dsphper/lanhu-mcp : guide éditorial fondé sur le README

Le README décrit dsphper/lanhu-mcp comme « ⚡ 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 ». Cette page reste limitée aux faits vérifiables dans le dépôt. Les étoiles, forks et badges indiquent une attention, pas une preuve de qualité. Sous « 🎨 Lanhu MCP Server | 蓝湖MCP服务器2.0 », la source indique : lanhumcp | 蓝湖mcp | lanhu-mcp | 蓝湖AI助手 | 蓝湖skills | Lanhu AI Integration. Cela fixe un périmètre déclaré, pas un test en production.

La section « 🌟 项目亮点 » aide à vérifier si le projet répond au besoin : 🎨 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. Si ce besoin ne correspond pas au vôtre, la popularité ne suffit pas. Les noms, commandes et composants sont conservés pour permettre une comparaison directe avec la source primaire. Le README fournit aussi ce point vérifiable : 📋 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%. Il peut guider le premier test, sans remplacer une vérification dans l'environnement prévu.

Le fonctionnement est réparti dans des sections comme « 🚀 快速开始 ». La source fournit notamment : > ⚠️ 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. Les détails absents sur l'architecture, les performances ou la sécurité ne sont pas inventés. Avant une mise en service, vérifiez l'arborescence, la configuration et l'historique des releases.

Commencez l'installation avec l'entrée documentée dans le README. La commande vérifiable est : # 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 Si aucune commande n'est fournie, cette page n'en fabrique pas. Consultez « 🌟 项目亮点 » pour les dépendances, les ports par défaut et l'initialisation du premier lancement.