Claude Code + Figma:AI 画原型完整教程,从 PRD 到设计稿只要 5 分钟

Claude Code + Figma:AI 画原型完整教程,从 PRD 到设计稿只要 5 分钟

之前我一直用 Pencil MCP 来画原型,效果还不错。最近在社区看到有人说 Claude Code + Figma MCP 的出图效果也挺好,作为 AI 辅助设计的另一条路线,就想来实测对比一下。

刚好手头有个体脂秤 App(BodyMate)要改版,正好拿这个真实项目当测试场景——用 Claude Code 把 PRD 直接变成 Figma 原型,看看 Figma 这条线的 AI 画原型体验到底怎么样。

折腾了一圈,踩完所有坑,终于摸清了 2026 年 Claude Code + Figma 的正确工作流。

读完这篇你会得到:

  • 3 种 Claude Code 与 Figma 协作方式的完整对比(全部免费可用)
  • 每种方式的具体操作步骤和踩坑记录
  • 一套经过实测的 AI 画原型工作流,从 PRD 到设计稿全链路打通

Claude Code + Figma AI 画原型完整教程:3 种协作方式总览

先说结论:3 种方式,按需选择

Figma 和 Claude Code 之间有 3 种协作方式,适合不同阶段:

方式适合场景是否付费难度
HTML 原型 + Figma 插件导入从零画原型免费简单
Copy as code → 粘贴给 AI设计改了同步代码免费最简单
Figma MCP Server全自动双向同步免费可用(有调用限额)中等

好消息:三种方式都不需要付费。 MCP Server 免费 Plan 就能连通,generate_figma_design(推代码到 Figma)甚至不限次数。

下面逐个展开,每种都给操作步骤。


方式一:AI 生成 HTML 原型 → 导入 Figma(推荐起步用)

这是从零开始最快的 AI 画原型方式——让 Claude Code 根据你的 PRD 生成 HTML,再一键导入 Figma,整个过程不需要手动画任何组件。

操作步骤

第一步:让 Claude Code 生成 HTML 原型

把你的 PRD 和 UI 设计规范丢给 Claude Code,一句话搞定:

“根据 PRD 和 UI 设计规范,帮我把所有页面的原型画在一个 HTML 文件里”

Claude 会生成一个包含所有屏幕的 HTML 文件,每个屏幕是一个 390×844 的 iPhone 框架,并排排列。

第二步:导入 Figma(两种方式任选)

HTML 生成后,有两种方式导入 Figma:

方式 A:用 MCP 自动推送(推荐)

如果已经连通了 Figma MCP(配置方法见方式三),直接告诉 Claude Code:

“启动本地服务器,把这个 HTML 捕捉到我的 Figma 文件里”

Claude Code 会自动启动服务器、打开浏览器、捕捉页面、推送到 Figma,全程自动化。

方式 B:用 Figma 插件手动导入

  1. 启动本地服务器(Claude Code 会自动帮你启动)
  2. 打开 Figma → 运行插件 html.to.design(Builder.io 出品,在 Figma 插件市场搜索安装)
  3. 输入本地服务器地址
  4. 点击 Import,所有屏幕变成可编辑的 Figma Frame

一个 HTML 文件,5 个屏幕,一键全部导入 Figma。

1280X1280.PNG

两种导入方式对比

手动导入(html.to.design 插件)自动捕捉(MCP generate_figma_design)
操作方式在 Figma 里运行插件手动导入Claude Code 通过 MCP 自动推送
还原度高,基本无失真会有一定失真
是否付费免费免费(不受配额限制)
适合场景初次导入、追求精确频繁迭代、追求速度

我的建议: 初期用手动导入,追求还原度。等工作流跑顺了、需要频繁迭代时,再考虑 MCP 自动捕捉。

适合什么情况

  • 项目初期,从 PRD 快速出原型,不想在 Figma 里一个个拖组件
  • 想让 AI 理解你的设计规范后自动排版
  • 独立开发者没有设计师,需要 AI 辅助设计出图

方式二:Figma Copy as code(日常最实用)

这是设计改完后同步到代码最顺手的方式,完全不需要配置任何 MCP,零门槛。

操作步骤

第一步:在 Figma 里复制设计信息

选中你改过的组件,右键:

Copy/Paste as → Copy as code → CSS(或选 iOS/Android)

Figma 会把该组件的样式属性(尺寸、圆角、颜色、字体等)导出为结构化的代码格式。

第二步:粘贴给 Claude Code

把复制的内容粘贴给 Claude Code,告诉它要更新哪个组件就行。Claude 会自动识别设计属性,把设计稿的改动同步到代码里。

如果你已经配置了 Figma MCP(方式三),还可以用更快的方式:

选中组件 → 右键 → Copy/Paste as → Copy link to selection

得到一个带 node-id 的链接。把这个链接粘贴给 Claude Code,AI 会自动通过 MCP 读取该节点的完整设计数据——不用手动复制代码。

在这里插入图片描述

适合什么情况

  • 设计师改了 Figma,开发需要同步到代码
  • 微调某个组件的样式
  • 不想折腾 MCP 配置,粘贴就能用

方式三:Figma MCP Server(全自动双向同步)

