内容
# VULCA
<p align="center">
<img src="assets/brand/vulca-logo.svg" alt="Vulca logo" width="240">
</p>
[](https://pypi.org/project/vulca/)
[](https://pypi.org/project/vulca/)
[](https://github.com/vulca-org/vulca/blob/master/LICENSE)
[](https://github.com/vulca-org/vulca/actions/workflows/ci.yml)
[](https://github.com/vulca-org/vulca-plugin)
**Vulca 将模糊的视觉意图转化为可控的创意生产。**
发现方向，整理简介，规划模型，编辑像素，并评估结果 — 作为代理原生工件和 MCP 工具。
单键模型变得更加强大。Vulca 不试图在原始生成方面击败它们。Vulca 围绕着它们：它帮助代理澄清应该制作什么，选择并约束正确的提供者，在编辑过程中保留非目标像素，并记录结果是否符合文化和视觉简介。
```text
模糊意图
-> /视觉发现
-> /视觉头脑风暴
-> /视觉规格
-> /视觉计划
-> 生成 / 分解 / 编辑 / 评估
-> 存档工件
```
| 阶段 | Vulca 为代理提供的内容 | 状态 |
|---|---|---|
| 发现 | 品位/文化简介，方向卡，草图提示 | PR-ready |
| 指定 | `proposal.md`，`design.md`，`plan.md` | 当前 |
| 生成 | 跨 OpenAI、Gemini、ComfyUI 等提供者的图像调用 | 当前 |
| 编辑 | 语义层，蒙版，重绘，修复，合成，粘贴返回 | 当前 + v0.22 强化 |
| 评估 | L1-L5 文化和视觉评分 | 当前 |
| 存档 | 提示，蒙版，层，评估，错误，用户覆盖 | 当前 |
## 产品方向：VULCA 工作区
SDK 和 MCP 工具是执行层。产品方向是 **VULCA 工作区**：一个创意仓库界面，供 AI 原生团队审查简介、视觉变体、代理发现、证据包和发布门控，在任何内容被视为可公开发布之前。
当前的工作区预览版是审查优先，而不是编辑器替代品：审查收件箱，单个资产审查，上下文抽屉，类型审查检查，决策操作，手动上传摄入，以及可见的 `public_ready=false` 发布边界。代理可以在工作流中提供建议，但人类审查者负责发布决策。
参见 [工作区当前状态审计](docs/product/workspace-current-state-audit.md)，了解工作区预览版如何与 SDK/MCP 工具、网站、PPT 证明实验室和受保护的项目上下文连接。
> *具体演示如下：米开朗基罗的《创世纪》→ 通过 `/decompose` 分解为 5 个语义层（背景 · 亚当 · 神与天使 · 红色斗篷 · 绿色地面），在 Apple Silicon 上本地分解（ComfyUI + Ollama），无需云 API 调用。SDK 接口：MCP 工具 + 代理技能，通过测试套件验证。*
## 运行 `/decompose` 时会发生什么
```
> /decompose assets/showcase/originals/creation-of-adam.jpg
Claude: 我将检查壁画并计划语义分解。
[tool_use: view_image(path="assets/showcase/originals/creation-of-adam.jpg")]
[tool_use: layers_split(
path="assets/showcase/originals/creation-of-adam.jpg",
mode="orchestrated",
plan={"domain": "fresco", "entities": [
{"name": "background", "prompt": "天花板上的浅奶油色天空",
"semantic_path": "background"},
{"name": "adam", "prompt": "左侧躺着的裸体男性人物",
"semantic_path": "subject.person[0]"},
{"name": "god_and_angels", "prompt": "带有天使群体的胡须神形象",
"semantic_path": "subject.person[1]"},
{"name": "red_cloak", "prompt": "围绕神的飘动深红色斗篷",
"semantic_path": "subject.drapery"},
{"name": "green_ground", "prompt": "亚当身下的苔藓绿色地面",
"semantic_path": "foreground.ground"}]})]
[tool_result: {"layers": [
{"name": "background", "semantic_path": "background"},
{"name": "adam", "semantic_path": "subject.person[0]"},
{"name": "god_and_angels", "semantic_path": "subject.person[1]"},
{"name": "red_cloak", "semantic_path": "subject.drapery"},
{"name": "green_ground", "semantic_path": "foreground.ground"}]}]
Claude: 提取了 5 个层 — 每个角色人物都被隔离，服装和地面与浅色壁画天空分开。想要重绘神的斗篷，合成不同的背景，或运行另一个图像？
```
## 快速开始
**实际设置时间：** 如果您已经使用 Claude Code 和 [`uv`](https://docs.astral.sh/uv/getting-started/installation/?utm_source=github-readme&utm_medium=oss&utm_campaign=refresh-2026-04-20) 安装，约 1 分钟；从头开始约 5-10 分钟（Claude Code + `uv` + 插件 + 密钥配置）。
**前提条件：** 已安装 `uv`（提供 `uvx`）。如果没有 `uv`，请在路径 B 中用 `python -m vulca.mcp_server` 代替 `uvx --from vulca[mcp] vulca-mcp`。
### 路径 A — 插件安装（推荐）
```bash
pip install vulca[mcp]==0.23.1
claude plugin install vulca-org/vulca-plugin
```
然后在 Claude Code 中：`> /decompose /path/to/your_image.jpg`
### 路径 B — 无插件（高级用户）
```bash
pip install vulca[mcp]==0.23.1
# 注册 MCP 服务器 — 添加到 ~/.claude/settings.json:
# {"mcpServers": {"vulca": {"command": "uvx", "args": ["--from", "vulca[mcp]==0.23.1", "vulca-mcp"]}}}
# 安装 /decompose 技能：
mkdir -p ~/.claude/skills/decompose
curl -o ~/.claude/skills/decompose/SKILL.md \
"https://raw.githubusercontent.com/vulca-org/vulca/v0.23.1/.claude/skills/decompose/SKILL.md?utm_source=github-readme&utm_medium=oss&utm_campaign=refresh-2026-05-11"
```
<p align="center">
<img src="assets/showcase/originals/creation-of-adam.jpg" alt="Creation of Adam original" height="150">
→
<img src="assets/showcase/layers/creation-of-adam/adam.png" alt="Adam figure" height="150">
<img src="assets/showcase/layers/creation-of-adam/god_and_angels.png" alt="God with angels" height="150">
<img src="assets/showcase/layers/creation-of-adam/red_cloak.png" alt="Red cloak drapery" height="150">
<img src="assets/showcase/layers/creation-of-adam/background.png" alt="Background ceiling sky" height="150">
</p>
<p align="center"><em>米开朗基罗的 <em>创世纪</em> → 4/5 个代理生成的语义层：<code>subject.person[0]</code>（亚当）· <code>subject.person[1]</code>（神 + 天使）· <code>subject.drapery</code>（红色斗篷）· <code>background</code>。分层路径 + 第 5 层（<code>foreground.ground</code>）在 <a href="assets/showcase/layers/creation-of-adam/manifest.json">manifest.json</a> 中。</em></p>
---
## 为什么是代理原生
大多数图像 SDK 都配备了一个“大脑”——一个 VLM 规划器，用于决定生成什么，如何合成，何时停止。Claude Code 已经有一个大脑。 它不能做的就是切割像素：运行 SAM + YOLO + DINO + SegFormer，差异蒙版，根据文化标准评分，合成 alpha。Vulca 是 **手**，而不是另一个大脑。
这种框架的实际后果：
- **工具返回结构化的 JSON + 路径**，而不是散文。代理检查，分支，重试。
- **没有隐藏的 LLM/规划决策** 在工具内部 — 每个工具调用都会显示其检测报告；代理看到运行的内容，可以分支和回滚。
- **我们提供的技能（`.claude/skills/decompose/SKILL.md`）是一种声明性提示，而不是包装器。** 代理直接读取它。未来的技能遵循相同的形状。
- **Vulca 不托管模型** — 它驱动您自己的（ComfyUI / Gemini / OpenAI / mock）带有结构化工具。 与托管图像 API 无重叠；价值在于“代理规划”和“磁盘图像”之间的像素级工作。
- **本地优先是一种首选路径** — ComfyUI + Ollama + MPS 已在 MPS 上测试端到端；无需云密钥。
---
## Vulca 为您的代理解除的任务
| 集群 | 您的代理委托给 Vulca 的任务 | 技能 | 工具 |
|---|---|:---:|---|
| **分解** | 从任何图像中提取 10-20 个语义层，具有真正的透明度。 | ✅ `/decompose` | `layers_split`（orchestrated），`layers_list` |
| **编辑** | 重绘一个区域或一层而不触摸其他部分。合成回来。 | 路线图 | `inpaint_artwork`，`layers_edit`，`layers_redraw`，`layers_transform`，`layers_composite`，`layers_export`，`layers_evaluate` |
| **评估** | 根据 13 个传统中的 L1-L5 文化标准判断视觉效果，并提供可引用的理由。 | ✅ `/evaluate` | `evaluate_artwork`，`list_traditions`，`get_tradition_guide`，`search_traditions` |
| **创建** | 从意图 + 传统指导生成新图像，可选地以结构化层。 | — | `create_artwork`，`generate_image` |
| **发现 / 简介 / 工作室** | 将模糊的意图转化为方向卡，然后是可审查的 `proposal.md`；默认情况下记录模拟草图，只有在明确选择后才记录真实提供者草图。 | ✅ `/visual-discovery`，✅ `/visual-brainstorm` | `brief_parse`，`generate_concepts(provider="mock")`，`compose_prompt_from_design` |
| **管理员** | 暴露中间工件，卸载模型，存档会话。 | — | `view_image`，`unload_models`，`archive_session`，`sync_data` |
```
用户意图 ─▶ Claude Code（规划） ─▶ Vulca MCP 工具 ─▶ 图像工件 ─┐
▲ │
└──────────── 通过 `view_image` 可见 ◀───────────────────────────────┘
```
### 路线图 — 没有承诺，只有诚实的顺序
- **下一个技能：** `/inpaint`（区域级编辑），在真正的图像食品狗粮验证 v0.22 重绘路线后
- **然后：** `/layered-create`（结构化生成）
- **超越：** 社区驱动 — 提交问题并附上您的工作流
参见 [docs/agent-native-workflow.md](docs/agent-native-workflow.md)，获取更深入的讲解。
---
<details>
<summary><strong>评估 — 三种模式（L1-L5 文化评分）</summary>
除了分解之外，Vulca 根据文化传统对任何图像进行评估，涵盖 5 个维度（L1 视觉感知，L2 技术执行，L3 文化背景，L4 批判性解读，L5 哲学美学），分为三种模式。MCP 工具是 `evaluate_artwork`；CLI 是 `vulca evaluate`。`/evaluate` 技能包装 `evaluate_artwork` 以供代理引导的批评和下一步指导。
### 严格的（二进制文化判断）
```
$ vulca evaluate artwork.png -t chinese_xieyi
Score: 90% Tradition: chinese_xieyi Risk: low
L1 视觉感知 90% ✓
L2 技术执行 85% ✓
L3 文化背景 90% ✓
L4 批判性解读 100% ✓
L5 哲学美学 90% ✓
```
### 参考（导师 — 专业术语，而不是判决）
```
$ vulca evaluate artwork.png -t chinese_xieyi --mode reference
L3 文化背景 95% (traditional)
要进一步推进：添加一首诗（题画诗）以实现诗歌-书法-绘画-印章（诗书画印）的和谐。
```
### 融合（跨传统比较）
```
$ vulca evaluate artwork.png -t chinese_xieyi,japanese_traditional,western_academic --mode fusion
Dimension Chinese Xieyi Japanese Trad Western Acad
Overall Alignment 93% 90% 8%
Closest tradition: chinese_xieyi (93%)
```
</details>
<details>
<summary><strong>结构化创建 — <code>--layered</code> 模式</strong></summary>
Vulca 可以规划一个层结构，从传统的知识中发出每个层作为单独的透明 PNG，第一层作为其他层的样式锚点（Defense 3，v0.14+）。
```bash
vulca create "水墨山水，松间茅屋" -t chinese_xieyi --layered --provider comfyui
# → 5 layers: paper, distant_mountains, mountains_pines, hut_figure, calligraphy
```
适用于各个传统 — 摄影产生深度层，工笔产生线条艺术 + 水洗层，品牌设计产生徽标 + 背景 + typography。
```python
import vulca
result = vulca.create("水墨山水", provider="comfyui", tradition="chinese_xieyi", layered=True)
for layer in result.layers:
print(layer.name, layer.path, layer.coverage)
```
从代理调用，通过 `create_artwork` MCP 工具（路径 A/B 上）。`/layered-create` 技能正在路线图上。
</details>
<details>
<summary><strong>修复 + 图层编辑 — 目标像素外的像素级保留</summary>
两种正交流程：
**区域修复**（无需分解 — 选择一个区域，仅生成该区域）：
```bash
vulca inpaint artwork.png --region "upper portion中的天空" \
--instruction "dramatic stormy clouds" -t chinese_xieyi --provider comfyui
```
**图层重绘**（在 `/layers lock ./layers/ --layer calligraphy_and_seals
vulca layers redraw ./layers/ --layer background_sky \
-i "warm golden sunset with orange and purple gradients"
vulca layers composite ./layers/ -o final.png
```
图层操作可用：`add`，`remove`，`reorder`，`toggle`，`lock`，`merge`，`duplicate`。所有提供者无关（适用于 ComfyUI，Gemini，OpenAI，mock）。
从代理调用，这些映射到 `inpaint_artwork`，`layers_edit`，`layers_redraw`，`layers_composite`，`layers_export`。`/inpaint` 技能正在路线图上。
</details>
---
## 研究
| 论文 | 会议 | 贡献 |
|-------|-------|--------------|
| [**VULCA 框架**](https://aclanthology.org/2025.findings-emnlp.103/?utm_source=github-readme&utm_medium=oss&utm_campaign=refresh-2026-04-20) | EMNLP 2025 Findings | 适用于文化相关多模态LLM任务的五维评估框架 |
| [**VULCA-Bench**](https://arxiv.org/abs/2601.07986?utm_source=github-readme&utm_medium=oss&utm_campaign=refresh-2026-04-20) | arXiv | L1-L5 定义，7,410 个样本，9 个传统 |
| [**艺术批评**](https://arxiv.org/abs/2601.07984?utm_source=github-readme&utm_medium=oss&utm_campaign=refresh-2026-04-20) | arXiv | 具有 VLM 的跨文化专家级批评评估 |
### 引用
```bibtex
@inproceedings{yu2025vulca,
title = {一种用于评估和增强具有文化相关性的多模态大语言模型的解释能力的结构化框架},
author = {Yu, Haorui and Ruiz-Dolz, Ramon and Yi, Qiufeng},
booktitle = {Findings of the Association for Computational Linguistics: EMNLP 2025},
pages = {1945--1971},
year = {2025}
}
@article{yu2026vulcabench,
title = {VULCA-Bench: 一个用于评估五级文化视觉理解能力的基准测试},
author = {Yu, Haorui},
journal = {arXiv preprint arXiv:2601.07986},
year = {2026}
}
```
---
## 13 种文化传统
`chinese_xieyi` `chinese_gongbi` `japanese_traditional` `western_academic` `islamic_geometric` `watercolor` `african_traditional` `south_asian` `contemporary_art` `photography` `brand_design` `ui_ux_design` `default`
自定义传统通过 YAML — `vulca evaluate painting.jpg --tradition ./my_style.yaml`.
