Augment code + axure 一键生成前端代码

上一篇文章我们讲了怎么通过Augment code + Figma MCP生成前端代码,同时我也用了cursor,做了简单对比,结果如下:
cursor + Figma MCP

  1. 速度快。
  2. 可以导出Figma文件中的图标到项目中。
  3. 整体还原度不咋地。
  4. 对话式,会不断询问。

Augment code + Figma MCP

  1. 速度慢。
  2. 还原度高。
  3. 基本不需要手动干预。
  4. 访问项目整体性好,能检测到项目是否已经配置依赖等等。

今天我们同样使用Augment code + axure来演示,通过axure设计文档直接生成前端项目,同时和cursor + axure生成前端项目做个对比。

一、axure导出设计文件到本地。

打开axure -> 发布 -> 生成html文件 -> 选择本地文件 -> 导出到本地,删除多余的html文件。
 

image.png

image.png

二、将文件放在初始化的项目中。

我使用的vue3,我初始化了vue3项目,将刚才生成的html文件和一些css/js文件拖到了src目录下面,放在html文件夹中。配置了elementPlus+scss(这些都可以交给Agument来做,但是有点慢,我就顺手配置了,它会检测整个项目,如果做了配置就不会再重新配置了)

image.png

三、发布指令,让Augment为我们生成页面。

这是我简单些的指令

1. 读取src/html文件夹里面的所有html文件,不包含子目录。 2. 根据html文件生成vue3+elementplus+scss的页面。 3. 配置路由跳转。 4. 封装公共组件。 5. icon使用iconfont,统一风格。

接下来就是Augment code吭哧吭哧写代的过程了,全程基本不需要干预,写完可能有一些错误,缺少图片的错误很常见,我们可以直接复制错误信息给我它,它会全局处理。

Read more

KimiClaw/MaxClaw/NullClaw/OpenFang/ZeroClaw/PicoClaw/TinyClaw/Miclaw/ArkClaw等18大小龙虾AI Agent框架技术选型全解析

KimiClaw/MaxClaw/NullClaw/OpenFang/ZeroClaw/PicoClaw/TinyClaw/Miclaw/ArkClaw等18大小龙虾AI Agent框架技术选型全解析

OpenClaw登顶GitHub全球TOP1!26万星超越React/Linux,KimiClaw/MaxClaw/NullClaw/OpenFang/EasyClaw/CoPaw/OpenClawChinese/LobsterAI/ClawPhone/Nanobot/NanoClaw/IronClaw/ZeroClaw/PicoClaw/TinyClaw/Miclaw/ArkClaw等18大AI Agent框架技术选型全解析 文章标签:#OpenClaw #GitHub星标第一 #KimiClaw #MaxClaw #NullClaw #OpenFang #EasyClaw #CoPaw #OpenClawChinese #LobsterAI #ClawPhone #Nanobot #NanoClaw #IronClaw #ZeroClaw #PicoClaw #TinyClaw #Miclaw #ArkClaw #AIAgent框架 #技术选型 #GitHub开源 🔥 历史性时刻:2026年3月,OpenClaw以26万+ GitHub Stars正式超越React(24.

什么是人工智能?AI、机器学习、深度学习的关系

什么是人工智能?AI、机器学习、深度学习的关系

文章目录 * 什么是人工智能 * 人工智能的定义 * 人工智能的分类 * 什么是机器学习 * 机器学习的基本概念 * 机器学习的工作流程 * 机器学习的主要类型 * 什么是深度学习 * 深度学习的基本概念 * 深度学习的优势 * 深度学习的应用领域 * AI、机器学习、深度学习的关系 * 三者的层次关系 * 三者的发展历程 * 如何选择合适的方法 * 实际应用案例分析 * 案例一:垃圾邮件过滤 * 案例二:图像识别 * 案例三:推荐系统 * 学习路径建议 * 第一阶段:打好基础 * 第二阶段:深入学习 * 第三阶段:实战提升 * 总结 本篇文章将带你深入理解人工智能的核心概念,厘清AI、机器学习、深度学习之间的关系,为后续的学习打下坚实的基础。 什么是人工智能 人工智能的定义 人工智能,英文名称为Artificial Intelligence,简称AI,这个概念最早由约翰·麦卡锡在1956年的达特茅斯会议上提出。那么什么是人工智能呢?简单来说,人工智能就

TRAE 接入方舟 Coding Plan教程(AI IDE 字节系)

TRAE 接入方舟 Coding Plan教程(AI IDE 字节系)

1 下载&安装TRAE 1.1 什么是 TRAE ? 字节跳动发布的AI原生编程工具,可帮助开发者从0到1开发完整项目。 TRAE(/treɪ/)深度融合 AI 能力,是一名能够理解需求、调用工具并独立完成各类开发任务的“AI 开发工程师”,帮助你高效推进每一个项目。 支持以下功能: 实时续写代码调试运行智能排查Bug版本控制自动构建项目一键预览效果解答技术难题 1.2 下载 国内版下载地址(推荐):https://www.trae.cn/ide/download 国际版下载地址(适合已订阅国外大模型的用户): https://www.trae.ai/download 目前支持的系统(注意:Linux版本需要预约候补): * Windows * macOS * Linux 1.3 安装  点击打开已下载的安装包,

OpenClaw Agents执行引擎深度解析:拆解AI的“思考与行动”核心(src/agents/pi-embedded-runner/实战篇)

OpenClaw Agents执行引擎深度解析:拆解AI的“思考与行动”核心(src/agents/pi-embedded-runner/实战篇)

OpenClaw Agents执行引擎深度解析:拆解AI的“思考与行动”核心(src/agents/pi-embedded-runner/实战篇) 在OpenClaw的整个架构里,Agents执行引擎是最“硬核”的部分——它不是简单调用LLM接口,而是把“接收消息→构建上下文→调用模型→安全执行工具→返回结果”的全流程封装成了一套高可用的嵌入式运行时。很多新手读源码时,卡在Agent的执行逻辑、工具调用安全校验或内存管理上,本篇我会结合大半年的实战调试经验,把Pi Embedded Agent的核心流程拆解得明明白白,从代码层面告诉你:一条消息是如何被AI“思考”并给出答案的。 文章目录 * OpenClaw Agents执行引擎深度解析:拆解AI的“思考与行动”核心(src/agents/pi-embedded-runner/实战篇) * 1. Pi Embedded Agent 核心定位:嵌入式AI执行引擎 * 1.1