mingtu-ai
Generates deterministic 2D engineering drawings, provides object-level modifications via AICAD, and produces AutoCAD scripts (.scr) and DXF files with hash-based verification.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@mingtu-aiStart a new packaging task for a toy box"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
AI 学徒
通过示范、纠错和审核,逐步学会做事。
可教学、可纠错、可追踪的智能学徒系统

AI 学徒(AI Apprentice)让用户像带教新同事一样培养 AI。它会先问清需求、规划方案,再执行和自查;用户可以通过文字、示范、截图或图上蒙版纠正结果。每次执行都会留下结构化步骤、证据、规则、置信度和人工复核点,纠错只会形成默认停用的规则草稿,不会悄悄变成自动权限。
首版重点打通了完整的包装设计教学闭环:
flowchart LR
A[需求澄清] --> B[深度方案与首次提示词编译]
B --> C[Image2 中文样图]
C --> D[尺寸与形状自查]
D --> E[老师蒙版纠错]
E --> F[Image2 局部修改]
F --> G[AICAD 工程制图]
G --> H[最终人工复核]
H -. 纠错证据 .-> I[停用规则草稿]
I -. 老师审核后复用 .-> A为什么叫 AI 学徒
这个名字直接描述产品功能:它不是普通聊天机器人,也不是只给结果的黑盒自动化工具,而是一个能够被人教学、纠错和复核,并逐步沉淀正确方法的 AI 工作助手。
Related MCP server: MCP Shrimp Task Manager
当前能力
能力 | 状态 | 首版说明 |
创建智能学徒与可教学任务 | 已实现 | 支持任务目标、教学上下文和种子数据 |
结构化执行轨迹 | 已实现 | 展示步骤、规则、证据、置信度、验证结果和人工审核点 |
文字、示范、截图与案例教学 | 已实现 | 教学输入会形成可复核的结构化证据 |
纠错转规则草稿 | 已实现 | 新规则默认停用,必须由老师审核 |
自然沟通与语气纠偏 | 已实现 | 按澄清、纠错、失败、进度和情绪场景调整表达,不假装真人或诱导依赖 |
知识资料与 RAG 证据包 | 已实现,需人工判断 | 检索结果带来源,但不具备自动授权能力 |
Image2 首次生成提示词优化 | 已实现 | 先路由现有能力,再编译可验证指导包;本机 12.5 万条提示词库为可选增强 |
包装需求澄清与方案规划 | 已实现 | 八阶段状态机禁止跳过关键步骤 |
Image2 中文包装样图 | 已实现,需人工复核 | 依赖运行环境提供 Image2;图片用于视觉方案,不是工程尺寸真值 |
尺寸、形状和制造自查 | 已实现,需工程复核 | 自动检查是交付前筛查,不是技术验收 |
原工程图片蒙版 | 已恢复并保持独立 | 延续原有画笔、圈选、框选、箭头和文字纠错,不加入内容类型切换 |
Word / Excel 文字蒙版 | 已实现,独立入口 | 绑定段落或单元格、原文和替换文字,不与图片蒙版混用 |
工程软件对象蒙版 | 已实现,独立入口 | 绑定对象编号、参数、保护区和参考关系,不替换原工程图片蒙版 |
蒙版任务提交与回放 | 已实现 | 提交进入持久任务、审核、重试和结果回放;离线时进入本地待重试队列,不显示假成功 |
Word / Excel 原生点改 | 已实现 | 支持 Word 段落、表格单元格和跨 run 富文本;支持 Excel 合并锚点与共享富文本;源文件不覆盖,其他 OOXML 部件逐项验哈希 |
Image2 局部修改交接 | 已实现,需人工复核 | 只修改选中区域,外部差异超限即拒绝结果 |
规则差异决策与问题标记 | 已实现 | 按上下文、具体性、老师例外和风险做决定,不静默丢弃规则 |
AICAD 对象定点修改 | 已实现,需工程复核 | 首个适配器可把审核后的 D04 原生约束从 420 改为 450 mm,生成 AICAD/SCR/DXF,并验证 D08/D10 不变和精确回滚 |
AICAD 确定性二维工程图 | 已实现,需工程复核 | 严格请求/结果协议、哈希绑定和离线几何验证 |
SolidWorks 三维候选模型 | 已实现,需真实宿主复核 | 保留历史宿主证据;本次发布不声称完成现场验收 |
自动技术验收或量产放行 | 不提供 | 必须由有权限的老师、工程师或组织流程完成 |
包装闭环
1. 需求澄清
系统先确认产品类型、净尺寸、重量、材料、运输条件、开合方式、印刷要求和制造约束。尺寸、材料厚度等关键工程输入未确认时,流程不能进入 CAD 交接。
2. 深度方案
根据需求选择包装结构,列出参数来源、结构关系、风险点、制造假设和验证计划。随后由 image2-prompt-optimizer 编译 transparent_ai_apprentice_image2_initial_prompt_guidance_v1,把确认事实、保留项、修改项、版式、负面约束和检查项分开记录。
3. Image2 中文样图
只有提示词指导包 readyForGeneration=true 时才按统一的中文工程版式生成视觉候选图。中文文字、尺寸表和布局单独约束,避免简单翻译造成排版重排。
4. 样图自查
交付前必须检查尺寸完整性、单位一致性、面板拓扑、刀线与压线冲突、闭合间隙、制造可行性和标注可读性。系统明确记录:Image2 像素不能用于反推工程尺寸。
5. 老师蒙版纠错
蒙版分成三个独立入口。原工程图片审校台保持原版界面与行为;办公文字蒙版只处理 Word / Excel 原生文字,绑定 paragraph:N 或 工作表!单元格;工程软件蒙版只处理软件截图上的对象编号、动作、目标值、单位、保护区和参考关系。三套页面互不提供内容类型切换。
