使用 Trae IDE 一键将 Figma 转为前端代码

在现代前端开发中,从设计稿到可用页面的交付往往需要大量重复劳动:切图、手写样式、布局调整……而借助 MCP Server - Figma AI Bridge,我们可以将 Figma 设计稿自动转换成整洁的 HTML/CSS/JS 代码,并立即生成可预览的网页。一键化、傻瓜式操作,让设计交付效率跃升。

本文测试使用的系统环境如下:

  • Trae IDE 版本:2.4.5
  • macOS 版本:14.7
  • Node.js 版本:24.6.0
  • npx 版本:11.5.2
  • Python 版本:3.13.3
  • uvx 版本:0.6.16

一、安装并启动 Trae IDE

Trae IDE 与 AI 深度集成,提供智能问答、代码自动补全及基于 Agent 的 AI 自动编程能力。首次使用时,前往官网下载并安装:

  1. 访问官网下载页面并选择对应平台的安装包。
  2. 双击运行安装程序,按提示完成安装。
  3. 启动 Trae IDE,初次打开会看到欢迎页及快速入门指南。

二、配置 MCP Server 运行环境

为了让 MCP Server 正常工作,需要安装 Node.js、npx、Python 及 uvx 工具。

1. 打开 Trae IDE 终端

  • 启动 Trae IDE。
  • 在顶部菜单栏依次点击 终端 > 新建终端,打开内置命令行。

图片

图片

  1. 安装 Python 与 uvx

前往 Python 官网 下载并安装 Python 3.8+。安装完成后在终端验证安装:

python3 --version 

安装 uv 工具集(包含 uvx):

//macOS / Linux curl -LsSf https://astral.sh/uv/install.sh | sh //Windows powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" 

执行环境初始化:

source $HOME/.local/bin/env 

验证 uvx 安装:

uvx --version 
  1. 安装 Node.js 与 npx

前往 Node.js 官网 下载并安装 Node.js 18+。在终端验证安装:

node -v npx -v 

若看到类似 v22.x.x、11.x.x 的版本号,则说明安装成功;重启 Trae IDE 以使新安装生效。

三、获取 Figma Access Token

配置 Figma AI Bridge 时需要填写你的 Figma Personal Access Token,具体获取流程如下:

  1. 登录 Figma,在左上角点击用户头像,选择 Settings

图片

  1. 在顶部菜单中选择 Security。

图片

  1. 下滑至 Personal access tokens 区域,点击 Generate new token。在弹窗中输入 Token 名称、选择有效期并配置权限,以下是一些参考:

图片

  1. 点击 Generate token,复制生成的 Token 字符串备用。

四、在 Trae IDE 中添加 MCP Server - Figma AI Bridge

  1. 打开 Trae IDE,点击 AI 对话框右上角的 设置 图标,选择 MCP

图片

  1. 在 MCP 面板点击 + 添加 MCP Servers(或已添加时右侧的 + 添加)。在列表中找到 Figma AI Bridge,点击右侧 + 按钮。

图片

  1. 将之前复制的 Figma Personal Access Token 粘贴到输入框,点击 确认

图片


此时,MCP Server - Figma AI Bridge 已成功配置,并已自动添加到 “Builder with MCP” 智能体中。

五、创建自定义智能体并绑定 Figma AI Bridge

智能体(Agent)是你在不同场景下的 AI 助手。自定义智能体后,你可以灵活配置提示词和工具集,快速完成复杂任务。

在 AI 对话框右上角点击 设置,选择 智能体。点击 + 创建智能体

图片


在配置面板中:

  • (可选)上传智能体头像。
  • 输入智能体名称,例如:“Figma 助手”。

(可选)填写提示词,示例:

“根据用户提供的 Figma 链接,精准还原 UI 设计,生成响应式 HTML 前端页面代码。结构清晰,视觉细节与设计稿高度一致,禁止擅自修改设计内容。”在 工具-MCP 部分仅勾选 Figma AI Bridge
  • 在 工具-内置 部分勾选:
  • 文件系统(File System)
  • 终端(Terminal)
  • 联网搜索(Web Search)
  • 预览(Preview)配置完成后示例:

图片


点击 创建,完成后应用自定义智能体。

六、一键生成前端页面

  1. 在本地新建一个空文件夹,在 Trae IDE 中打开该文件夹。
  2. 在 AI 对话框右下角选择模型(本文以 DeepSeek-V3-0324 为例)。
  3. 打开 Figma 设计稿页面,选中目标画板,右键 → Copy/Paste as > Copy link to selection,复制链接。

图片

在 Trae IDE AI 对话输入框中粘贴链接,并附上需求说明,例如:

“请严格按照我提供的 Figma 链接内容生成 HTML 前端页面,UI 要严格还原设计稿,需要实现响应式设计。”

图片
智能体开始调用 Figma AI Bridge,读取设计稿并自动生成前端项目文件夹和 index.html。以下为生成过程示例:

图片


生成完成后,双击输出的 index.html,在浏览器中预览最终效果。若需调整,可在 AI 对话框继续与智能体互动,优化样式或交互,直至满意为止。

Read more

Harness Engineering:给 AI 套上缰绳的工程学(通俗易懂)

Harness Engineering:给 AI 套上缰绳的工程学(通俗易懂)

🐴 Harness Engineering:给 AI 套上缰绳的工程学 AI 写代码的速度已经超过了人类能"擦屁股"的速度。Harness Engineering,就是那根让烈马变战马的缰绳。 目录 * 🐴 Harness Engineering:给 AI 套上缰绳的工程学 * 一、前言:当 AI 开始"飙车" * 二、名词急救包——先扫盲再上路 * 🐎 Harness Engineering(驾驭工程) * 🧠 Context Engineering(上下文工程) * 🎵 Vibe Coding(氛围编程) * 🤖 Coding Agent(编码智能体) * 📋 AGENTS.md(AI 工作手册) * 🔌 MCP / ACP / A2A(

不仅仅是补全代码:深度解析AI如何重构我的技术栈

不仅仅是补全代码:深度解析AI如何重构我的技术栈

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕人工智能这个话题展开,希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * 💻 不仅仅是补全代码:深度解析AI如何重构我的技术栈 * 🎯 引言:从代码补全到思维伙伴 * 🔄 技术栈的重构历程 * 第一阶段:辅助工具时期(2020-2022) * 第二阶段:协作伙伴时期(2023) * 🏗️ 重构后的技术栈架构 * 前端开发:从UI构建到体验设计 * 后端架构:智能化的系统设计 * 📊 数据驱动的技术决策 * 数据库技术栈的AI优化 * 🚀 开发流程的革命性变化 * 1. 需求分析阶段 * 2. 代码审查与优化 * 🔧 工具链的智能化升级 * 开发环境配置 * CI/CD流水线的AI优化 * 🧪 测试策略的AI革命 *

算力调度算法:基于AI的智能算力分配方法

算力调度算法:基于AI的智能算力分配方法

算力调度算法:基于AI的智能算力分配方法 📚 本章学习目标:深入理解基于AI的智能算力分配方法的核心概念与实践方法,掌握关键技术要点,了解实际应用场景与最佳实践。本文属于《云原生、云边端一体化与算力基建:AI时代基础设施革命教程》云原生技术进阶篇(第二阶段)。 在上一章,我们学习了"边缘节点节能技术:算力与功耗的平衡策略"。本章,我们将深入探讨基于AI的智能算力分配方法,这是云原生与AI基础设施学习中非常重要的一环。 一、核心概念与背景 1.1 什么是基于AI的智能算力分配方法 💡 基本定义: 基于AI的智能算力分配方法是云原生与AI基础设施领域的核心知识点之一。掌握这项技能对于提升云原生架构设计能力和AI应用落地效果至关重要。 # 云原生基础命令示例# Docker容器操作docker run -d--name myapp nginx:latest dockerpsdocker logs myapp # Kubernetes基础操作 kubectl get pods -n default kubectl describe pod myapp-pod kubectl

零成本体验模型微调?技术小白魔搭+LLaMa Factory 跑通全流程

零成本体验模型微调?技术小白魔搭+LLaMa Factory 跑通全流程

“ 教育孩子和训练AI的共同真相:没有一蹴而就的‘完美’,只有持续迭代的‘更好’ ” Hello,大家好~~ 许久不见,现在大热的 AI 学习中,总是手痒忍不住也想实操各项技术玩一把,今天就从微调开始吧! 总在各类文章中听到讲“微调”,那么“微调”的到底是啥?怎么调教的? 我们用魔搭+LLaMa Factory,0 成本,体验一个微调的全流程,无需考虑自己的电脑配置,全部云上微调,最后再将微调的模型引入本地直接体验对话(这次使用一个简单的数据集,所以结局有反转惊喜) 01 什么是“微调”? 首先,我们先大致了解一下,什么是微调?常规大模型语言模型的训练路径分为以下几个阶段: 简单的说,以我们养娃来打个比方: 1. 预训练(通识教育) * 模型:通过自监督学习(如阅读海量文本),掌握基础语言规则,但还不会针对具体问题回答。 * 比喻:就像孩子上学前大量听大人说话、读绘本,