这是 Figma 官方 2026 年初发布的 AI 集成方案,支持设计和代码双向同步。配置好后,Claude Code 可以直接读取 Figma 设计数据,也可以把代码界面推回 Figma。

两种 MCP Server 的区别

Remote ServerDesktop Server
地址mcp.figma.com/mcp127.0.0.1:3845/mcp
认证OAuth 登录无需认证
要求所有 Plan(含免费)付费 Plan + 桌面端
能力读取 + 写入读取 + 写入(基于选中内容)

各 Plan 调用限额

这是很多人关心的问题,实测后整理了一下:

Plan限额说明
Starter(免费)每月 6 次generate_figma_design 不占配额
Pro每天 200 次10 次/分钟
Organization每天 200 次15 次/分钟
Enterprise每天 600 次20 次/分钟

重点:generate_figma_design(把代码推送到 Figma)不受配额限制,免费用户也能无限次使用。每月 6 次的限制主要影响读取类工具(如 get_design_context),日常够用了。

Figma MCP 各 Plan 调用限额对比:写入 Figma 永远免费不限次数

MCP 配置教程

配置 Remote Server(推荐先试这个)

在 Claude Code 终端里运行一行命令就行,首次使用会弹出 Figma OAuth 授权页面,在浏览器打开链接登录允许即可。整个过程不超过 1 分钟。

配置 Desktop Server

  1. 打开 Figma 桌面端
  2. 切换到 Dev Mode → Enable desktop MCP server
  3. 在 Claude Code 终端添加本地 MCP 服务器地址

连通后能做什么

配置好 Figma MCP 后,Claude Code 获得 13 个工具,核心分两类:

  • 读取设计get_design_context(获取样式和布局)、get_screenshot(截图)、get_metadata(节点结构)等,帮你把 Figma 设计数据提取给 AI
  • 写入 Figmagenerate_figma_design,把 HTML/代码界面推送回 Figma(不限次数)

用起来很简单——把 Figma 设计链接丢给 Claude Code,它会通过 MCP 自动读取设计数据,然后帮你实现对应的代码。反过来,代码改了 UI 之后,也可以让 Claude Code 自动捕捉界面推回 Figma。

踩坑记录(重要)

实测过程中遇到了 3 个坑,提前避开能省很多时间:

坑 1:VSCode 扩展里 OAuth 可能不弹出

Remote Server 在 VSCode Claude Code 扩展里可能无法完成 OAuth 认证流程。解决方案: 先在终端 claude 里完成认证,再回 VSCode 就正常了。

坑 2:第三方 MCP 和官方 MCP 容易搞混

npm 上的 figma-developer-mcp 是第三方包(Framelink 出品),只能读不能写,还需要手动配 API Token。Figma 官方的 Remote MCP 地址是 mcp.figma.com/mcp,用 OAuth 认证,功能完整——别装错了。

坑 3:免费 Plan 完全够用

一开始以为 MCP 需要 Pro,实测发现 Free Plan 就能连通generate_figma_design(推代码到 Figma)不受配额限制;读取类工具每月 6 次,日常够用。


我的推荐工作流(经过实测)

推荐工作流:按项目阶段选方式,从初期出原型到日常迭代到全自动同步

根据项目阶段选择不同的 AI 画原型方式:

初期:快速出原型

PRD + UI 规范 → Claude Code 生成 HTML 原型 → html.to.design 插件导入 Figma

5 分钟出完所有页面,比手动画快 10 倍。

日常:设计改完同步代码

Figma 改设计 → Copy as code → 粘贴给 Claude Code → 自动同步

设计稿转代码最顺滑的方式,零配置。

进阶:全自动双向同步(MCP 连通后,免费即可)

设计改了 → MCP 自动读取 → 代码同步 → 代码改了 UI → 自动推回 Figma(不限次数)

真正实现设计和代码的双向同步,免费 Plan 就能用。


实用技巧:建立设计-代码映射表

在项目里维护一份映射关系表,AI 看到就知道该改哪个文件:

UI 组件Figma 帧代码文件
体重卡片Home/WeightCardWeightCard.swift
睡眠条Home/SleepBarSleepCard.swift
AI 聊天气泡AI/ChatBubbleChatBubble.swift

这样不管用哪种方式,告诉 Claude Code"改体重卡片",它就能精准定位到对应的 Figma 设计和代码文件。

对于独立开发者来说,这张表就是你的设计系统文档,维护成本极低但效果很好。


总结

2026 年,AI 辅助设计的链路已经完全跑通了:

  • 三种方式都免费: HTML 原型、Copy as code、MCP Server 都不需要 Pro
  • MCP 免费版限制很少:generate_figma_design 不限次数,读取类工具每月 6 次,日常够用
  • 核心思路: 让 AI 理解你的设计规范,而不是一个个像素去抠

