1.现在trae版本在3.0及以上版本。
2.trae账号是企业版。
3.打开设置，找到mcp
这里需要token，需要从figma账号里生成,网页登录figma账号，找到设置，打开后找到security,然后点击generate new token，token名称随便取，权限都钩上。然后生成一个token,把token放到mcp中即可。
4.使用mcp,切换到mcp模式，你也可以自己创建智能体使用
5.提问使用，可参考下面的提示词使用
注意：这里面的figma链接是mcp的链接，不是figma链接，一般需要你有原型的权限才能看到
我需要根据提供的Figma链接生成一个与设计稿高度一致的网页。请严格遵循以下详细要求：
文章目录 * 前言 * 下载 WorkBuddy * 认识 WorkBuddy * 插件类型 * 配置 QQ 机器人 * 登录 QQ 开放平台并注册激活账号 * 配置超级管理员、主体及认证信息 * 创建 QQ 机器人 * 获取 AppID 和 AppSecret * 从 Claw 中获取 Webhook * 在 QQ 开发平台配置回调地址 * 开始使用 WorkBuddy Claw * 总结 前言 在大家还在沉迷于如何搭建 OpenClaw 的时候，腾讯竟然悄悄公测了 WorkBuddy。这是一款面向全角色的桌面智能体，下达指令即可自动生成文档、表格、图表及 PPT 等可视化成果，能够自主规划并交付多模态复杂任务结果，支持多 Agents 并行工作，极致提效，
发送webhook到飞书机器人 参考链接 自定义机器人使用指南 创建自定义机器人 1. 邀请自定义机器人进群。 2. 3. 获取签名校验 在 安全设置 区域，选择 签名校验。 获取自定义机器人的 webhook 地址 机器人对应的 webhook 地址 格式如下： https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxxxxxxxxxxxxx 请妥善保存好此 webhook 地址，不要公布在 Gitlab、博客等可公开查阅的网站上，避免地址泄露后被恶意调用发送垃圾消息。 设置自定义机器人的头像、名称与描述，并点击 添加。 在 群机器人 界面点击 添加机器人。在 添加机器人 对话框，找到并点击 自定义机器人。
文章目录 * 一、 核心环境准备 * 二、 避坑指南：环境初始化在 Mac 终端部署时，首要解决的是权限与路径问题。 * 1. 终端常用快捷键* `Control + C`：强制停止当前运行的命令（如安装卡死时）。 * 2. Node.js 环境修复若遇到 `zsh: command not found: openclaw`，说明 NVM 路径未加载。 * 3. 临时加载环境 * 4. 永久写入配置 * 三、 模型选择：M4 性能调优 * 四、 OpenClaw 配置手术 (JSON 详解) * 五、 飞书机器人接入：最后的临门一脚 * 六、 运行与调试 * 启动 Gateway * 第一次发消息需授权 (Pairing) * 💡 结语
0. 前言 人形机器人的运动控制一直是机器人领域的重要挑战，而强化学习为解决这一问题提供了强有力的工具。本教程将基于宇树G1人形机器人，从基础的强化学习环境搭建开始，逐步深入到高自由度模型的训练配置、奖励函数设计与优化，最终实现复杂动作的训练控制。作者看到一个很棒的系列，所以针对性的对文章内容进行了整理和二次理解，方便大家更好的阅读《不同自由度的宇树G1机器人强化学习训练配置及运行实战 + RSL-RL代码库问题修复》、《宇树G1机器人强化学习训练奖励函数代码架构 + 创建新的奖励函数（1）》、《RL指标分析与看板应用 — 宇树G1机器人高自由度模型强化学习训练实战（3）》、《调参解析 — 宇树G1机器人高自由度模型强化学习训练实战（4）》、《舞蹈训练？手撕奖励函数 — 宇树G1机器人高自由度模型强化学习训练实战（5）》。 1. 强化学习训练环境配置 1.1 基础环境搭建 宇树机器人的强化学习训练基于Isaac Gym物理仿真环境和RSL-RL强化学习框架。首先需要确保这两个核心组件正确安装和配置。 在开始训练之前，我们通过简单的命令来启动12自由度G1机器人的基础训练：