---
## Apple Silicon / MPS 快速入门
```bash
pip install vulca[mcp,tools]==0.23.1
# 本地栈：ComfyUI + Ollama，完全 MPS 支持
```
参见 [docs/apple-silicon-mps-comfyui-guide.md](docs/apple-silicon-mps-comfyui-guide.md)，获取完整的 [ComfyUI](https://github.com/comfyanonymous/ComfyUI?utm_source=github-readme&utm_medium=oss&utm_campaign=refresh-2026-04-20) + Ollama 安装指南，已在 MPS 上测试。
---
## 云提供商 SDK
仅在需要托管图像后端时安装提供商 SDK：
```bash
pip install vulca[providers]
# Google GenAI / Gemini / Nano Banana
export GEMINI_API_KEY="..."
# OpenAI Images / Responses 图像工具
export OPENAI_API_KEY="..."
```
内置图像提供商 ID：
| 提供商 ID | 后端路径 | 何时使用 |
|---|---|---|
| `gemini` / `nb2` | Google GenAI 图像生成 | 直接 Gemini/Nano Banana 图像调用 |
| `gemini-tools` / `nb2-tools` | Google GenAI 图像生成 + 可选工具 | 可能使用 `tool_profile="web"`、`"url"` 或 `"code"` 的图像调用 |
| `openai` | OpenAI 图像 API | 使用 GPT 图像模型进行直接图像生成/编辑 |
| `openai-responses` | OpenAI 响应 API `image_generation` 工具 | 具有 `previous_response_id` 的对话式或多轮图像流程 |
| `comfyui` | 本地 ComfyUI | 本地优先生成、编辑和层级工作流程 |
| `mock` | 确定性本地模拟 | 测试、文档和干运行 |
```python
import asyncio
import os
from vulca.providers import get_image_provider
async def main():
nb2 = get_image_provider("nb2-tools", api_key=os.environ["GEMINI_API_KEY"])
sketch = await nb2.generate(
"one green square on a white background",
raw_prompt=True,
width=512,
height=512,
tool_profile="web",
)
openai = get_image_provider("openai-responses", api_key=os.environ["OPENAI_API_KEY"])
final = await openai.generate(
"one blue circle on a white background",
raw_prompt=True,
width=1024,
height=1024,
quality="low",
output_format="png",
)
print(sketch.mime, final.metadata["response_id"])
asyncio.run(main())
```
---
<details>
<summary>CLI / SDK 速查表</summary>
```bash
# 创建
vulca create "意图" -t 传统 --provider mock|gemini|nb2|openai|openai-responses|comfyui
--layered # 结构化层生成
--hitl # 暂停人工审核
--reference ref.png # 参考图像
--colors "#hex1,#hex2" # 颜色调色板约束
-o output.png
# 评估
vulca evaluate image.png -t 传统 --mode strict|reference|fusion
--skills 品牌，受众，趋势 # 额外的商业评估技能
```
# 图层（14个子命令）
vulca layers analyze image.png
vulca layers split image.png -o dir --mode extract|regenerate|sam
vulca layers redraw dir --layer name -i "instruction"
vulca layers add dir --name name --content-type type
vulca layers toggle dir --layer name --visible true|false
vulca layers lock dir --layer name
vulca layers merge dir --layers a,b --name merged
vulca layers duplicate dir --layer name
vulca layers composite dir -o output.png
vulca layers export dir -o output.psd
vulca layers evaluate dir -t tradition
vulca layers regenerate dir --provider gemini
# 修复
vulca inpaint image.png --region "description or x,y,w,h"
