Skip to main content
Glama

ENVI Classic 遥感实验自动化

因为数字图像处理这门课的遥感实验报告实在是太麻烦了,特别是调格式这一步,常规认真调的话至少需要一到两小时左右 我个人比较讨厌这种无意义的重复劳动,所以之前就做了针对遥感报告的调整skill,效果尚可

针对非遥感方向的同学,如果也想避免这种实验,我也开发了这个:

一个面向 Windows 与 ENVI Classic 5.6(64 位) 的本地 MCP + Codex Skills 插件:按老师的数据、实验指导的pdf和报告模板执行实验,为每一步保存真实原始截图,判别完整后生成 Word/PDF 遥感实验报告。

跑完后人工微调即可,效果也还可以,消耗的token也不多,建议使用能识别图片的模型(deepseek需要自己加个小工具)。 实验下来gpt5.6 sol极高模式下,消耗10%左右周限额,耗时45分钟左右,后续做局部微调,实际实验总耗时大概也在一小时左右,还是比较省时间的,人工消耗时间会在半小时内。

还是建议遥感方向的同学自己做实验,然后用skill整理就行了,skill输入草稿,会自动输出符合格式要求的实验报告,我后半学期的报告都是这样的,最后的分数也尚可。 另外,在final-exam-materials中我也分享两份我考前自行整理的资料,基本覆盖了所有的知识点,我也在前面做了索引,方便各位学弟学妹在开卷时迅速翻阅。

能力组成

  • envi-classic MCP:发现 ENVI 安装、启动隔离会话、调用原生菜单、执行受限窗口内操作、保存截图并计算 SHA-256。

  • envi-classic-lab-automation Skill:从指导书建立并冻结“步骤—截图”计划,调度实验与证据门禁。

  • remote-sensing-report Skill:以老师模板和已验真的证据包为依据撰写、排版并检查 Word/PDF。

flowchart LR
  A["老师数据"] --> D["冻结步骤计划"]
  B["实验指导书"] --> D
  C["报告模板"] --> D
  D --> E["ENVI Classic MCP 实机执行"]
  E --> F["原始 PNG + 哈希 + 输出清单"]
  F --> G{"证据门禁"}
  G -- "完整" --> H["遥感报告 Skill"]
  G -- "缺失" --> E
  H --> I["DOCX + PDF"]

Related MCP server: mcp-test-utils

截图真实性约束

  • 报告只能使用 MCP 捕获或用户明确提供的原始截图。

  • 禁止用 Python、Pillow、OpenCV 或其他图像工具裁剪、标注、拼接、增强、重绘截图。

  • 对照展示时,在 Word 中把两个原始图片对象左右或上下排版;不得生成新的合成位图。

  • 同一截图不能冒充多个实验步骤;截图缺失时证据门禁必须失败。

环境要求

  • Windows 10/11(64 位);

  • 已安装并能正常启动的 ENVI Classic 5.6(64 位);

  • Python 3.11 或更高版本;

  • 支持本地 stdio MCP 的 Codex 或其他 MCP 客户端;

  • 生成 Word/PDF 时另需可用的文档处理能力,例如 Microsoft Word 或 LibreOffice。

本地安装

git clone https://github.com/xuedai-mayi/envi-classic-remote-sensing.git
Set-Location .\envi-classic-remote-sensing
powershell.exe -ExecutionPolicy Bypass -File .\scripts\setup.ps1 -Dev

运行自动测试:

.\.venv\Scripts\python.exe -m pytest

运行 MCP 服务:

powershell.exe -ExecutionPolicy Bypass -File .\scripts\run_mcp.ps1

.codex-plugin/plugin.json.mcp.json 和两个 skills/*/agents/openai.yaml 已包含 Codex 插件元数据。将仓库根目录作为本地插件源加载即可同时启用 MCP 与 Skills。

典型输入目录

my-experiment/
├─ 实验指导书.pdf
├─ 实验报告模板.docx
└─ 实验数据/
   ├─ image.dat
   └─ image.hdr

推荐提示词:

使用 ENVI Classic 5.6,严格按老师指导书完成这个实验。登记老师的数据、指导书和模板,冻结全部步骤后逐步实机操作并保存原始截图;对照图只在 Word 中左右或上下排版,禁止修改图片。证据完整后生成 Word 和 PDF。

安全边界

  • 只控制由 MCP 自己启动的 ENVI 进程;

  • 不暴露任意 PowerShell、CMD、IDL 或 Python 执行工具;

  • 原生菜单按命令调用,自绘对话框只允许在所属 ENVI 窗口内使用相对坐标;

  • 实验输入只读使用,新结果写入工作区的 .envi-runs/<run-id>/

  • 强制结束会话必须显式传入 force=true

  • complete=false 时不得生成或宣称实验报告已完成。

更完整的设计与证据格式见 docs/architecture.mddocs/evidence-contract.md

期末复习资料

仓库额外收录了“遥感数字图像处理”课程的两份期末资料,见 final-exam-materials。这些文件不参与 MCP 安装或运行。

开发与贡献

请先阅读 CONTRIBUTING.md。严禁向 issue、PR 或提交记录上传课程数据、个人信息、截图、报告成品和 ENVI 安装文件。

许可证与声明

代码以 MIT License 发布。第三方软件与商标声明见 NOTICE.md

A
license - permissive license
-
quality - not tested
A
maintenance

Maintenance

Maintainers
Response time
Release cycle
1Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • Control Unreal Engine to browse assets, import content, and manage levels and sequences. Automate…

  • Generate PDF reports from ReportFlow templates via Claude and other AI agents.

  • Browser-backed QA with evidence and fix-ready reports for coding agents.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/xuedai-mayi/envi-classic-remote-sensing'

If you have feedback or need assistance with the MCP directory API, please join our Discord server