Claude Code + Figma:AI 画原型完整教程,从 PRD 到设计稿只要 5 分钟

Claude Code + Figma:AI 画原型完整教程,从 PRD 到设计稿只要 5 分钟

之前我一直用 Pencil MCP 来画原型,效果还不错。最近在社区看到有人说 Claude Code + Figma MCP 的出图效果也挺好,作为 AI 辅助设计的另一条路线,就想来实测对比一下。

刚好手头有个体脂秤 App(BodyMate)要改版,正好拿这个真实项目当测试场景——用 Claude Code 把 PRD 直接变成 Figma 原型,看看 Figma 这条线的 AI 画原型体验到底怎么样。

折腾了一圈,踩完所有坑,终于摸清了 2026 年 Claude Code + Figma 的正确工作流。

读完这篇你会得到:

  • 3 种 Claude Code 与 Figma 协作方式的完整对比(全部免费可用)
  • 每种方式的具体操作步骤和踩坑记录
  • 一套经过实测的 AI 画原型工作流,从 PRD 到设计稿全链路打通

Claude Code + Figma AI 画原型完整教程:3 种协作方式总览

先说结论:3 种方式,按需选择

Figma 和 Claude Code 之间有 3 种协作方式,适合不同阶段:

方式适合场景是否付费难度
HTML 原型 + Figma 插件导入从零画原型免费简单
Copy as code → 粘贴给 AI设计改了同步代码免费最简单
Figma MCP Server全自动双向同步免费可用(有调用限额)中等

好消息:三种方式都不需要付费。 MCP Server 免费 Plan 就能连通,generate_figma_design(推代码到 Figma)甚至不限次数。

下面逐个展开,每种都给操作步骤。


方式一:AI 生成 HTML 原型 → 导入 Figma(推荐起步用)

这是从零开始最快的 AI 画原型方式——让 Claude Code 根据你的 PRD 生成 HTML,再一键导入 Figma,整个过程不需要手动画任何组件。

操作步骤

第一步:让 Claude Code 生成 HTML 原型

把你的 PRD 和 UI 设计规范丢给 Claude Code,一句话搞定:

“根据 PRD 和 UI 设计规范,帮我把所有页面的原型画在一个 HTML 文件里”

Claude 会生成一个包含所有屏幕的 HTML 文件,每个屏幕是一个 390×844 的 iPhone 框架,并排排列。

第二步:导入 Figma(两种方式任选)

HTML 生成后,有两种方式导入 Figma:

方式 A:用 MCP 自动推送(推荐)

如果已经连通了 Figma MCP(配置方法见方式三),直接告诉 Claude Code:

“启动本地服务器,把这个 HTML 捕捉到我的 Figma 文件里”

Claude Code 会自动启动服务器、打开浏览器、捕捉页面、推送到 Figma,全程自动化。

方式 B:用 Figma 插件手动导入

  1. 启动本地服务器(Claude Code 会自动帮你启动)
  2. 打开 Figma → 运行插件 html.to.design(Builder.io 出品,在 Figma 插件市场搜索安装)
  3. 输入本地服务器地址
  4. 点击 Import,所有屏幕变成可编辑的 Figma Frame

一个 HTML 文件,5 个屏幕,一键全部导入 Figma。

1280X1280.PNG

两种导入方式对比

手动导入(html.to.design 插件)自动捕捉(MCP generate_figma_design)
操作方式在 Figma 里运行插件手动导入Claude Code 通过 MCP 自动推送
还原度高,基本无失真会有一定失真
是否付费免费免费(不受配额限制)
适合场景初次导入、追求精确频繁迭代、追求速度

我的建议: 初期用手动导入,追求还原度。等工作流跑顺了、需要频繁迭代时,再考虑 MCP 自动捕捉。

适合什么情况

  • 项目初期,从 PRD 快速出原型,不想在 Figma 里一个个拖组件
  • 想让 AI 理解你的设计规范后自动排版
  • 独立开发者没有设计师,需要 AI 辅助设计出图

