【GitHub Copilot】Figma MCP还原设计稿生成前端代码

【GitHub Copilot】Figma MCP还原设计稿生成前端代码

这里写自定义目录标题

Cursor+Figma MCP的教程已经很多了,由于我所在的公司采购的是GitHub Copilot,我研究了一下直接在vscode里利用GitHub Copilot接入Figma MCP进行设计稿还原代码,大获成功,这里分享我的步骤,希望能帮到你。

Step1:让AI给你配置MCP

在vscode中打开你的项目(我的例子是一个微信小程序),呼出github copilot对话框,模式选择Agent,模型建议Claude 3.7 Sonnet,提问:

https://github.com/GLips/Figma-Context-MCP 如何配置能让你在vscode里使用这个mcp

之后跟着提示狂点下一步即可完成配置,如果有什么需要装的vscode插件它会自动帮你装,甚至自动生成了配置说明文档。

在这里插入图片描述


由于不能保证AI每次生成的答案都一致,这里附上我的运行结果作为参考,可以看到它在项目文件夹最外层建了一个.vscode文件夹,在settings.json文件里加上了配置。如果你的项目本来就有这个settings.json文件它应该会加在文件最后面。

{"mcpServers":{"Framelink Figma MCP":{"command":"cmd","args":["/c","npx","-y","figma-developer-mcp","--figma-api-key=这里稍后替换成你自己的密钥","--stdio"]}}}

Step2:替换成自己的Figma密钥

打开Figma的网页点击左上角自己的头像 -> settings -> Security -> Generate new token
设置路径可能会有变化,自己到处点点找到Generate new token就对了
找到点击之后会出现下面这个弹窗,随便起个名字比如mcp,然后把下面的权限列表一个个打开选择读或写,要不然默认是全部No access的。
注意默认是30天过期,30天后需要建一个新的才能继续用。

在这里插入图片描述


都选完之后点右下角的generate token之后会生成一个密钥,这是你唯一一次复制它的机会,没复制好就关掉窗口了就只能重新建了。把这个密钥复制到settings.json文件中–figma-api-key=后面。

Step3:如何使用

我以这个官方电商UI模板里的商品卡片为例,在Figma设计图上选中你要的部分图层,右键后点击Copy link to selection

在这里插入图片描述

之后就可以把链接贴到对话框了,先来测试一下配置是否成功了,确保模式是Agent,提问:

https://www.figma.com/design/GJZhGih0VsGbpevJGkJQ9Z/E-commerce-UI—Figma-Ecommerce-UI-Kit–Demo-Version—Community-?node-id=2804-7985&m=dev 现在你能读到这个设计图了吗
在这里插入图片描述


出现这样的弹窗说明Agent在尝试链接MCP server了,点继续(也可以点击右边的箭头在当前会话中允许操作就不用每次都手动点了),过一会儿可以看到它的描述,说明设计图被读到了,我们的配置生效了。

在这里插入图片描述


现在可以让它写代码了

请根据这个设计图在我的微信小程序里生成商品卡片组件的代码,注意微信小程序中2rpx=1px,要完全还原设计图的UI,再建一个测试页面展示这个组件的调用效果,可以参考微信小程序官方文档https://developers.weixin.qq.com/miniprogram/dev/api/
在这里插入图片描述


继续等AI操作,等它操作完之后到开发者工具里运行,可以看到还原度已经非常高了。

在这里插入图片描述

对比设计图,指出哪里还原度不够,让它进一步优化,客客气气的。

看上去有一些UI细节不够还原,比如卡片的内边距,还有按钮的布局,请你再仔细检查一下。
商品图片上的三个icon按钮应该是水平居中的,learn more按钮应该是水平居左的。另外你能不能直接下载设计图里的icon为svg来使用,这样更还原。