纠错会导出 transparent_ai_apprentice_multimodal_surgical_mask_correction_v1 兼容数据包,包含精确变更边界、禁止改动区域、原生对象定位器、前后对比要求和安全锁。Word / Excel 点改会生成独立输出和差异报告,证明源文件未覆盖且只有目标 OOXML 部件变化。
两个新增工作台的提交按钮已接入 mask-correction-service.mjs。服务保存任务、数据包哈希、审核决定、重试次数、执行结果和事件历史;服务不可用时页面明确报告失败,并把任务放入浏览器待重试队列。
6. Image2 局部修改
各专用工作台都只修改明确目标:图片由原工程图片蒙版继续交给 Image2 局部修改;Office 检查未选中包部件;工程软件检查未选中实体、参数、约束和拓扑。局部修改不可行时先停下,整体重生成只能作为单独候选交给老师选择,不能覆盖当前可行结果。
7. AICAD 工程制图
确认后的尺寸、材料和纠错证据会复制到会话内的交接目录,使用相对路径、媒体类型和 SHA-256 哈希生成 transparent_ai_apprentice_aicad_request_v1。AICAD 1.2.0 使用确定性几何生成二维候选工程图,并可准备受控的 AutoCAD 或 SolidWorks 宿主流程。
CAD 回收会核对会话与请求绑定、生产者版本、请求哈希、输出路径范围和产物哈希。错误必须包含根因与修复建议;预防规则仍保持 draft_disabled。
首个对象适配器 aicad-object-mask-adapter.mjs 已能消费审核通过的工程蒙版任务,局部修改 AICAD 原生约束计划并生成 .aicad、AutoCAD .scr、.dxf、审计报告和清单。每次修改先复制回滚点,完成后逐对象比较哈希,只有老师指定的对象可以变化。
产品化验证
npm run smoke:mask-correction-service:持久提交、审核、重试与结果回放。npm run smoke:mask-submission-browser:真实浏览器提交与离线待重试队列。npm run smoke:aicad-object-mask-adapter:AICAD 对象修改、编译、验证与回滚。npm run smoke:multiround-learning:第一次失败、老师纠正、第二次正确、跨会话记忆和禁用。npm run smoke:office-surgical-edit:普通与复杂 Word/Excel 原生点改。npm run smoke:product-failure-matrix:29 个真实 Office、CAD、蒙版和包装图失败场景。npm run benchmark:product:冷启动、页面、大文件、并发、长序列、内存和 AICAD 性能基线。
默认 MCP 只显示 7 个老师入口,高级模式显示 30 个任务型入口;388 个底层维护工具只在 TRANSPARENT_AI_APPRENTICE_TOOL_MODE=full 时列出。
8. 最终人工复核
系统回收 CAD 结果后进入最终老师/工程师复核。自动验证通过仍不等于技术验收、生产验收或量产批准。
十分钟开始
环境要求:Node.js 22–24、npm 10+、Python 3,以及 Windows PowerShell。真实 Image2、AutoCAD 和 SolidWorks 能力取决于当前 Codex/宿主环境。
npm ci
npm run typecheck
npm test
npm run verify:plugin验证首版关键闭环:
npm run smoke:image2-prompt-optimizer
npm run smoke:packaging-workflow
npm run smoke:mask-workbench
npm run verify:aicad-manifest
npm run verify:aicad-integration
npm run smoke:aicad-handoff
npm run smoke:plugin-tool-surface生成可安装插件包:
npm run package:codex-plugin本地安装:
npm run install:codex-plugin启动 Web 产品:
npm run dev插件结构
plugins/transparent-ai-apprentice/
├─ .codex-plugin/ 插件清单与中文入口
├─ .mcp.json AI 学徒 MCP 与 AICAD MCP 服务
├─ assets/mask-workbench/ 老师蒙版纠错台模板、样式和交互
├─ assets/text-mask-workbench/ Word / Excel 文字修改蒙版
├─ assets/engineering-software-mask-workbench/ 工程软件对象蒙版
├─ integrations/aicad-agent-v1/
│ └─ plugin/aicad-agent/ 完整 AICAD 1.2.0 集成
├─ schemas/ 包装会话、AICAD 请求与结果协议
├─ scripts/ 教学闭环、包装状态机、验证与烟测
└─ skills/ 学徒、包装设计与 CAD 技能说明核心入口:
image2-prompt-optimizer/SKILL.md:首次生成前的能力路由与提示词优化。compile-image2-initial-prompt.mjs:生成可验证的 Image2 首次提示词指导包。packaging-design-workflow.mjs:八阶段包装状态机。create-transparent-sketch-overlay-kit.mjs:生成恢复后的原工程图片蒙版。create-office-text-mask-workbench.mjs:生成独立 Word / Excel 文字蒙版。create-engineering-software-mask-workbench.mjs:生成独立工程软件对象蒙版。aicad-handoff-adapter.mjs:AI 学徒与 AICAD 的兼容及离线编译桥。ai-apprentice-aicad-request-v1.schema.json:严格 CAD 请求协议。ai-apprentice-aicad-result-v1.schema.json:绑定请求和产物哈希的结果协议。
人工测试建议
用一个真实产品提出包装需求,故意漏掉尺寸,确认首次提示词指导包保持
readyForGeneration=false。补齐尺寸并记录方案,检查自动生成的
image2-initial-prompt-guidance.json后再生成中文 Image2 样图。在原工程图片审校台使用五种标注工具,确认没有文字或工程软件模式切换;再分别打开文字蒙版和工程软件蒙版。
提交一条“只改上盖搭接方向,保留底部缓冲”的局部修改,确认未标注区域不被重绘。
篡改 AICAD 请求或结果哈希,确认交接被拒绝。
在真实 CAD 宿主中打开输出,检查尺寸、闭合、刀线/压线、材料和保存重开。
确认整个流程始终没有自动显示“已验收”“已投产”或“规则已启用”。
详细清单见 docs/manual-testing.md。
安全边界
RAG 检索内容是带来源的证据,不是自动权威。
Image2 视觉比例和像素不是工程尺寸来源。
自动检查通过不等于技术验收、生产验收或量产批准。
人工纠错只生成待审核规则草稿,不自动启用规则。
AICAD 输出是工程候选结果,仍需在目标软件和真实生产条件下复核。
默认保持
accepted=false、ruleEnabled=false、technologyAccepted=false、packagingGated=true。
验证证据
首版发布门槛包括:
插件完整性检查:363 项。
自然沟通回归:36 项,覆盖中英文场景识别、语气纠偏、客服腔、空泛安慰、假装真人和依赖边界。
Image2 首次提示词优化器:18 项。
包装状态机烟测:29 项,包含提示词包篡改拦截并最终进入
final_teacher_review。原工程图片蒙版真实 Chromium 烟测:7 项;两个新增独立工作台:8 项;真实提交浏览器烟测:10 项;MCP 三层入口:14 项。
蒙版任务服务:13 项;多轮学习收敛:12 项;Word / Excel 原生点改:20 项;规则冲突决策:7 项。
AICAD 集成测试:6 项;既有适配器烟测:10 项;首个对象修改适配器:14 项;集成清单:87 个文件哈希。
真实产物失败矩阵:29 项;性能基准:8 项,覆盖冷启动、页面、大文件、并发、长序列、内存和 AICAD 编译。
AICAD 上游包:1.2.0,41 项核心与回归测试;真实宿主证据按历史证据标记,不伪装成本次执行。
这些结果证明实现和锁定边界可重复验证,但不替代真实用户测试、工程复核或生产验收。
文档
版本与许可
当前版本:1.0.1。
AI 学徒以 MIT License 发布。第三方或集成组件继续遵循其各自目录中的许可证与再分发说明。
This server cannot be deployed
Maintenance
Related MCP Connectors
Accountable AI workforce workflows with jobs, skills, rules, evidence, and mentoring.
AI workflow/MCP implementation package planner.
Task and planning workspace for humans collaborating with AI agents
Design, save, and run outcome-aligned AI workflows and verifiers, with reliable image output.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceAssists AI developers with intelligent requirement analysis and architecture design through guided clarification questions, branch-aware management, and automated architecture generation with persistent storage.133MIT
- AlicenseNot gradedqualityDmaintenanceAn intelligent task management system that provides structured workflows for AI Agents to plan, decompose, and execute complex programming tasks. It features a dedicated research mode for technical investigations and a task memory function to optimize workflows and avoid redundant coding work.1MIT
- AlicenseNot gradedqualityDmaintenanceEnables AI agents to remotely operate visual design tools via MCP protocol, with composable architecture for image processing, file operations, and workflow automation.MIT
- AlicenseNot gradedqualityAmaintenanceAI task planner for coding assistants that breaks goals into ordered steps, verifies each step with isolated test runs, learns from failures, and saves successful strategies as reusable recipes.1MIT