方式二:Figma Copy as code(日常最实用)

这是设计改完后同步到代码最顺手的方式,完全不需要配置任何 MCP,零门槛。

操作步骤

第一步:在 Figma 里复制设计信息

选中你改过的组件,右键:

Copy/Paste as → Copy as code → CSS(或选 iOS/Android)

Figma 会把该组件的样式属性(尺寸、圆角、颜色、字体等)导出为结构化的代码格式。

第二步:粘贴给 Claude Code

把复制的内容粘贴给 Claude Code,告诉它要更新哪个组件就行。Claude 会自动识别设计属性,把设计稿的改动同步到代码里。

如果你已经配置了 Figma MCP(方式三),还可以用更快的方式:

选中组件 → 右键 → Copy/Paste as → Copy link to selection

得到一个带 node-id 的链接。把这个链接粘贴给 Claude Code,AI 会自动通过 MCP 读取该节点的完整设计数据——不用手动复制代码。

在这里插入图片描述

适合什么情况

  • 设计师改了 Figma,开发需要同步到代码
  • 微调某个组件的样式
  • 不想折腾 MCP 配置,粘贴就能用

方式三:Figma MCP Server(全自动双向同步)

这是 Figma 官方 2026 年初发布的 AI 集成方案,支持设计和代码双向同步。配置好后,Claude Code 可以直接读取 Figma 设计数据,也可以把代码界面推回 Figma。

两种 MCP Server 的区别

Remote ServerDesktop Server
地址mcp.figma.com/mcp127.0.0.1:3845/mcp
认证OAuth 登录无需认证
要求所有 Plan(含免费)付费 Plan + 桌面端
能力读取 + 写入读取 + 写入(基于选中内容)

各 Plan 调用限额

这是很多人关心的问题,实测后整理了一下:

Plan限额说明
Starter(免费)每月 6 次generate_figma_design 不占配额
Pro每天 200 次10 次/分钟
Organization每天 200 次15 次/分钟
Enterprise每天 600 次20 次/分钟

重点:generate_figma_design(把代码推送到 Figma)不受配额限制,免费用户也能无限次使用。每月 6 次的限制主要影响读取类工具(如 get_design_context),日常够用了。

Figma MCP 各 Plan 调用限额对比:写入 Figma 永远免费不限次数

MCP 配置教程

配置 Remote Server(推荐先试这个)

在 Claude Code 终端里运行一行命令就行,首次使用会弹出 Figma OAuth 授权页面,在浏览器打开链接登录允许即可。整个过程不超过 1 分钟。

配置 Desktop Server

  1. 打开 Figma 桌面端
  2. 切换到 Dev Mode → Enable desktop MCP server
  3. 在 Claude Code 终端添加本地 MCP 服务器地址

连通后能做什么

配置好 Figma MCP 后,Claude Code 获得 13 个工具,核心分两类:

  • 读取设计get_design_context(获取样式和布局)、get_screenshot(截图)、get_metadata(节点结构)等,帮你把 Figma 设计数据提取给 AI
  • 写入 Figmagenerate_figma_design,把 HTML/代码界面推送回 Figma(不限次数)

用起来很简单——把 Figma 设计链接丢给 Claude Code,它会通过 MCP 自动读取设计数据,然后帮你实现对应的代码。反过来,代码改了 UI 之后,也可以让 Claude Code 自动捕捉界面推回 Figma。

踩坑记录(重要)

实测过程中遇到了 3 个坑,提前避开能省很多时间:

坑 1:VSCode 扩展里 OAuth 可能不弹出

Remote Server 在 VSCode Claude Code 扩展里可能无法完成 OAuth 认证流程。解决方案: 先在终端 claude 里完成认证,再回 VSCode 就正常了。

