颠覆原型设计!Figma Make 实测:AI 真的能帮你写完前端吗?

颠覆原型设计!Figma Make 实测:AI 真的能帮你写完前端吗?

一、什么是 Figma Make?

Figma Make 是 Figma 于 2025 年在 Config 大会上推出的 AI 驱动的 “Prompt‑to‑App” 工具,可将自然语言描述或现有 Figma 设计稿转换为可交互原型、网页或 Web App,而且支持通过聊天式界面进行迭代修改 (Figma, Figma学习中心)。
它基于 Anthropic 的 Claude 3.7 模型,能结合设计稿元数据生成代码,并允许逐元素编辑样式与交互逻辑 。


二、主要功能与用法亮点

  • 对话式 AI 聊天界面:你可以直接“对话”让 AI 根据提示生成 UI,附加已有 Figma 设计稿以控制视觉风格 (Figma学习中心, Figma)。
  • 导入设计稿生成代码:支持将 Figma 框架粘贴进聊天窗口,AI 基于这些设计自动生成对应的 React/Vue/Flutter 或标准前端代码 (Figma学习中心)。
  • 元素级迭代控制:点击画布中的元素,即可针对该元素提出修改如字体、颜色、交互动效等提示进行调整 (rogerwong.me)。
  • 互动原型与代码预览:AI 生成预览界面可测试 hover、弹窗等交互效果,同时可查看后端可用代码 (nocode.mba, rogerwong.me)。
  • 发布功能(仅全座席订阅用户):部分订阅用户能够将原型发布成 URL 访问的 Web App (The Verge)。
  • AI 积分系统:开放给所有用户试用,但完整功能与无限使用权仅限 Full‑Seat 用户;其他用户有 AI 积分限制 (The Verge)。

三、优点分析

  • 高效原型生成:极大节省了传统提案与原型制作时间,尤其适合快速验证想法。
  • 设计稿还原较高:在结构清晰的设计系统下,生成结果与原始设计对齐度较高,甚至能捕捉 hover 状态等互动逻辑 。
  • 团队协作便捷:设计师与开发者可在同一对话/文件中共同编辑和查看生成结果,实现边设计边编码的协作流程。
  • 未来愿景明确:Figma 致力于将 Make 打造成设计与开发打通的枢纽工具,未来还可能整合可访问性检查、分析反馈、设计系统同步等能力。

四、局限与挑战

  • 不稳定的视觉质量:对于未使用 auto-layout 的“快速草图”设计稿,生成效果可能混乱,字体样式、布局常常不准确 (forum.figma.com)。
  • 决策逻辑偏差:AI 有时会替换设计元素(如将 radio 改为 select),甚至未询问便擅自决定,需更多交互与确认机制 (LogRocket Blog)。
  • 复杂交互与业务逻辑局限:当前还不能生成支付流程或复杂状态管理等业务逻辑,需要人工干预完善代码。
  • 生成代码需优化:自动生成的代码偶有冗余样式、性能问题和可访问性短板,需额外优化处理 。

五、适用人群与场景推荐

场景适合人群说明
快速原型 & 概念验证UI/UX 设计师,产品经理快速把草图或想法转为可交互原型
简单交互页面生成设计者/非技术人员比如登录页、展示页、促销页等
团队协作与设计系统校验跨职能设计+开发团队可提升设计一致性并减少交接误差
AI-assisted 可访问性/QA 自动化未来潜在场景当前仍在预研,实现机制尚未完善

六、发展前景 & 建议

  • 模型与流程优化需加强:增强对复杂 UI 结构和状态逻辑的理解,加入“选择确认”机制以避免 AI 擅自改动设计意图。
  • 开放插件与集成能力:未来可与代码仓库、设计系统管理工具、分析平台深度联动,实现一边设计一边上线的闭环流程。
  • 提升可访问性与质量检测能力:若能集成自动 W.C.A.G 检测与性能优化建议,将大大增强生产可用性。
  • 增强代码输出质量:生成更加简洁、可维护、模块化的前端代码,甚至支持企业风格定义与定制输出。

总结

Figma Make 是一次具有开创性的尝试,它承载了 Figma 将设计、原型与代码三者融合的野心,从“设计驱动开发”出发,探索未来协作的新模式。尽管目前仍处于初期阶段,存在设计解析不准确、逻辑处理欠缺、代码需人工优化等局限,但它已经展现出极大的潜力和愿景。

