根据设计图生成前端代码，零基础入门到精通，收藏这篇就够了

优质文章学习记录

— 12 min read
根据设计图生成前端代码，零基础入门到精通，收藏这篇就够了

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。

2025开年，AI技术打得火热，正在改变前端人的职业命运：

阿里云核心业务全部接入Agent体系；

字节跳动30%前端岗位要求大模型开发能力；

腾讯、京东、百度开放招聘技术岗，80%与AI相关……

大模型正在重构技术开发范式，传统CRUD开发模式正在被AI原生应用取代！

最残忍的是，业务面临转型，领导要求用RAG优化知识库检索，你不会；带AI团队，微调大模型要准备多少数据，你不懂；想转型大模型应用开发工程师等相关岗，没项目实操经验……这不是技术焦虑，而是职业生存危机！

曾经React、Vue等热门的开发框架，已不再是就业的金钥匙。如果认为会调用API就是懂大模型、能进行二次开发，那就大错特错了。制造、医疗、金融等各行业都在加速AI应用落地，未来企业更看重能用AI大模型技术重构业务流的技术人。

如今技术圈降薪裁员频频爆发，传统岗位大批缩水，相反AI相关技术岗疯狂扩招，薪资逆势上涨150%，大厂老板们甚至开出70-100W年薪，挖掘AI大模型人才！

在这里插入图片描述

不出1年 “有AI项目开发经验”或将成为前端人投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

大模型目前在人工智能领域可以说正处于一种“炙手可热”的状态，吸引了很多人的关注和兴趣，也有很多新人小白想要学习入门大模型，那么，如何入门大模型呢？

下面给大家分享一份2025最新版的大模型学习路线，帮助新人小白更系统、更快速的学习大模型！

2025最新版ZEEKLOG大礼包：《AGI大模型学习资源包》免费分享**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。


因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2025最新版ZEEKLOG大礼包：《AGI大模型学习资源包》免费分享

Read more

论文写作神器！9款AI工具一键生成初稿，AIGC率低至7%轻松搞定

一、9款AI论文工具横向对比：选对工具效率提升10倍 作为论文写作新手，最头疼的莫过于“工具太多挑花眼”——到底哪款工具能生成初稿？哪款能降重？哪款适合文献检索？别慌，我整理了9款主流AI论文工具的核心参数对比表，帮你1分钟锁定适配需求的工具： 工具名称核心功能定位初稿生成能力AIGC率控制特色优势适用场景图灵论文AI写作助手一站式论文深度解决方案★★★★★（30分钟5万字）★★★★★（低至7%）文献综述/问卷数据/图表公式一键生成毕业论文、实证分析、导师意见修改SciSpace文献阅读+写作排版工具★★★☆☆★★☆☆☆AI术语解释、期刊格式自动适配外文文献阅读、期刊论文排版Kimi长文本处理+对话式写作辅助★★★★☆★☆☆☆☆超长上下文（支持百万字文档）文献总结、论文结构搭建知学空间免费论文资源库+写作参考★☆☆☆☆——海量毕业论文范文、学术资料写作思路拓展、结构参考豆包AI中文对话式写作辅助★★★☆☆★☆☆☆☆中文理解能力强、多模态交互选题 brainstorm、摘要生成ArXiv预印本文献库————前沿研究快速发布、免费开放理工科文献检索、最新研究跟踪ERIC教育领域专业
AIGC个性化与定制化内容生成：技术与应用的前沿探索

AIGC个性化与定制化内容生成：技术与应用的前沿探索

目录 引言 第一部分：个性化与定制化内容生成的技术原理 1.1 什么是个性化与定制化内容生成？ 1.2 生成式AI在个性化内容生成中的作用 1.3 数据驱动的个性化内容生成 第二部分：个性化与定制化内容生成的应用领域 2.1 新闻与媒体行业 2.2 电子商务与广告 2.3 教育行业 2.4 娱乐与创意产业 第三部分：AIGC个性化与定制化内容生成的技术实现 3.1 推荐系统与个性化推送算法 3.2 基于生成式模型的个性化内容生成 3.3 情感分析与定制化内容的情境化 结语 引言 随着人工智能技术的迅猛发展，生成式AI（AIGC，Artificial Intelligence Generated Content）逐渐成为各行各业的热门话题，特别是在内容创作和个性化推荐方面。个性化和定制化内容生成作为AIGC技术的重要应用场景之一，
一文熟悉新版llama.cpp使用并本地部署LLAMA

一文熟悉新版llama.cpp使用并本地部署LLAMA

0. 简介 关于UCloud(优刻得)旗下的compshare算力共享平台 UCloud(优刻得)是中国知名的中立云计算服务商，科创板上市，中国云计算第一股。 Compshare GPU算力平台隶属于UCloud，专注于提供高性价4090算力资源，配备独立IP，支持按时、按天、按月灵活计费，支持github、huggingface访问加速。 使用下方链接注册可获得20元算力金，免费体验10小时4090云算力 https://www.compshare.cn/?ytag=GPU_lovelyyoshino_LZEEKLOG_ZEEKLOG_display 最近是快到双十一了再给大家上点干货。去年我们写了一个大模型的系列，经过一年，大模型的发展已经日新月异。这一次我们来看一下使用llama.cpp这个项目，其主要解决的是推理过程中的性能问题。主要有两点优化： * llama.cpp 使用的是 C 语言写的机器学习张量库 ggml llama.cpp 提供了模型量化的工具 此项目的牛逼之处就是没有GPU也能跑LLaMA模型。llama.

Lostlife2.0下载官网整合LLama-Factory引擎，增强NPC对话逻辑

Lostlife2.0整合LLama-Factory引擎，重塑NPC对话逻辑 在文字冒险游戏的世界里，玩家最怕什么？不是任务太难，也不是剧情平淡——而是和一个“话术机械、反应呆板”的NPC对话时，那种瞬间出戏的割裂感。明明世界观设定是末世废土，结果NPC张口就是“绝绝子”“破防了”，这种语言风格的崩塌足以让沉浸感荡然无存。 《Lostlife2.0》作为一款以深度叙事和角色互动为核心卖点的文字冒险游戏，在开发过程中就直面了这一难题。早期版本中，NPC的对话依赖传统的决策树系统：每句台词都由编剧手动编写，每个分支都需要精确配置。这不仅导致内容维护成本极高，更带来了“选项爆炸”问题——新增一条剧情线，往往要额外添加数十个节点，最终形成一张难以管理的复杂网络。 真正的转机出现在团队引入 LLama-Factory 之后。这个开源的大模型微调框架，原本主要用于科研与企业级AI定制，但《Lostlife2.0》团队敏锐地意识到：它或许能成为解决NPC智能瓶颈的关键工具。通过将LLama-Factory深度集成到开发流程中，他们成功构建了一套动态、可进化、风格一致的对话生成系统，彻底改变了传