$ loading_
帮助 AI 编码助手获取网站反馈、可视化缺陷并自动创建带调试上下文的 GitHub Issue。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"vynix-mcp-server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
读取 Vynix 项目中的最新网站反馈与标注，按页面、严重程度和复现线索整理成缺陷清单，并标出需要开发优先处理的问题。
一份结构化缺陷清单，包含页面位置、问题描述、严重程度和处理优先级。
根据 Vynix 中已标注的视觉问题，为每个高优先级缺陷创建 GitHub Issue，并附上复现步骤、相关标注和调试上下文。
已创建的 GitHub Issue 列表，每条都含完整复现信息与上下文说明。
访问指定 Vynix 项目的视觉标注与反馈记录，汇总同一页面的异常表现，分析可能的前端回归原因，并给出修复建议。
一份视觉回归分析摘要，包含问题模式、可能原因和修复建议。
通过单一图像分析工具识别截图、文本与界面稿内容，便于多模型视觉集成。
分析任意代码库并为 AI 助手提供结构化、精简且准确的上下文
通过自动化浏览器测试与诊断，验证 AI 生成代码的可用性并收集证据。
让 AI 助手直接操作 V-Track 项目管理数据，管理项目、任务、缺陷与迭代。
通过截图与视觉分析生成报告，帮助定位和诊断界面视觉缺陷
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。