如果你需要快速验证产品概念、加快设计迭代,或探索 AI 协助开发的可能性,Figma Make 都值得一试。建议在使用时搭配严格的设计系统、设计审核与代码评审,并密切关注未来 Figma 的模型升级与功能拓展。


参考文献

Read more

SAP调用Web Service全流程详解

在企业应用集成中,SAP系统经常需要与外部系统通过Web Service进行数据交互。本文将基于一份实际操作文档,详细讲解如何在SAP中调用外部Web Service,涵盖从代理类创建、逻辑端口配置到代码调用的完整流程。 一、概述 SAP调用外部Web Service通常分为三个核心步骤: 1. 创建代理类 – 通过SE80事务码,基于WSDL生成SAP端的代理类 2. 配置逻辑端口 – 使用LPCONFIG为代理类配置连接信息 3. 编写调用代码 – 在ABAP程序中实例化代理类并调用方法 下面我们逐步展开说明。 二、SE80创建代理类 代理类(Proxy Class)是SAP内部对外部Web Service的本地映射,它封装了SOAP通信细节,使ABAP程序可以像调用本地类一样调用远程服务。 操作步骤: 1. 进入SE80,选择“企业服务” → “服务创建” → “服务生成” 2. 输入WSDL地址,系统将解析服务定义 3. 选择需要生成的服务和操作 4. 指定包和传输请求,生成代理类及相关结构 生成后的代理类包含: * 一个主代理类(

使用Docker安装Ollama及Open-WebUI完整教程

作者:吴业亮 博客:wuyeliang.blog.ZEEKLOG.net 一、Ollama 简介及工作原理 1. Ollama 简介及原理 * 简介:Ollama 是一款轻量级、开源的大语言模型(LLM)运行工具,旨在简化本地部署和运行大语言模型的流程。它支持 Llama 3、Mistral、Gemini 等主流开源模型,用户无需复杂配置即可在本地设备(CPU 或 GPU)上快速启动模型,适用于开发测试、本地智能应用搭建等场景。 * 工作原理: * 采用模型封装机制,将大语言模型的运行环境、依赖库及推理逻辑打包为标准化格式,实现模型的一键下载、启动和版本管理。 * 通过优化的推理引擎适配硬件架构,支持 CPU 基础运行和 GPU 加速(如 NVIDIA CUDA),减少资源占用并提升响应速度。 * 提供简洁的

黑马程序员java web学习笔记--后端进阶(二)SpringBoot原理

目录 1 配置优先级 2 Bean的管理 2.1 Bean的作用域 2.2 第三方Bean 3 SpringBoot原理 3.1 起步依赖 3.2 自动配置 3.2.1 实现方案 3.2.2 原理分析 3.2.3 自定义starter 1 配置优先级 SpringBoot项目当中支持的三类配置文件: * application.properties * application.yml ❤ * application.yaml 配置文件优先级排名(从高到低):properties配置文件 > yml配置文件 > yaml配置文件 虽然springboot支持多种格式配置文件,但是在项目开发时,推荐统一使用一种格式的配置。

基于腾讯云MCP广场的AI自动化实践:爬取小红书热门话题

基于腾讯云MCP广场的AI自动化实践:爬取小红书热门话题

基于腾讯云MCP广场的AI自动化实践:爬取小红书热门话题 我正在参加Trae「超级体验官」创意实践征文,本文所使用的 Trae 免费下载链接:www.trae.com.cn/?utm_source… 🔎 背景 在人工智能快速发展的时代,AI技术不仅重塑了传统行业,也极大提高了开发者的工作效率。腾讯云推出的 MCP(Model Context Protocol),作为一种创新的技术协议,能够帮助开发者将云能力、AI模型与自动化流程高效整合,让开发者可以将更多精力集中在业务逻辑和创新上,而不再是重复性工作。 最近,腾讯云推出了**MCP广场,一个帮助开发者轻松创建与管理自动化应用的平台。在探索过程中,我发现了一个非常有趣的工具——超浏览器AI自动化**,它能让开发者通过浏览器模拟技术实现自动化操作。我曾经看到过一个小红书爬取的代码,但由于种种原因没有成功运行。于是,我决定尝试利用超浏览器AI自动化功能,结合腾讯云MCP的能力,进行小红书热门话题的自动化爬取与分析,最终成功实现了这一目标。 📉效果展示 通过本次实践,成功构建了一个自动化流程,它能够: 1. 将提取到的