使用 Trae IDE 一键将 Figma 转为前端代码

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。

Read more

亲测VibeThinker-1.5B-WEBUI:AIME解题效果惊艳

亲测VibeThinker-1.5B-WEBUI:AIME解题效果惊艳 你有没有试过对着一道AIME真题盯了二十分钟,草稿纸写满三页却卡在关键一步?有没有在Codeforces比赛倒计时五分钟时,突然想不起那个最优的DP状态转移方程?我也有。直到上周,我在ZEEKLOG星图镜像广场点开VibeThinker-1.5B-WEBUI,输入第一道AIME24第12题——三分钟后,屏幕上跳出完整推导、清晰注释和最终答案。不是冷冰冰的数字,而是一段像人类教练一样边讲边算的解题过程。 这不是GPT-4或Claude的云端调用,而是跑在我本地RTX 3060上的一个仅1.5B参数的模型。它不聊天气,不写情书,就专注做一件事:把数学题拆开、嚼碎、再一步步拼回正确答案。今天这篇实测笔记,不讲参数量对比,不列训练成本曲线,只说它在真实解题场景里——到底有多好用。 1. 部署极简:三步启动,五秒加载 VibeThinker-1.5B-WEBUI的部署体验,彻底刷新了我对“小模型”的理解。它不像动辄要配8张A100的庞然大物,而更像一个即插即用的解题U盘。 1.1 一键式环境准备 镜像已预装全部

Qwen3-0.6B-FP8实战教程:构建跨平台AI助手——Web/Telegram/Discord多端统一后端

Qwen3-0.6B-FP8实战教程:构建跨平台AI助手——Web/Telegram/Discord多端统一后端 1. 开篇:为什么需要一个多端统一的AI助手? 想象一下这个场景:你正在电脑前写代码,突然想到一个问题,于是打开浏览器,访问一个AI对话页面提问。过了一会儿,你出门了,在手机上收到朋友的消息,想用同一个AI助手帮忙想个点子,却不得不切换到另一个App。晚上,你和团队在Discord上讨论项目,又想调用AI来辅助决策,结果发现还得重新部署一套服务。 是不是很麻烦?这就是我们今天要解决的问题。 Qwen3-0.6B-FP8是一个小巧但强大的语言模型,它能在资源有限的环境下流畅运行。但光有模型还不够,我们需要一个能同时服务Web页面、Telegram机器人和Discord机器人的统一后端。这样,无论你在哪里,用什么设备,都能无缝使用同一个AI助手。 这篇文章,我就带你一步步搭建这样一个系统。不需要高深的编程知识,跟着做就行。 2. 环境准备与模型部署 2.1 你需要准备什么 在开始之前,确保你有以下环境: * 一台Linux服务器:可以是云服务器,也可以是

阿里通义Z-Image-Turbo WebUI风格迁移实战:快速打造品牌视觉形象

阿里通义Z-Image-Turbo WebUI风格迁移实战:快速打造品牌视觉形象 对于初创公司而言,建立统一的品牌视觉形象是提升市场竞争力的关键,但传统设计流程往往需要投入大量时间和人力成本。阿里通义Z-Image-Turbo WebUI风格迁移技术提供了一种高效解决方案,通过AI技术快速生成符合品牌调性的图像,保持视觉一致性。这类任务通常需要GPU环境支持,目前ZEEKLOG算力平台提供了包含该镜像的预置环境,可快速部署验证。 什么是阿里通义Z-Image-Turbo WebUI风格迁移 阿里通义Z-Image-Turbo WebUI是基于阿里云通义实验室最新图像生成技术构建的Web用户界面,其核心能力是通过风格迁移技术将参考图片的视觉特征(如色彩搭配、纹理样式、构图比例等)快速应用到新生成的图片上。 主要解决三类问题: * 品牌视觉一致性:将企业LOGO、主色调、设计语言等特征批量应用到宣传物料 * 设计资源复用:基于少量样本图片快速生成同风格系列作品 * 创意效率提升:10分钟内产出原本需要专业设计师数小时完成的方案 提示:风格迁移不同于普通AI绘图,它能精确

Web Crawling 网络爬虫全景:技术体系、反爬对抗与全链路成本分析

Web Crawling 网络爬虫全景:技术体系、反爬对抗与全链路成本分析

核心结论:爬虫生态数万个工具的繁荣不是技术丰富的标志,而是持续对抗中高损耗率的副产品。爬虫问题的本质不是"能不能爬到",而是全链路成本函数——爬、存、ETL、维护——谁先扛不住。 一、爬虫技术体系全景 1.1 技术类别收敛图 工具数万,但底层技术类别高度收敛。整个爬虫技术栈可以压缩为以下几层: ┌──────────────────────────────────────────────────────┐ │ 应用层(目标适配) │ │ 针对特定网站的解析规则、登录流程、分页逻辑 │ ├──────────────────────────────────────────────────────┤ │ 解析层(数据提取) │ │ HTML解析、JSON提取、正则、XPath、CSS选择器 │ ├──────────────────────────────────────────────────────┤ │ 渲染层(页面执行) │ │ 静态请求(requests/httpx)vs 动态渲染(浏览器引擎) │ ├─────────────────────────────────