Back to Skills

forage-plants

pjt222
Updated Yesterday
6 views
17
2
17
View on GitHub
Othergeneral

About

This skill helps identify and safely gather edible plants in wilderness settings. It covers plant identification by season, universal edibility testing protocols, and distinguishing poisonous species. Use it for survival scenarios, learning plant recognition, or practicing foraging in controlled environments.

Quick Install

Claude Code

Recommended
Primary
npx skills add pjt222/agent-almanac -a claude-code
Plugin CommandAlternative
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternative
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/forage-plants

Copy and paste this command in Claude Code to install this skill

Documentation


name: forage-plants description: > 在野外环境中识别和安全采集可食用植物。涵盖通用可食性测试协议、 按季节的植物识别、安全采集规则、常见有毒植物的鉴别以及基本的 野外烹饪准备方法。适用于野外求生中需要补充食物、学习植物识别 技能、或在受控环境下练习觅食的场景。 license: MIT allowed-tools: Read metadata: author: Philipp Thoss version: "1.0" domain: bushcraft complexity: advanced language: natural tags: bushcraft, foraging, plants, survival, wilderness, identification locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16

觅食植物

在野外环境中识别和安全采集可食用植物以补充食物来源。

适用场景

  • 野外求生中需要补充食物
  • 学习野外植物识别以增加自然知识
  • 在专家指导下练习觅食技能
  • 评估特定区域中可用的野生食物资源

输入

  • 必需:可进入的野外区域,含有植物生长
  • 必需:当地地区的植物识别指南或参考资料
  • 可选:了解当地的有毒植物(强烈推荐)
  • 可选:采集容器(篮子、袋子)
  • 可选:手套(用于处理刺激性植物)
  • 可选:净水和火源用于烹饪处理(参见 purify-watermake-fire

步骤

第 1 步:了解基本安全规则

在采集任何植物之前,内化以下绝对规则。

觅食安全规则:

绝对规则:
1. 绝不食用你无法100%确认的植物
2. 绝不假设"看起来像"就是安全的——许多致命植物
   与可食用植物极为相似
3. 绝不在喷洒过农药的区域、道路旁边或工业区附近采集
4. 只在合法的区域采集,且不过度采集
5. 第一次尝试任何新的野生食物时只吃少量,等待24小时
6. 有些植物的某些部分可食用而其他部分有毒
   (例如大黄茎可食用,但叶子有毒)
7. 某些植物生食有毒但煮熟后安全
   (例如接骨木浆果必须煮熟)

危险信号——避免具有以下特征的植物:
- 乳白色或有颜色的汁液(某些例外如蒲公英)
- 苦味或肥皂味
- 杏仁气味(可能含氰化物)
- 种子在荚果中的豆科植物(除非已确认安全)
- 伞状花序的白色小花(可能是毒芹或毒参)
- 带刺的叶子或茎(某些例外如荨麻)
- 光亮的叶子伴有三片小叶的模式(可能是毒漆藤)

预期结果: 完全理解安全规则,在觅食之前将安全置于一切之上。

失败处理: 如果对安全规则存有任何疑问,不要开始觅食。在受控环境中与有经验的觅食者或植物学家一起学习。书本知识无法完全替代实地经验。

第 2 步:学习通用可食性测试

当你无法确认一种植物时,通用可食性测试(Universal Edibility Test)可以作为最后手段。这需要时间且不能保证100%安全。

通用可食性测试协议(仅限求生场景):

警告:此测试耗时8小时以上。仅在真正的求生场景中使用,
且没有已知的可食用替代品时使用。

1. 将植物分成组成部分(叶、茎、根、花、果实、种子)
2. 一次仅测试一个部分
3. 闻——如果有强烈的酸味或杏仁味,丢弃
4. 在手腕内侧接触测试:
   - 将植物部分压在手腕内侧皮肤上15分钟
   - 等待8小时
   - 如果出现红肿、皮疹或刺激,丢弃该部分
5. 唇部测试:将植物部分触碰嘴唇外侧15分钟
   - 如果有灼烧感或刺痛感,丢弃
6. 舌头测试:放在舌头上15分钟但不要吞咽
   - 如果有不良反应,吐出并漱口
7. 咀嚼测试:咀嚼并保持在口中15分钟
   - 如果有不良反应,吐出
8. 吞咽测试:吞下少量并等待8小时
   - 如果无不良反应,该部分可能安全
9. 逐步增加食用量

