【GitHub Copilot】Figma MCP还原设计稿生成前端代码

【GitHub Copilot】Figma MCP还原设计稿生成前端代码

这里写自定义目录标题

Cursor+Figma MCP的教程已经很多了,由于我所在的公司采购的是GitHub Copilot,我研究了一下直接在vscode里利用GitHub Copilot接入Figma MCP进行设计稿还原代码,大获成功,这里分享我的步骤,希望能帮到你。

Step1:让AI给你配置MCP

在vscode中打开你的项目(我的例子是一个微信小程序),呼出github copilot对话框,模式选择Agent,模型建议Claude 3.7 Sonnet,提问:

https://github.com/GLips/Figma-Context-MCP 如何配置能让你在vscode里使用这个mcp

之后跟着提示狂点下一步即可完成配置,如果有什么需要装的vscode插件它会自动帮你装,甚至自动生成了配置说明文档。

在这里插入图片描述


由于不能保证AI每次生成的答案都一致,这里附上我的运行结果作为参考,可以看到它在项目文件夹最外层建了一个.vscode文件夹,在settings.json文件里加上了配置。如果你的项目本来就有这个settings.json文件它应该会加在文件最后面。

{"mcpServers":{"Framelink Figma MCP":{"command":"cmd","args":["/c","npx","-y","figma-developer-mcp","--figma-api-key=这里稍后替换成你自己的密钥","--stdio"]}}}

Step2:替换成自己的Figma密钥

打开Figma的网页点击左上角自己的头像 -> settings -> Security -> Generate new token
设置路径可能会有变化,自己到处点点找到Generate new token就对了
找到点击之后会出现下面这个弹窗,随便起个名字比如mcp,然后把下面的权限列表一个个打开选择读或写,要不然默认是全部No access的。
注意默认是30天过期,30天后需要建一个新的才能继续用。

在这里插入图片描述


都选完之后点右下角的generate token之后会生成一个密钥,这是你唯一一次复制它的机会,没复制好就关掉窗口了就只能重新建了。把这个密钥复制到settings.json文件中–figma-api-key=后面。

Step3:如何使用

我以这个官方电商UI模板里的商品卡片为例,在Figma设计图上选中你要的部分图层,右键后点击Copy link to selection

在这里插入图片描述

之后就可以把链接贴到对话框了,先来测试一下配置是否成功了,确保模式是Agent,提问:

https://www.figma.com/design/GJZhGih0VsGbpevJGkJQ9Z/E-commerce-UI—Figma-Ecommerce-UI-Kit–Demo-Version—Community-?node-id=2804-7985&m=dev 现在你能读到这个设计图了吗
在这里插入图片描述


出现这样的弹窗说明Agent在尝试链接MCP server了,点继续(也可以点击右边的箭头在当前会话中允许操作就不用每次都手动点了),过一会儿可以看到它的描述,说明设计图被读到了,我们的配置生效了。

在这里插入图片描述


现在可以让它写代码了

请根据这个设计图在我的微信小程序里生成商品卡片组件的代码,注意微信小程序中2rpx=1px,要完全还原设计图的UI,再建一个测试页面展示这个组件的调用效果,可以参考微信小程序官方文档https://developers.weixin.qq.com/miniprogram/dev/api/
在这里插入图片描述


继续等AI操作,等它操作完之后到开发者工具里运行,可以看到还原度已经非常高了。

在这里插入图片描述

对比设计图,指出哪里还原度不够,让它进一步优化,客客气气的。

看上去有一些UI细节不够还原,比如卡片的内边距,还有按钮的布局,请你再仔细检查一下。
商品图片上的三个icon按钮应该是水平居中的,learn more按钮应该是水平居左的。另外你能不能直接下载设计图里的icon为svg来使用,这样更还原。

如上描述改了两个版本之后,我们得到了下图版本,我把设计图放在左边,可以看到还原度非常惊人了。

在这里插入图片描述

最后,来人工review一下生成组件代码,可以看到模板层dom设计非常合理,没有多余的嵌套,注释清晰,比我的同事靠谱多了

<viewclass="product-card"><!-- 图片区域 --><viewclass="fixed-height"><viewclass="product-cover"style="background-image:url('{{product.coverImage}}');"></view><!-- 产品操作按钮 --><viewclass="product-actions"><viewclass="action-button like"><viewclass="icon"><imageclass="icon-image"src="/images/icons/like-icon.svg"></image></view></view><viewclass="action-button basket"><viewclass="icon"><imageclass="icon-image"src="/images/icons/basket-icon.svg"></image></view></view><viewclass="action-button share"><viewclass="icon"><imageclass="icon-image"src="/images/icons/share-icon.svg"></image></view></view></view><!-- 标签 --><viewclass="tag"wx:if="{{product.tag}}"><text>{{product.tag}}</text></view></view><!-- 产品信息区域 --><viewclass="product-info"><!-- 类别和评分 --><viewclass="row category-rating"><viewclass="category-container"><textclass="category">{{product.category}}</text></view><viewclass="rating-container"><imageclass="star-icon"src="/images/icons/star-icon.svg"></image><textclass="rating">{{product.rating}}</text></view></view><!-- 产品标题 --><textclass="product-title">{{product.title}}</text><!-- 产品描述 --><textclass="product-description">{{product.description}}</text><!-- 销售信息 --><viewclass="sales"><viewclass="icon"><imageclass="sales-icon"src="/images/icons/sales-icon.svg"></image></view><textclass="sales-text">{{product.sales}} Sales</text></view><!-- 价格信息 --><viewclass="prices"><textclass="original-price"wx:if="{{product.originalPrice}}">¥{{product.originalPrice}}</text><textclass="current-price">¥{{product.price}}</text></view><!-- 颜色选项 --><viewclass="product-colors"><viewclass="color-dot"wx:for="{{product.colors}}"wx:key="index"style="background-color:{{item}};"></view></view><!-- 产品特性 --><viewclass="product-features"><viewclass="feature"><viewclass="icon"><imageclass="feature-icon"src="/images/icons/calendar-icon.svg"></image></view><textclass="feature-text">{{product.duration}}</text></view><viewclass="feature"><viewclass="icon"><imageclass="feature-icon"src="/images/icons/lessons-icon.svg"></image></view><textclass="feature-text">{{product.lessons}} Lessons</text></view><viewclass="feature"><viewclass="icon"><imageclass="feature-icon"src="/images/icons/progress-icon.svg"></image></view><textclass="feature-text">Progress</text></view></view><!-- 了解更多按钮 --><buttonclass="learn-more-button"hover-class="button-hover"><text>Learn More</text><imageclass="arrow-icon"src="/images/icons/arrow-right-icon.svg"></image></button></view></view>

调用组件的示例页面给的例子也一目了然

<viewclass="container"><viewclass="title">商品卡片组件展示</view><viewclass="card-container"><product-cardproduct="{{productData}}"></product-card></view></view>

Read more

全网最牛批的前端面试八股文(最全)堪称2025最强!

全网最牛批的前端面试八股文(最全)堪称2025最强!

嗨害嗨 铁铁们 来了奥,秘制前端小面试它不就来了么,铁铁们是不是经常遇到这情况?技术栈整得明明白白,项目经验写得密密麻麻,一到面试官面前直接大脑宕机!面试官问你问题,你说:我不到啊。这好使吗,不好使,那感觉就像老八端着秘制小汉堡站在撤硕门口——进退两难啊! 所以很多前端铁子们技术不错,但面试时总差一口气。其实原因很简单——面试就像考试,不划重点真的会丢分!(每次准备面试跟高考一样) 我花了一周时间,把今年的八股都整全乎了,这你要是都会了,出去面试那不就是小卡拉米啊,直接给面试官惊鸿一瞥,必须把面试官头发给他拽掉,必须打他脸:往下看! 前端面试题及八股文完整版: https://github.com/encode-studio-fe/natural_traffic/wiki/scan_material9 💡 核心知识板块(按优先级排序) 1. JavaScript 灵魂拷问 * 作用域链:变量查找的“寻宝游戏” * 闭包:函数的小金库,私房钱存放处

