⚡ 需求分析效率提升 183%！ AI 自动读取蓝湖文档、团队协作功能打破 Cursor/Windsurf/等 AI IDE 上下文孤岛，让所有 AI 共享知识库

TL;DR

做了个工具解决两个痛点：

1. AI 直接读蓝湖：给个 URL ，AI 自动提取 Axure 原型并分析（不用复制粘贴了）
2. 打破 AI 孤岛：团队所有人的 AI （ Cursor/Windsurf/Claude ）共享知识库，不再重复劳动

GitHub: https://github.com/dsphper/lanhu-mcp
基于 Model Context Protocol (MCP)

---

背景：AI 时代的两个新痛点

痛点 1：需求文档还要手动复制粘贴？

以前看蓝湖需求文档的流程：

1. 打开蓝湖链接
2. 一页一页截图/复制文字
3. 粘贴给 AI
4. 重复 10 次...

都 AI 时代了，为啥还要手动复制粘贴？直接给个 URL 让 AI 自己去读不香吗？

痛点 2：每个人的 AI 都是孤岛

我的 Cursor AI 分析完需求，花了 5 分钟理清字段规则。

结果：

• 测试同学的 AI 又重新分析了一遍
• 前端同学的 AI 也重新分析了一遍
• 我踩的坑记录在 Cursor 里，别人的 AI 不知道

每个人的 Cursor/Windsurf 是独立的，AI 之间完全不共享上下文。

---

解决方案

核心功能 1：AI 直接读蓝湖文档

不需要复制粘贴，直接对 AI 说：

@AI 帮我看下这个需求文档
https://lanhuapp.com/web/#/item/project/product?tid=xxx&pid=xxx&docId=xxx

AI 自动完成：

• 提取所有页面的文字和截图
• 识别字段规则（必填、类型、长度、校验）
• 提取业务逻辑（判断条件、异常处理）
• 生成流程图

支持 3 种分析模式：

• 开发视角：字段规则表 + 业务逻辑清单 + 接口依赖
• 测试视角：测试场景 + 测试用例 + 边界值
• 快速探索：核心功能概览 + 模块依赖图

还支持 UI 设计：

@AI 帮我下载"首页设计"的所有切图到 src/assets/

AI 自动识别项目类型（ React/Vue ），生成语义化文件名，批量下载。

核心功能 2：团队留言板（这是最爽的功能）

后端 AI 分析完需求后：

@测试小李 @前端小张 我分析了"用户登录"需求：
- 手机号必填，11 位数字
- 密码 6-20 位，必须包含字母+数字
- 验证码 4 位纯数字，5 分钟有效
- 错误 3 次锁定 30 分钟
[类型：knowledge]  // 保存到知识库

测试同学的 AI 直接查询：

@AI 查看所有关于"登录"的知识库
→ 立即获取后端 AI 的分析结果！

架构图：

          ┌─────────────────────────────┐
          │   Lanhu MCP Server          │
          │   (统一知识中枢)             │
          │                             │
          │  📊 需求分析结果             │
          │  🐛 开发踩坑记录             │
          │  📋 测试用例模板             │
          │  💡 技术决策文档             │
          └──────────┬──────────────────┘
                     │
        ┌────────────┼────────────┐
        │            │            │
   ┌────▼───┐   ┌───▼────┐   ┌──▼─────┐
   │后端 AI │   │前端 AI │   │测试 AI │
   │(小王)  │   │(小张)  │   │(小李)  │
   └────────┘   └────────┘   └────────┘
     Cursor      Windsurf     Claude

支持的留言类型：

• 🧠 knowledge：知识库，永久保存（坑点、经验、最佳实践）
• 📋 task：任务协作（让其他人的 AI 帮忙查询代码/数据库，安全限制：只能查不能改）
• 🚨 urgent：紧急通知（自动发飞书通知）
• ❓ question：提问讨论

还能：

• 自动记录谁的 AI 看过这个需求
• 支持 @提醒 + 飞书通知
• 全文搜索历史留言

---

实际效果

以前：

• 需求分析：每人 5 分钟 × 5 人 = 25 分钟
• 复制粘贴：每个需求 2-3 分钟，一天看 10 个需求 = 30 分钟
• 踩坑：Redis 超时问题，3 个人分别花 1 小时排查

现在：

• 需求分析：后端 AI 分析 5 分钟，其他人 AI 直接查询 = 5 分钟
• 复制粘贴：0 分钟（给个 URL 就行）
• 踩坑：第一个人记录到知识库，后面的人 AI 直接找到解决方案

保守估计，每周能节省团队 5-10 小时。

---

技术实现

• 协议：基于 Model Context Protocol (MCP)
• 框架：FastMCP （ Python ）
• 浏览器自动化：Playwright （提取页面内容和截图）
• 通知集成：飞书 Webhook
• 数据存储：本地 JSON + 文件缓存（基于版本号）
• 性能：页面截图 ~2 秒/页，智能缓存，增量更新

核心代码 3800+ 行，单文件部署。

安装和配置

最简单方式（让 AI 帮你）：

在 Cursor 中对 AI 说：

"帮我克隆并安装 https://github.com/dsphper/lanhu-mcp 项目"

AI 会引导你完成所有步骤。

手动安装：

git clone https://github.com/dsphper/lanhu-mcp.git
cd lanhu-mcp

# Docker 部署（推荐）
bash setup-env.sh        # 交互式配置 Cookie
docker-compose up -d

# 或源码运行
bash easy-install.sh     # 一键安装并配置

配置 Cursor：

{
  "mcpServers": {
    "lanhu": {
      "url": "http://localhost:8000/mcp?role=后端&name=张三"
    }
  }
}

---

适用场景

✅ 适合你，如果：

• 公司用蓝湖管理需求文档和 UI 设计
• 团队使用 Cursor/Windsurf/Claude Desktop 等 AI IDE
• 需要多角色协作（后端、前端、测试、产品）

❌ 不适合你，如果：

• 需求文档不在蓝湖（可以提 Issue ，我考虑支持其他平台）
• 团队就你一个人（虽然也能用，但价值不大）

---

开源地址

GitHub: https://github.com/dsphper/lanhu-mcp
License: MIT
文档： 挺详细的，有快速开始、部署指南、Cookie 获取教程

欢迎提 Issue 、PR ，或者在下面讨论。

---

想听听大家的意见

1. 你们团队的 AI 协作有遇到类似问题吗？
2. 除了需求分析和团队协作，还有什么场景适合"AI 共享知识"？
3. 有没有人用过类似的工具？效果如何？
4. 如果支持 Figma/墨刀/其他原型工具，有人用吗？

---

最后

如果你认可这个想法，或者觉得对你有帮助，给个 Star ⭐ 就是对我最大的鼓励！

GitHub: https://github.com/dsphper/lanhu-mcp

---

P.S. 代码可能不够优雅（ 3800 行单文件），欢迎拍砖和提 PR 。

P.P.S 项目对小白友好，不懂技术也能让 AI 帮你安装，详见 README 。