注意事项:
- 整个测试期间不要吃其他食物
- 此测试不能检测所有毒素
- 某些毒素需要累积才会显现
- 这是最后手段,不是常规做法

预期结果: 了解通用可食性测试作为求生工具,但明白它不是日常觅食方法。

失败处理: 如果在测试的任何阶段出现不良反应,立即停止并丢弃该植物。催吐仅在医疗专业人员指导下进行。如果出现严重症状(肿胀、呼吸困难、严重呕吐),这是医疗紧急情况。

第 3 步:识别高置信度的可食用植物

以下植物在温带地区广泛分布,相对容易识别,且没有危险的相似种。从这些开始。

高置信度可食用植物(温带地区):
┌──────────────────┬─────────────────────┬──────────────────────┐
│ 植物              │ 可食部分             │ 识别要点              │
├──────────────────┼─────────────────────┼──────────────────────┤
│ 蒲公英            │ 叶、花、根           │ 锯齿状叶片、单朵黄花  │
│ (Dandelion)       │                     │ 空心茎、白色乳汁      │
├──────────────────┼─────────────────────┼──────────────────────┤
│ 车前草            │ 叶                   │ 椭圆叶、平行叶脉      │
│ (Plantain)        │                     │ 从基部生长的叶片      │
├──────────────────┼─────────────────────┼──────────────────────┤
│ 三叶草            │ 叶、花               │ 三片心形小叶          │
│ (Clover)          │                     │ 球形花头              │
├──────────────────┼─────────────────────┼──────────────────────┤
│ 荨麻              │ 叶(必须煮熟)       │ 对生锯齿叶、方茎      │
│ (Nettle)          │                     │ 刺毛(煮熟后消失)    │
├──────────────────┼─────────────────────┼──────────────────────┤
│ 香蒲              │ 根茎、嫩芽、花粉     │ 特征性的棕色柱状      │
│ (Cattail)         │                     │ 果穗、窄长叶          │
├──────────────────┼─────────────────────┼──────────────────────┤
│ 菊芋              │ 块茎                 │ 类似向日葵的黄花      │
│ (Jerusalem        │                     │ 粗糙茎、块状根        │
│ artichoke)        │                     │                      │
├──────────────────┼─────────────────────┼──────────────────────┤
│ 野蒜/熊葱         │ 叶、鳞茎             │ 大蒜味是关键识别特征  │
│ (Wild garlic)     │                     │ 宽叶、白色星形花      │
└──────────────────┴─────────────────────┴──────────────────────┘
  1. 从 2-3 种植物开始学习,不要试图同时学习所有植物
  2. 在多个不同地点反复练习识别同一种植物
  3. 在不同生长阶段学习识别(幼苗、成熟、开花、结果)
  4. 用多个识别特征确认——颜色、形状、气味、生长环境、季节

预期结果: 能够可靠地识别至少 3-5 种高置信度的可食用植物。

失败处理: 如果在野外无法确认识别,不要采集。拍照并回去对照参考资料确认。野外觅食的第一条规则是"不确定就不要吃"。

第 4 步:了解危险的相似种

许多有毒植物与可食用植物极为相似。学习这些是保命知识。

危险的相似种对照:
┌─────────────────┬─────────────────────┬──────────────────────┐
│ 可食用植物       │ 有毒相似种           │ 区分方法              │
├─────────────────┼─────────────────────┼──────────────────────┤
│ 野胡萝卜        │ 毒芹 (Poison        │ 毒芹茎上有紫斑;      │
│ (Wild carrot)   │ hemlock)            │ 野胡萝卜有毛茸茸的茎  │
├─────────────────┼─────────────────────┼──────────────────────┤
│ 野蒜            │ 铃兰 (Lily of the   │ 野蒜有明显大蒜味;    │
│ (Wild garlic)   │ valley)             │ 铃兰无味              │
├─────────────────┼─────────────────────┼──────────────────────┤
│ 蓝莓            │ 颠茄 (Deadly        │ 颠茄浆果单生在叶腋;  │
│ (Blueberry)     │ nightshade)         │ 蓝莓成簇生长          │
├─────────────────┼─────────────────────┼──────────────────────┤
│ 可食用蘑菇      │ 毒鹅膏 (Death cap)  │ 蘑菇识别需要专门培训  │
│                 │                     │ (参见 `fungi-        │
│                 │                     │ identification`)     │
└─────────────────┴─────────────────────┴──────────────────────┘

