从 0 到 1 玩转 ClaudeCode:Figma-MCP 前端代码 1:1 还原 UI 设计全流程

ClaudeCode 与 Figma-MCP 简介

ClaudeCode 是 Anthropic 推出的 AI 代码生成工具,擅长将设计稿转换为前端代码。Figma-MCP(Minimum Code Principle)指通过最小代码原则实现高保真 UI 还原,适用于 Vue/React 等现代框架。


环境准备

Figma 设计稿检查

  • 确保设计稿使用 Auto Layout 布局,标注间距、字体、颜色等设计 Token。
  • 导出必要的 SVG/PNG 资源,检查图层命名规范(如 btn_primary)。

开发环境配置

  • 安装 Claude 插件或访问官方 Playground。

初始化前端项目(示例为 Vue3 + TypeScript):

npm create vite@latest figma-mcp-demo --template vue-ts 

设计稿解析与代码生成

Figma Token 提取

使用 Figma Tokens 插件导出 JSON 格式的设计变量:

{ "colors": { "primary": "#3366FF", "text": "#333333" }, "spacing": { "base": "8px" } } 

Claude 提示词示例
输入设计稿截图或 Figma JSON,附加明确指令:

基于以下设计规范,生成 Vue3 + SCSS 代码: 1. 使用 CSS Grid 实现响应式布局 2. 按 BEM 规范命名 class 3. 动态绑定设计 Token 到 :root 变量 


代码优化与 1:1 还原

AI 生成代码调整

  • 检查生成的组件结构,确保符合原子化设计原则(Atom → Molecule → Organism)。

补充交互逻辑(如 hover 状态):

.btn { &--primary { background: var(--color-primary); &:hover { opacity: 0.9; } } } 

像素级校对工具

  • 使用 Pixel Perfect 浏览器插件叠加设计稿与渲染页面。
  • 通过 Chrome DevTools 的 Device Mode 测试多端适配。

自动化与进阶技巧

设计系统同步

  • 配置 Storybook 可视化组件库,同步 Figma 变更。

使用 CLI 工具将 Figma Token 转为 CSS 变量(示例):

// figma-tokens.js module.exports = { css: { transforms: ['attribute/cti', 'name/cti/kebab'] } } 

性能优化

  • 对 AI 生成的冗余代码进行 Tree Shaking。
  • 使用 PurgeCSS 移除未使用的样式。

调试与交付

差异修正流程

  1. 通过 Claude 反馈修正 CSS 权重冲突问题。
  2. 调整 AI 未能识别的复杂动画(如 Lottie 文件导入)。

交付物标准化

  • 输出符合 ESLint + Prettier 规范的代码。
  • 生成 Markdown 格式的还原度报告(含截图对比)。

注:实际开发中需结合团队技术栈调整提示词策略,建议建立 Figma-Claude 联动的标准化 SOP。

Read more

三大AI代码编辑器对比:Cursor、Trae、Windsurf,总有一个适合你的

三大AI代码编辑器对比:Cursor、Trae、Windsurf,总有一个适合你的

在 AI 技术快速发展的今天,程序员的编程方式也在发生着翻天覆地的变化。 最引入瞩目的非 AI 代码编辑器莫属了。 今天,我们就来对比三款备受关注的 AI 代码编辑器:Cursor、Trae以及 Windsurf。 对比方面主要是在价格和支持的模型上。因为对于用户体验而言,不同的人使用习惯不一样,也没法做一个定性的评价。 希望通过这篇文章,能给你选出一款适合自己的 AI 代码编辑器。 1. 起源简介 1. Cursor Cursor 基于 VS Code 二次开发,AI 功能深度集成,被誉为“AI 优先”的编辑器。 官网:https://www.cursor.com/cn 2. Trae Trae 为字节跳动公司旗下产品,分为国内版和海外版。 官网:https:

我给自己招了个AI编辑部:用OpenClaw全自动运营公众号,日更再也不秃头

我给自己招了个AI编辑部:用OpenClaw全自动运营公众号,日更再也不秃头

我给自己招了个AI编辑部:用OpenClaw全自动运营公众号,日更再也不秃头 选题、写稿、配图、排版、发布——全让AI干了。我?我负责躺着审稿。 做过公众号的朋友都懂:日更是一种修行,周更是一种挣扎,月更是一种自我安慰。 每天的流程大概是这样的:打开热搜找选题 → 打开浏览器扒素材 → 打开编辑器憋文章 → 打开PS做配图 → 打开公众号后台调排版 → 点击发布 → 看着个位数的阅读量陷入沉思。 一套组合拳下来,4到6个小时没了,头发也少了几根。 直到有一天,我发现了 OpenClaw——一个可以部署在自己电脑上的AI助手。关键是,它可以装各种 Skills(技能插件),组合起来简直就是一个AI编辑部:选题、写稿、配图、排版、推送到公众号草稿箱,全链路自动化。 我当时的反应是:这不就是我梦寐以求的"带薪摸鱼"方案吗? 先交代一下我的装备 在开始之前,先说明一下我的部署环境,

AI与单片机之:STM32上运行AI大模型的四种方案!(含案例,建议收藏)

AI与单片机之:STM32上运行AI大模型的四种方案!(含案例,建议收藏)

前几天小编写了2篇文章 “为什么AI会改变单片机的未来?” 单片机上如何运行AI?单片机如何“学会思考”之TinyML崛起!(含案例,建议收藏), 引起了非常多的留言、关注和加群讨论。但是,仍然有读者朋友给小编留言,能否整理一些关于比较常用芯片比如STM32实用AI大模型的案例。为了满足粉丝朋友的诉求,小编整理了“在STM32单片机上运行AI大模型的”真实案例。 从粉丝的一个问题引出本文的思考:AI 模型能跑在 STM32 上吗? 一:先说结论 先说结论:不仅能跑,还一共有四种方案。 方案一:STM32官方提供的 STM32Cube.AI(X-CUBE-AI) 其实原理是我们把在 PC 上训练好的神经网络自动转换成可在 MCU 上运行的 C 库;然后在自己的软件/代码工程中调用已经编译产生的C库。 方案二:直接用 TensorFlow Lite Micro(TFLM)+ CMSIS-NN 在 STM32