1.现在trae版本在3.0及以上版本。
2.trae账号是企业版。
3.打开设置，找到mcp
这里需要token，需要从figma账号里生成,网页登录figma账号，找到设置，打开后找到security,然后点击generate new token，token名称随便取，权限都钩上。然后生成一个token,把token放到mcp中即可。
4.使用mcp,切换到mcp模式，你也可以自己创建智能体使用
5.提问使用，可参考下面的提示词使用
注意：这里面的figma链接是mcp的链接，不是figma链接，一般需要你有原型的权限才能看到
我需要根据提供的Figma链接生成一个与设计稿高度一致的网页。请严格遵循以下详细要求：
📖 前言 随着 NVIDIA Blackwell 架构的问世，DGX Spark (Personal AI Supercomputer) 将桌面级 AI 算力推向了新的巅峰。这台怪兽级设备搭载了 GB200/GB10 级别的 GPU 和 NVIDIA Grace CPU (ARM64)，并运行在最新的 CUDA 13 环境下。 然而，“最强硬件"往往伴随着"最难环境”。由于 Grace CPU 采用 ARM (aarch64) 架构，且 CUDA 13 过于前沿，传统的 PyTorch 安装方法极易失败。 本文将手把手教你如何在这台超级计算机上部署 Stable Diffusion
一：从输入 URL 到页面渲染是一个经典的综合性考题 1.URL 的标准组成部分 一个完整的 URL 结构如下： scheme://host:port/path?query#fragment URI 用字符串标识某一互联网资源,而URL 表示资源的地点(互 联网上所处的位置)。可见URL是URI 的子集。 URI 和 URL 的区别？ * URI (Uniform Resource Identifier) 是统一资源标识符，是一个大概念。 * URL (Uniform Resource Locator) 是统一资源定位符，它不仅标识资源，还提供了找到资源的方式（比如协议）。可以理解为 URL 是 URI 的子集。 为什么 URL 中有些字符会被转义（
Janus-Pro-7B快速上手：上传图片问答+文本生成5图的零基础教程 本文是专为AI新手设计的Janus-Pro-7B零基础教程，无需任何技术背景，10分钟就能学会上传图片问答和文本生成5张图片的完整操作。 1. 什么是Janus-Pro-7B？ Janus-Pro-7B是一个强大的多模态AI模型，简单来说就是能同时理解图片和生成图片的智能工具。它有两个核心功能： * 看懂图片并回答问题：上传一张图片，它能描述图片内容、识别文字、回答关于图片的问题 * 文字生成图片：输入一段文字描述，它能一次性生成5张不同的图片 这个模型有74亿参数，需要16GB以上的显卡内存才能流畅运行。不过不用担心，我们只需要关注怎么使用它，技术细节交给系统处理。 2. 环境准备与快速启动 2.1 三种启动方式 Janus-Pro-7B已经预装好了，我们只需要启动它。有三种方法，推荐第一种： 方法一：使用启动脚本（最简单） cd /root/Janus-Pro-7B ./start.sh 方法二：直接启动 /opt/miniconda3/envs/py310/bin/pyth
Flowise创新应用：结合Web Scraping的数据采集流程 1. 引言：当可视化工作流遇见数据采集 想象一下这样的场景：你需要从几十个网站上收集最新的行业数据，传统方法要么需要写复杂的爬虫代码，要么要手动复制粘贴，费时费力还容易出错。现在，有了Flowise这个可视化工具，只需要拖拽几个节点，就能搭建出智能的数据采集工作流。 Flowise是一个开源的拖拽式大语言模型工作流平台，它把复杂的技术细节封装成简单的可视化节点，让你像搭积木一样构建AI应用。特别适合不会编程但需要快速实现数据采集和分析的团队。 本文将带你了解如何用Flowise结合网页抓取功能，构建高效的数据采集流程，无需编写代码就能实现智能化的信息提取和处理。 2. Flowise核心功能快速了解 2.1 什么是Flowise？ Flowise是一个在2023年开源的视觉化LLM工作流构建平台，目前已经在GitHub上获得了超过4.5万个星标。它的核心价值在于让非技术人员也能快速搭建AI应用。 简单来说，Flowise把LangChain的各种功能封装成了可视化节点，你只需要在画布上拖拽这些节点，