绝对致命植物(永远不要接近):
- 毒芹 (Poison hemlock) — 整株植物剧毒
- 水毒芹 (Water hemlock) — 北美最毒的植物
- 毒鹅膏 (Death cap mushroom) — 一颗即可致命
- 蓖麻子 (Castor bean) — 种子含致命的蓖麻毒素
- 夹竹桃 (Oleander) — 整株剧毒,包括烟雾

预期结果: 能够识别当地区域中最常见的有毒植物和危险相似种。

失败处理: 如果你不确定是否遇到了有毒相似种,按照最保守的假设行动——假设它是有毒的。一次错误的识别可能致命。

第 5 步:采集和准备

正确的采集和准备方法确保安全和可持续性。

  1. 只采集你需要的量——不要过度采集
  2. 不要连根拔起整株植物——留下根系以便再生
  3. 在一个区域中不要采集超过总量的 10%
  4. 远离道路、农田边缘和可能受污染的区域
  5. 采集后尽快使用或妥善保存
  6. 需要煮熟的植物(如荨麻、接骨木浆果)必须充分加热处理
基本准备方法:
- 生食:彻底清洗,只用于已确认可生食的植物
- 煮食:在净化水中煮沸至少10分钟
- 浸泡:某些苦味植物需要反复换水浸泡去除苦味
- 干燥:在阳光下或近火处干燥以保存

预期结果: 安全采集的植物经过适当清洗和处理,可以安全食用。

失败处理: 如果食用后出现任何不良反应(恶心、呕吐、腹泻、头晕),立即停止食用,大量饮水。保留植物样本以便后续识别。如果症状严重,寻求紧急医疗帮助。

验证清单

  • 完全理解并遵守安全规则
  • 植物通过多个识别特征确认
  • 检查了有毒相似种并排除
  • 在合法且无污染的区域采集
  • 第一次尝试新植物只吃少量
  • 需要烹饪的植物已充分加热处理
  • 不确定的植物一律丢弃

常见问题

  • 过度自信:最危险的觅食者是"知道一点点"的人。谦虚是安全的前提。如果有任何疑问,不要食用
  • 依赖单一识别特征:颜色、形状或味道中的任何一个都不足以确认识别。必须综合多个特征
  • 在不良地点采集:道路旁、农田边、工业区附近的植物可能含有有害物质,即使物种本身是可食用的
  • 过度采集:可持续采集是基本伦理。不要采集超过某区域植物总量的10%
  • 忽视季节性:同一种植物在不同季节可能呈现完全不同的外观。在所有季节学习识别
  • 将蘑菇等同于植物:真菌识别是一门独立的学科,需要专门的知识。不要将植物觅食经验直接应用于蘑菇采集

相关技能

  • make-fire — 许多觅食食材需要烹饪才能安全食用
  • purify-water — 清洗和烹饪觅食食物需要安全的水
  • fungi-identification — 蘑菇的识别需要独立的专门技能
  • sharpen-knife — 采集和准备植物需要锋利的刀具

GitHub Repository

pjt222/agent-almanac
Path: i18n/zh-CN/skills/forage-plants
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Related Skills

llamaguard

Other

LlamaGuard is Meta's 7-8B parameter model for moderating LLM inputs and outputs across six safety categories like violence and hate speech. It offers 94-95% accuracy and can be deployed using vLLM, Hugging Face, or Amazon SageMaker. Use this skill to easily integrate content filtering and safety guardrails into your AI applications.

View skill

cost-optimization

Other

This Claude Skill helps developers optimize cloud costs through resource rightsizing, tagging strategies, and spending analysis. It provides a framework for reducing cloud expenses and implementing cost governance across AWS, Azure, and GCP. Use it when you need to analyze infrastructure costs, right-size resources, or meet budget constraints.

View skill

quantizing-models-bitsandbytes

Other

This skill quantizes LLMs to 8-bit or 4-bit precision using bitsandbytes, achieving 50-75% memory reduction with minimal accuracy loss. It's ideal for running larger models on limited GPU memory or accelerating inference, supporting formats like INT8, NF4, and FP4. The skill integrates with HuggingFace Transformers and enables QLoRA training and 8-bit optimizers.

View skill

dispatching-parallel-agents

Other

This Claude Skill dispatches multiple agents to investigate and fix 3+ independent problems concurrently. It is designed for scenarios involving unrelated failures that can be resolved without shared state or dependencies. The core capability is parallel problem-solving, assigning one agent per independent problem domain to maximize efficiency.

View skill