By Ne0inhk

Android WebRTC 播放流实战:从协议解析到性能优化

快速体验 在开始今天关于 Android WebRTC 播放流实战:从协议解析到性能优化 的探讨之前,我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来,但作为开发者,如何将大模型(LLM)真正落地为一个低延迟、可交互的实时系统,而不仅仅是调个 API? 这里有一个非常硬核的动手实验:基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。 从0到1构建生产级别应用,脱离Demo,点击打开 从0打造个人豆包实时通话AI动手实验 Android WebRTC 播放流实战:从协议解析到性能优化 在移动直播、在线教育、视频会议等场景中,WebRTC技术凭借其低延迟、点对点通信的特性成为首选方案。但在Android平台上实现稳定流畅的播放流,

By Ne0inhk

Qwen3-VL-WEBUI部署避坑:常见启动失败原因及解决方案

Qwen3-VL-WEBUI部署避坑:常见启动失败原因及解决方案 1. 背景与场景介绍 1.1 Qwen3-VL-WEBUI 是什么? Qwen3-VL-WEBUI 是基于阿里云开源的 Qwen3-VL-4B-Instruct 模型构建的一站式可视化推理界面,专为多模态任务设计。它允许用户通过图形化操作完成图像理解、视频分析、GUI代理控制、OCR识别、代码生成等复杂任务,极大降低了大模型在视觉语言场景下的使用门槛。 该WEBUI通常以内置镜像形式提供,支持一键部署于本地或云端GPU服务器(如NVIDIA RTX 4090D),适用于开发者、研究人员和企业级应用团队快速验证多模态能力。 1.2 部署痛点为何频发? 尽管官方提供了“一键部署+自动启动”的理想流程(如“部署镜像 → 等待启动 → 点击访问”),但在实际落地过程中,大量用户反馈出现服务无法启动、端口绑定失败、依赖缺失、显存溢出等问题。这些问题往往源于环境配置不当、资源不足或镜像版本缺陷。 本文将系统梳理 Qwen3-VL-WEBUI 常见启动失败场景,结合真实工程经验,提供可落地的排查路径与解决方案,帮助你绕

By Ne0inhk

2026年多模态AI落地趋势:Qwen3-VL-WEBUI+弹性GPU部署详解

2026年多模态AI落地趋势:Qwen3-VL-WEBUI+弹性GPU部署详解 1. 引言:多模态AI进入规模化落地关键期 随着大模型技术从纯文本向视觉-语言一体化演进,2026年将成为多模态AI真正“走出实验室、走进产线”的关键一年。在这一进程中,阿里云推出的 Qwen3-VL 系列模型凭借其强大的视觉理解与生成能力,正成为工业界和开发者社区关注的焦点。 而为了让这一先进模型更易用、更贴近实际场景,社区迅速孵化出 Qwen3-VL-WEBUI —— 一个集成了模型推理、交互式界面与轻量化部署能力的开源项目。结合弹性GPU资源调度机制,开发者可实现“一键部署 + 按需扩容”的高效落地模式。 本文将深入解析: - Qwen3-VL-WEBUI 的核心架构与功能亮点 - 阿里开源版本的技术特性(内置 Qwen3-VL-4B-Instruct) - 如何通过弹性GPU实现低成本、高可用的生产级部署 - 实际应用场景中的性能表现与优化建议 帮助你在新一轮多模态浪潮中抢占先机。 2. Qwen3-VL-WEBUI 核心能力深度解析 2.1 什么是 Qwen3-VL-WEBUI?

By Ne0inhk