坑 2:第三方 MCP 和官方 MCP 容易搞混

npm 上的 figma-developer-mcp 是第三方包(Framelink 出品),只能读不能写,还需要手动配 API Token。Figma 官方的 Remote MCP 地址是 mcp.figma.com/mcp,用 OAuth 认证,功能完整——别装错了。

坑 3:免费 Plan 完全够用

一开始以为 MCP 需要 Pro,实测发现 Free Plan 就能连通generate_figma_design(推代码到 Figma)不受配额限制;读取类工具每月 6 次,日常够用。


我的推荐工作流(经过实测)

推荐工作流:按项目阶段选方式,从初期出原型到日常迭代到全自动同步

根据项目阶段选择不同的 AI 画原型方式:

初期:快速出原型

PRD + UI 规范 → Claude Code 生成 HTML 原型 → html.to.design 插件导入 Figma

5 分钟出完所有页面,比手动画快 10 倍。

日常:设计改完同步代码

Figma 改设计 → Copy as code → 粘贴给 Claude Code → 自动同步

设计稿转代码最顺滑的方式,零配置。

进阶:全自动双向同步(MCP 连通后,免费即可)

设计改了 → MCP 自动读取 → 代码同步 → 代码改了 UI → 自动推回 Figma(不限次数)

真正实现设计和代码的双向同步,免费 Plan 就能用。


实用技巧:建立设计-代码映射表

在项目里维护一份映射关系表,AI 看到就知道该改哪个文件:

UI 组件Figma 帧代码文件
体重卡片Home/WeightCardWeightCard.swift
睡眠条Home/SleepBarSleepCard.swift
AI 聊天气泡AI/ChatBubbleChatBubble.swift

这样不管用哪种方式,告诉 Claude Code"改体重卡片",它就能精准定位到对应的 Figma 设计和代码文件。

对于独立开发者来说,这张表就是你的设计系统文档,维护成本极低但效果很好。


总结

2026 年,AI 辅助设计的链路已经完全跑通了:

  • 三种方式都免费: HTML 原型、Copy as code、MCP Server 都不需要 Pro
  • MCP 免费版限制很少:generate_figma_design 不限次数,读取类工具每月 6 次,日常够用
  • 核心思路: 让 AI 理解你的设计规范,而不是一个个像素去抠

工具在进化,但思路比工具重要——先把 PRD 和设计规范写清楚,AI 才能帮你高效干活。

最后说说 Figma 和 Pencil MCP 的选择

实测完整个流程后,我个人的感受是:Figma 这条线更适合有团队协作需求的场景。

Figma 本身的设计组件生态非常成熟,设计师和开发者之间有现成的协作规范(Dev Mode、设计系统、组件库)。如果你的项目有专门的设计师,或者需要多人在同一份设计稿上协作,Figma MCP 能把这条链路打通得很顺滑——设计师在 Figma 改完,开发通过 MCP 自动同步,不需要反复截图对照。