工具在进化,但思路比工具重要——先把 PRD 和设计规范写清楚,AI 才能帮你高效干活。

最后说说 Figma 和 Pencil MCP 的选择

实测完整个流程后,我个人的感受是:Figma 这条线更适合有团队协作需求的场景。

Figma 本身的设计组件生态非常成熟,设计师和开发者之间有现成的协作规范(Dev Mode、设计系统、组件库)。如果你的项目有专门的设计师,或者需要多人在同一份设计稿上协作,Figma MCP 能把这条链路打通得很顺滑——设计师在 Figma 改完,开发通过 MCP 自动同步,不需要反复截图对照。

但如果你是独立开发者、一个人搞定设计和代码,Pencil MCP 这类更轻量的方案可能效率更高,不需要绕一圈 Figma。

选哪条线取决于你的团队结构,不是工具本身的好坏。


如果你也在用 AI 辅助设计或者 Claude Code 画原型,欢迎在评论区聊聊你的工作流,互相抄作业。

觉得有用的话,转发给你还在手动画原型的朋友,帮他们省点时间。

Read more

OpenCode AI 编程保姆级使用教程:从安装到实战,效率直接拉满

OpenCode AI 编程保姆级使用教程:从安装到实战,效率直接拉满

前言 当下 AI 编程工具层出不穷,而OpenCode凭借开源免费、多模型兼容、多端适配、项目级上下文感知的核心优势,成为了程序员的新晋效率神器。它不是简单的代码补全工具,而是能真正理解项目架构、帮你从需求分析到代码落地的 AI 编码代理,支持终端、桌面应用、IDE 扩展等多种使用方式,还能对接国内外 75 + 种 LLM 模型,兼顾便捷性和代码隐私性。 本文结合 OpenCode 官方文档和实际使用经验,用最通俗易懂的语言,从安装配置、核心操作、实战技巧、高级玩法四个维度,带你彻底玩转 OpenCode,不管是编程新手还是资深开发者,都能快速上手并提升开发效率! 一、先搞懂:OpenCode 到底适合谁?有啥核心优势? 1. 适用人群 * 编程新手:不用死记硬背语法,自然语言描述需求就能生成代码,快速入门; * 资深开发者:摆脱重复编码、重构老项目、

字节跳动 AI 原生 IDE Trae 安装与上手图文教程

字节跳动 AI 原生 IDE Trae 安装与上手图文教程

文章目录 * 一、 什么是 Trae? * 国际版与国内版区别 * 二、 下载与环境准备 * 第一步:访问官网下载 * 第二步:系统安装 * 第三步:首次启动与初始化配置 * 三、 核心功能上手实战 * 四、 进阶技巧:如何切换满血大模型 * 五、 总结 一、 什么是 Trae? 简单来说,Trae 是字节跳动近期推出的一款 AI 原生集成开发环境 (IDE)。你可以把它看作是国内打磨极佳的 Cursor 或 Windsurf 替代品。它从底层架构开始就围绕 AI 能力构建,不仅能自动补全代码,还能直接听懂你的大白话,帮你从零开始写项目、修 Bug、甚至一键部署后端服务。 核心亮点: * 完全免费:目前处于免费阶段,对于动辄几十美元一个月的 AI 开发工具来说,性价比拉满。

从 ReAct 到 Plan-and-Execute:AI Agent 推理架构的理解与选择

从 ReAct 到 Plan-and-Execute:AI Agent 推理架构的理解与选择

最近在做一个企业办公 Agent 项目,过程中花了不少时间研究 Agent 的推理架构该怎么选。市面上最主流的两种模式——ReAct 和 Plan-and-Execute——看起来都能用,但深入了解后我发现它们的设计哲学完全不同,适用场景也差异很大。 一、先说一个最基本的问题:Agent 为什么需要"推理"? LLM 本身就能回答问题,为什么还要给它加推理框架? 因为 LLM 只会"说",不会"做"。当用户说"帮我创建一个明天截止的任务",LLM 可以生成一段漂亮的文字描述应该怎么做,但它没有手去操作数据库。Tool(或者叫 Skill)就是给 LLM 装上了手脚——它可以调用接口、查询数据、执行操作。 但问题来了:

AI 学习总结(6)—— 国产 OpenClaw 腾讯、字节、阿里、百度、小米、智谱、Kimi 对比汇总

AI 学习总结(6)—— 国产 OpenClaw 腾讯、字节、阿里、百度、小米、智谱、Kimi 对比汇总

前言 2026年开年,一只叫 OpenClaw 的"龙虾"搅翻了整个AI圈。它的图标酷似龙虾,能把你的电脑变成一个不知疲倦的"数字员工",自动执行任务、操控应用、替你干活。随后,腾讯、字节、阿里、百度、小米、智谱、月之暗面……国内各大厂纷纷下场,推出自家的"虾"。这篇文章,带你把市面上所有主流的"虾"一网打尽,看看哪只最适合你。 一、腾讯 QClaw:你的微信遥控“龙虾管家” 官网:https://claw.guanjia.qq.com/ 发布时间: 2026年3月9日