dsphper/lanhu-mcp: Redaktioneller README-Leitfaden

dsphper/lanhu-mcp beschreibt sich im README als „⚡ 需求分析效率提升 200%！全球首个为 AI 编程时代设计的团队协作 MCP 服务器，自动分析需求自动编写前后端代码，下载切图". Dieser Text bleibt bei Fakten, die im Repository überprüfbar sind. Sterne, Forks und Badges zeigen Aufmerksamkeit, aber keine Qualität. Unter „🎨 Lanhu MCP Server | 蓝湖MCP服务器2.0" steht: lanhumcp | 蓝湖mcp | lanhu-mcp | 蓝湖AI助手 | 蓝湖skills | Lanhu AI Integration. Das beschreibt den vorgesehenen Umfang, nicht einen Produktionstest.

Der Abschnitt „🌟 项目亮点" zeigt, für welches Problem das Projekt gedacht ist: 🎨 UI设计支持：自动下载设计稿，智能提取切图，语义化命名；设计图分析可获取尺寸/间距/颜色/字体等精确参数，并得到转换后的 HTML+CSS 代码参考. Passt dieses Problem nicht zu deinem Fall, ist Popularität kein ausreichender Grund. Namen, Befehle und Komponenten bleiben unverändert, damit Leser die Primärquelle ohne neue Begriffe vergleichen können. Ein weiterer überprüfbarer README-Punkt lautet: 📋 智能需求分析：自动提取 Axure 原型，三种分析模式（开发/测试/探索），需求分析准确率>95%. Er hilft beim ersten Test, ersetzt aber keinen Test in der vorgesehenen Umgebung.

Die Betriebsweise verteilt sich auf Abschnitte wie „🚀 快速开始". Die Quelle nennt: > ⚠️ 重要提示：必须使用支持视觉功能的AI模型！ > > 本项目需要AI模型具备图像识别和分析能力，推荐使用以下2026年主流视觉模型： > - 🤖 Claude (Anthropic) > - 🌟 GPT (OpenAI) > - 💎 Gemini (Google) > - 🚀 Kimi (月之暗面) > - 🎯 Qwen (阿里巴巴) > - 🧠 DeepSeek (深度求索) > > 不支持纯文本模型（如 GPT-3.5、Claude Instant. Fehlende Angaben zu Architektur, Leistung oder Sicherheit werden nicht ergänzt. Vor einem echten Einsatz müssen Repository-Struktur, Konfigurationsdateien und Release-Verlauf geprüft werden.

Beginne die Installation am dokumentierten README-Einstieg. Ein überprüfbarer Befehl ist: # 1. 克隆项目 git clone https://github.com/dsphper/lanhu-mcp.git cd lanhu-mcp # 2. 配置环境（会引导你输入 Cookie） bash setup-env.sh # Linux/Mac # 或 setup-env.bat # Windows # 3. 启动服务 docker-compose up -d Wenn kein ausführbarer Befehl vorhanden ist, wird hier keiner erfunden. Prüfe den Abschnitt „🌟 项目亮点" auf Abhängigkeiten, Standardports und die Einrichtung beim ersten Start.