如上描述改了两个版本之后,我们得到了下图版本,我把设计图放在左边,可以看到还原度非常惊人了。

在这里插入图片描述

最后,来人工review一下生成组件代码,可以看到模板层dom设计非常合理,没有多余的嵌套,注释清晰,比我的同事靠谱多了

<viewclass="product-card"><!-- 图片区域 --><viewclass="fixed-height"><viewclass="product-cover"style="background-image:url('{{product.coverImage}}');"></view><!-- 产品操作按钮 --><viewclass="product-actions"><viewclass="action-button like"><viewclass="icon"><imageclass="icon-image"src="/images/icons/like-icon.svg"></image></view></view><viewclass="action-button basket"><viewclass="icon"><imageclass="icon-image"src="/images/icons/basket-icon.svg"></image></view></view><viewclass="action-button share"><viewclass="icon"><imageclass="icon-image"src="/images/icons/share-icon.svg"></image></view></view></view><!-- 标签 --><viewclass="tag"wx:if="{{product.tag}}"><text>{{product.tag}}</text></view></view><!-- 产品信息区域 --><viewclass="product-info"><!-- 类别和评分 --><viewclass="row category-rating"><viewclass="category-container"><textclass="category">{{product.category}}</text></view><viewclass="rating-container"><imageclass="star-icon"src="/images/icons/star-icon.svg"></image><textclass="rating">{{product.rating}}</text></view></view><!-- 产品标题 --><textclass="product-title">{{product.title}}</text><!-- 产品描述 --><textclass="product-description">{{product.description}}</text><!-- 销售信息 --><viewclass="sales"><viewclass="icon"><imageclass="sales-icon"src="/images/icons/sales-icon.svg"></image></view><textclass="sales-text">{{product.sales}} Sales</text></view><!-- 价格信息 --><viewclass="prices"><textclass="original-price"wx:if="{{product.originalPrice}}">¥{{product.originalPrice}}</text><textclass="current-price">¥{{product.price}}</text></view><!-- 颜色选项 --><viewclass="product-colors"><viewclass="color-dot"wx:for="{{product.colors}}"wx:key="index"style="background-color:{{item}};"></view></view><!-- 产品特性 --><viewclass="product-features"><viewclass="feature"><viewclass="icon"><imageclass="feature-icon"src="/images/icons/calendar-icon.svg"></image></view><textclass="feature-text">{{product.duration}}</text></view><viewclass="feature"><viewclass="icon"><imageclass="feature-icon"src="/images/icons/lessons-icon.svg"></image></view><textclass="feature-text">{{product.lessons}} Lessons</text></view><viewclass="feature"><viewclass="icon"><imageclass="feature-icon"src="/images/icons/progress-icon.svg"></image></view><textclass="feature-text">Progress</text></view></view><!-- 了解更多按钮 --><buttonclass="learn-more-button"hover-class="button-hover"><text>Learn More</text><imageclass="arrow-icon"src="/images/icons/arrow-right-icon.svg"></image></button></view></view>

调用组件的示例页面给的例子也一目了然

<viewclass="container"><viewclass="title">商品卡片组件展示</view><viewclass="card-container"><product-cardproduct="{{productData}}"></product-card></view></view>

Read more

AI 时代前端框架选型:React 核心原理与 SocialVibe 项目实战解析

AI 时代前端框架选型:React 核心原理与 SocialVibe 项目实战解析

文章目录 * 概要 * Vue还是React? * 基础概念 * 组件 * JSX * Props(组件间传数据) * Key * 渲染与虚拟 DOM * 事件处理 * State * 受控组件 * Hooks (钩子) * 纯组件 & 严格模式 * 副作用 (Side Effects) * Portal * Suspense * 项目实操 * 快速上手 * 前端代码 * pages/ * context/ * components/ * types.ts * index.html * vite.config.ts * 后端目录 * routes/ * controllers/ * services/ * repositories/ * middleware/ * config/ * types/ * db/migrations/ *

OpenClaw + MCP:让 AI 助手连接任意工具的终极方案

MCP(Model Context Protocol)是 2026 年最火的 AI 协议,而 OpenClaw 作为开源 AI 助手框架,已经率先支持 MCP 集成。本文将带你深入了解如何用 OpenClaw + MCP 打造一个能连接任意工具的超级 AI 助手。 什么是 MCP? MCP(Model Context Protocol)是一个开源协议标准,用于连接 AI 应用和外部系统。 简单理解:MCP 就像是 AI 的 USB-C 接口。就像 USB-C 让你的电脑能连接显示器、硬盘、手机等各种设备一样,MCP 让你的 AI 助手能连接数据库、文件系统、

AI学习第一站:从感知到认知,AI到底是什么?

AI学习第一站:从感知到认知,AI到底是什么?

本文围绕 AI 的 “感知 - 认知” 双轮逻辑这一核心主题展开,系统阐述了 AI 的底层工作框架。首先界定了 “感知”(将物理世界连续信号转换为机器可处理的结构化数据)与 “认知”(对结构化数据进行分析、推理与决策)的核心内涵,剖析了两者的技术构成与实现路径,明确了 “感知→认知→行动→感知” 的闭环工作逻辑;随后结合美团外卖 AI 骑手调度系统、阿里云视觉 AI 医疗影像诊断系统、苹果 Siri 语音助手三个真实落地案例,具象化呈现了 “感知 - 认知” 在实际场景中的应用逻辑与效果;接着通过基于 MNIST 数据集的手写数字识别实战项目,详解了从数据加载预处理(感知)到模型搭建训练(认知)的完整代码实现与结果分析;最后梳理了 AI “感知

AI的提示词专栏:控制输出格式Markdown、HTML、LaTeX 的技巧

AI的提示词专栏:控制输出格式Markdown、HTML、LaTeX 的技巧

AI的提示词专栏:控制输出格式Markdown、HTML、LaTeX 的技巧 本文聚焦大语言模型输出格式控制,解析 Markdown、HTML、LaTeX 三种主流格式的 Prompt 设计方法。首先阐述格式控制核心原理,即通过 Prompt 传递格式规则与边界,引导模型按预期生成内容。针对每种格式,分别给出核心 Prompt 设计公式、场景案例与避坑指南,如 Markdown 强调层级结构与特殊元素指定,HTML 注重标签闭合与模块嵌套,LaTeX 关注环境定义与语法严谨性。还提出跨格式通用技巧,包括 “格式示例 + 规则” 约束、明确格式边界、多轮迭代修正,最终总结规则明确、示例辅助、边界清晰三大核心原则,助力读者设计精准 Prompt,让模型输出适配下游场景,减少二次编辑成本。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI