别再手动切图!用 ClaudeCode+Figma-MCP 实现 UI 设计 1:1 前端还原

使用 Figma-MCP 实现设计还原

Figma-MCP(Measure Copy Paste)是 Figma 的插件,能够快速提取设计稿中的间距、颜色、尺寸等参数,避免手动测量。安装后选中元素即可查看属性,按 Alt 键复制数值,直接粘贴到代码中。

配置 ClaudeCode 生成代码

ClaudeCode 是 Claude 的代码生成功能,支持根据设计参数输出前端代码。在对话中描述需求并附上 Figma-MCP 提取的数据,例如:

生成一个 React 按钮组件,参数如下: - 宽度:120px - 高度:40px - 背景色:#3B82F6 - 圆角:8px - 文字:"提交" - 字体大小:14px 

自动布局与响应式处理

Figma 的 Auto Layout 属性可通过 Figma-MCP 提取,ClaudeCode 可将其转换为 CSS Flex/Grid 代码。提供父子容器关系和间距参数,生成响应式布局代码:

容器属性: - 方向:垂直 - 子元素间距:16px - 内边距:24px 

样式变量同步

提取 Figma 的颜色、字体等样式变量,通过 ClaudeCode 生成 CSS/Sass 变量定义:

颜色变量: - 主色:#3B82F6 - 文字色:#1F2937 字体变量: - 主字体:Inter, 16px 

交互动效还原

从 Figma 原型中提取过渡时间和缓动函数,生成 CSS Transition 或动画代码:

悬停效果: - 背景色变化:#3B82F6 → #2563EB - 过渡时间:0.2s - 缓动函数:ease-in-out 

代码验证与优化

将生成的代码与设计稿逐像素对比,使用浏览器开发者工具调整细节。对于复杂组件,分模块生成代码后再组合,确保最终效果与设计稿一致。

Read more

OpenClaw 最强技能 self-improving-agent 详解:让 AI 从错误中自主学习

OpenClaw 最强技能 self-improving-agent 详解:让 AI 从错误中自主学习

self-improving-agent 是 OpenClaw 生态中最受欢迎的技能,下载量突破 268k。它能让 AI 记住犯过的错误和解决方案,实现持续自我改进。本文将深入讲解其工作原理、安装配置、实战案例和高级用法。 1 引言 在使用 AI 助手的过程中,你是否遇到过这样的困扰: * 今天教 AI 用 sudo 解决权限问题,明天它又忘了 * 同一个 API 文档链接打不开,它下次还给你这个链接 * 重复解释同样的工作流程,效率极低 这些问题源于传统 AI 助手的无状态特性——每次对话都是全新的开始,不会从历史交互中学习。 self-improving-agent 技能正是为了解决这个问题而生的。它通过记录错误、解决方案和用户反馈,让 AI 能够持续学习和改进。 2 self-improving-agent 是什么? 2.1 官方定义 self-improving-agent

【GitHub项目推荐--Novel Writer:AI驱动的中文小说创作工具】

简介 Novel Writer 是一个基于Spec Kit架构的AI智能小说创作助手,专为中文小说创作设计。该项目由WordFlowLab开发,提供了一套完整的AI辅助小说创作解决方案,支持多种写作方法和智能创作流程。 🔗 GitHub地址 : https://github.com/wordflowlab/novel-writer 📚 核心价值 : AI创作 · 中文小说 · 写作方法 · 智能辅助 · 开源工具 项目背景 : * 创作需求 :小说创作需求增长 * AI辅助 :AI辅助创作趋势 * 中文优化 :中文创作工具缺乏 * 方法多样 :多种写作方法需求 * 开源工具 :开源创作工具需求 项目特色 : * 🎯 AI驱动 :AI智能创作辅助 * 📝 中文优化 :专为中文优化 * 🏗️ 结构创作 :结构化创作流程 * 🤖 多方法 :多种写作方法 * 🔄 跨平台 :跨平台支持 技术亮点 : * Spec Kit架构 :基于Spec Kit设计 * 斜杠命令 :AI助手斜杠命令

AI自动化测试(一)

文章目录 * 1. 背景 * 2. 相关资料 * 2.1 底层框架 * 1. Playwright (Web UI自动化核心引擎) * 2. Chrome-devtools (Chrome开发者工具) * 3. Midscene (AI驱动的UI自动化工具) * 4. stagehand (AI浏览器自动化SDK) * 5. skyvern (AI浏览器自动化工具) * 6. browser-use (AI驱动的浏览器自动化工具) * 2.2 各大厂商的应用 * 各大厂AI自动化测试实践与技术方案汇总 * 技术路线总结 * 3. 重难点 * 3.1、页面理解困难的重难点与优化方案 * (一)纯视觉方案的局限性 * (二)纯DOM方案的缺陷 * (三)DOM+视觉融合方案的挑战 * (四)优化实施方案 * 3.2、规划能力的重难点与优化方案 * (一)