--instruction "what to change" -t tradition --count 4 --select 1
# 工具（算法，无API成本）
vulca tools run brushstroke_analyze --image art.png -t chinese_xieyi
vulca tools run whitespace_analyze --image art.png -t chinese_xieyi
vulca tools run composition_analyze --image art.png -t chinese_xieyi
vulca tools run color_gamut_check --image art.png -t chinese_xieyi
vulca tools run color_correct --image art.png -t chinese_xieyi
# 实用工具
vulca traditions # 列出所有传统
vulca tradition tradition_name # 详细指南
vulca tradition --init my_style # 生成模板YAML
vulca evolution tradition_name # 检查演化权重
vulca sync [--push-only|--pull-only] # 云同步
```python
# Python SDK
import vulca
result = vulca.evaluate("artwork.png", tradition="chinese_xieyi")
print(result.score, result.suggestions, result.L3)
# 结构化创作
result = vulca.create("水墨山水", provider="comfyui",
tradition="chinese_xieyi", layered=True)
# 图层操作
from vulca.layers import analyze_layers, split_extract, composite_layers
import asyncio
layers = asyncio.run(analyze_layers("artwork.png"))
results = split_extract("artwork.png", layers, output_dir="./layers")
composite_layers(results, width=1024, height=1024, output_path="composite.png")
# 自我演化权重
weights = vulca.get_weights("chinese_xieyi")
# → {"L1": 0.10, "L2": 0.20, "L3": 0.35, "L4": 0.15, "L5": 0.20}
```
</details>
<details>
<summary>架构</summary>
```
┌──────────────────────────────────────────────────────────────┐
│ 用户意图 │
└──────┬───────────┬──────────────┬──────────────┬─────────────┘
│ │ │ │
┌────▼──┐ ┌─────▼───┐ ┌──────▼─────┐ ┌─────▼─────┐
│ 命令行界面 │ │ Python │ │ MCP │ │ ComfyUI │
│ │ │ SDK │ │ MCP 工具 │ │ 11 个节点 │
└───┬───┘ └────┬────┘ └──────┬─────┘ └─────┬─────┘
└───────────┴───────┬──────┴───────────────┘
│
vulca.pipeline.execute()
│
┌───────────▼───────────┐
│ 图片提供者 │
│ ComfyUI │ Gemini │
│ OpenAI │ 响应 │
│ 工具 │ 模拟 │
└───────────────────────┘
```
| 提供者 | 生成 | 修复 | 分层 | 多语言 |
|----------|----------|---------|---------|--------------|
| ComfyUI | ✓ | ✓ | ✓ | 仅限英文 |
| Gemini | ✓ | ✓ | ✓ | 原生支持中文、日韩语 |
| Gemini 工具 | ✓ | ✓ | ✓ | 原生支持中文、日韩语 |
| OpenAI | ✓ | — | — | 仅限英文 |
| OpenAI 响应 | ✓ | — | — | 仅限英文 |
| 模拟 | ✓ | ✓ | ✓ | — |
所有8个端到端流水线阶段都在本地栈（ComfyUI + Ollama，Apple Silicon MPS）上进行了验证。参见上面的MPS指南。
</details>
<details>
<summary>自我演化（每个传统会话期间权重的漂移）</summary>
每个会话都会反馈到传统的L1–L5权重。门控：至少5个会话 + 3个反馈会话后权重才会发生变化。`strict` 模式加强遵从性，`reference` 模式跟踪探索。
```
$ vulca evolution chinese_xieyi
维度 原始值 演化值 变化
L1 10.0% 10.0% 0.0%
L2 15.0% 20.0% +5.0% ← 技术执行加强
L3 25.0% 35.0% +10.0% ← 文化背景最为演化
L4 20.0% 15.0% -5.0%
L5 30.0% 20.0% -10.0%
会话数: 71
```
从代理：`/evaluate` 调用 `evaluate_artwork` MCP 工具，并返回演化后的权重和分数。