但如果你是独立开发者、一个人搞定设计和代码,Pencil MCP 这类更轻量的方案可能效率更高,不需要绕一圈 Figma。

选哪条线取决于你的团队结构,不是工具本身的好坏。


如果你也在用 AI 辅助设计或者 Claude Code 画原型,欢迎在评论区聊聊你的工作流,互相抄作业。

觉得有用的话,转发给你还在手动画原型的朋友,帮他们省点时间。

Read more

ofd.js终极指南:前端OFD文件解析与渲染完整解决方案

在数字化浪潮席卷各行各业的今天,OFD(Open Fixed-layout Document)作为中国自主可控的版式文档标准,正迅速成为电子发票、电子公文、电子档案等领域的首选格式。然而,传统OFD处理方案往往需要复杂后端支持,增加了系统复杂性和部署成本。🚀 【免费下载链接】ofd.js 项目地址: https://gitcode.com/gh_mirrors/of/ofd.js 痛点剖析:为什么传统方案不够好? 部署复杂:传统方案依赖服务器端渲染,增加了运维负担 响应延迟:网络传输导致文档预览体验不佳 兼容性差:不同浏览器和设备上的表现不一致 成本高昂:需要购买昂贵的商业软件或开发复杂的后端服务 💡 这正是ofd.js诞生的意义所在——提供一套纯前端的OFD文件解析与渲染方案,让开发者能够在浏览器中直接处理OFD文档,无需任何后端依赖。 解决方案:ofd.js如何改变游戏规则? 核心技术架构解密 ofd.js采用模块化设计,将复杂功能拆分为多个独立模块: 模块类别核心文件主要功能解析引擎ofd_parser.jsOFD文件结构解析与数据提取渲染引擎ofd_

网页抓取(Web Scraping)完整技术指南:从原理到实战

在数据驱动的时代,结构化信息已成为企业决策、AI 训练与市场分析的核心资源。网页抓取(Web Scraping) 作为从非结构化网页中提取结构化数据的关键技术,广泛应用于电商、金融、舆情监测、学术研究等领域。 本文将系统解析网页抓取的工作原理、工具链、反爬对抗策略与法律边界,并提供可落地的工程建议。 一、什么是网页抓取? 网页抓取是指通过程序自动访问网页,解析 HTML/JSON 内容,并将目标数据提取、转换为结构化格式(如 CSV、数据库记录)的过程。 与网络爬虫(Crawler)的区别:爬虫:广度优先遍历全站链接(如搜索引擎);抓取:深度聚焦特定页面的数据字段(如商品价格、评论)。 典型应用场景包括: * 电商比价(Amazon、Shopee 商品监控) * 招聘数据聚合(职位趋势分析) * 社交媒体舆情监测(公开评论情感分析) * 学术数据采集(论文元数据批量下载)

DeepSeek-R1-Distill-Qwen-1.5B从零部署:vLLM+Open-WebUI环境搭建教程

DeepSeek-R1-Distill-Qwen-1.5B从零部署:vLLM+Open-WebUI环境搭建教程 1. 为什么这款“小钢炮”值得你花30分钟装一遍 你有没有试过在一台只有4GB显存的旧笔记本上,跑一个数学推理能力接近80分(MATH数据集)、还能写Python函数、支持JSON输出、响应速度超过200 tokens/s的模型?不是幻想——DeepSeek-R1-Distill-Qwen-1.5B 就是这么个“反常识”的存在。 它不是参数堆出来的巨无霸,而是用80万条高质量R1推理链,对通义千问Qwen-1.5B做深度蒸馏后的成果。15亿参数,fp16整模仅3.0 GB;量化到GGUF-Q4后压缩至0.8 GB,连树莓派5或RK3588嵌入式板卡都能稳稳扛住。更关键的是:Apache 2.0协议,商用免费,不设门槛。 这不是“能跑就行”的玩具模型。它在MATH上拿80+、HumanEval超50、推理链保留率85%,日常写脚本、解方程、读文档、调API完全够用。

用 Vue 3 重构 Dify 聊天前端(上篇):项目搭建与基础架构

用 Vue 3 重构 Dify 聊天前端(上篇):项目搭建与基础架构

本系列教程将带你从零开始,用 Vue 3 + TypeScript 复刻一个类似 Dify 的 AI 聊天前端。上篇聚焦项目搭建、类型设计、路由认证、HTTP 封装和状态管理。 项目简介 背景 Dify 是一个开源的 LLM 应用开发平台,提供了对话式 AI 的后端服务。在实际项目中,我们往往需要自建前端来对接Dify后端 API或LLM后端服务,实现定制化的聊天界面。 本项目的目标:用 Vue 3 构建一个生产级的 AI 聊天前端,具备以下能力: * SSE 流式输出(打字机效果) * Markdown 渲染 + 代码高亮 * 用户认证 * 文件/图片上传 * 聊天会话历史管理 * 工作流执行可视化 * Agent 思考过程展示 * 移动端响应式适配