划。照着做，比买任何智能硬件都管用。