</details>
---
## 示范 — 代理生成的图层分离
<p align="center">
<img src="assets/showcase/originals/starry-night.jpg" alt="星夜原图" height="150">
→
<img src="assets/showcase/layers/starry-night/background.png" alt="旋转的蓝色天空和黄色星星" height="150">
<img src="assets/showcase/layers/starry-night/subject.png" alt="黑暗的柏树" height="150">
<img src="assets/showcase/layers/starry-night/foreground.png" alt="村庄和山丘" height="150">
</p>
<p align="center"><em>梵高的 <em>星夜</em> → 3 个图层： <code>背景</code> （旋转的蓝色天空和黄色星星） · <code>主体</code> （黑暗的柏树） · <code>前景</code> （小村庄和山丘）。参见 <a href="assets/showcase/layers/starry-night/manifest.json">manifest.json</a>。</em></p>
<p align="center">
<img src="assets/showcase/originals/migrant-mother.jpg" alt="移民之母照片" height="180">
→
<img src="assets/showcase/layers/migrant-mother/subject.png" alt="就座的母亲" height="180">
<img src="assets/showcase/layers/migrant-mother/foreground.png" alt="两个孩子" height="180">
<img src="assets/showcase/layers/migrant-mother/background.png" alt="黑暗的背景" height="180">
</p>
<p align="center"><em>多萝西娅·兰格的 <em>移民之母</em> （1936年，FSA 公共领域照片）→ 3 个图层： <code>主体</code> （就座的女人） · <code>前景</code> （紧靠她的两个孩子） · <code>背景</code> （黑暗的布景）。显示 <code>/decompose</code> 也适用于真实照片，而不仅仅是绘制的艺术品。参见 <a href="assets/showcase/layers/migrant-mother/manifest.json">manifest.json</a>。<br/>适用于多个领域 — 24件杰作已经通过 <code>/decompose</code> 运行，产生3-15个语义图层。</em></p>
---
## 支持
- **问题：** [github.com/vulca-org/vulca/issues](https://github.com/vulca-org/vulca/issues) — 错误报告，功能请求，应成为技能的工作流需求
- **插件：** [vulca-org/vulca-plugin](https://github.com/vulca-org/vulca-plugin) — 与SDK版本跟踪；安装在Claude Code，Gemini CLI，或Codex Desktop/CLI中
- **Web平台：** [vulcaart.art](https://vulcaart.art) 和 [vulca-platform](https://github.com/yha9806/vulca-platform) — 已部署的演示/站点和平台工作区
- **技能源：** [`.claude/skills/decompose/SKILL.md`](.claude/skills/decompose/SKILL.md) 在此仓库中 — `/decompose`流程的唯一真实来源
- **技能源：** [`.claude/skills/visual-discovery/SKILL.md`](.claude/skills/visual-discovery/SKILL.md) — **`/visual-discovery`** 从模糊的视觉意图中探索出品位配置文件、文化分析、方向卡和提案-ready的交接。它是文本/工件优先的：默认允许模拟草图记录；需要显式选择加入才能进行真实的提供者草图生成。Codex/Superpowers镜像位于 [`.agents/skills/visual-discovery/SKILL.md`](.agents/skills/visual-discovery/SKILL.md)。
- **技能源：** [`.claude/skills/visual-brainstorm/SKILL.md`](.claude/skills/visual-brainstorm/SKILL.md) — **`/visual-brainstorm`** 将模糊的视觉意图（主题，可选草图，可选引用）转化为可审查的`proposal.md`。零像素，仅限发现元数据。范围限定在2D插图/编辑图像（海报，插图，包装，品牌视觉，封面艺术，摄影简介，UI的英雄视觉）。
## 许可证
Apache 2.0。参见 [LICENSE](LICENSE)。
> 欢迎提出问题和拉取请求。开发版本从私有monorepo通过 `git subtree`同步。
MCP 配置
以下是此 MCP Server 的配置信息，可直接复制到 Cursor 或其他 MCP 客户端中使用。
mcp.json
连接信息
猜你喜欢
暂无推荐服务器