在VSCode中通过Copilot链接Figma直接生成完整产品

在VSCode中通过Copilot链接Figma直接生成完整产品

为了快速开发的需要,开发的范式也开始进行快速迭代调整。可以变为使用Figma (特别是他的Make产品,可以提示指导AI直接生成完整的产品原型)生成原型,然后通过设置Figma的MCP, 在开发工具(本文是在VS Code中使用Copilot)链接Figma, 直接快速的生成Figma上的整套产品原型代码(对模型有要求,还是推荐Gemini-Flash, Claude Sonnet之上的模型),尽量一次到位。

详细步骤记录如下,减少大家踩坑。

1. 获取Figma的API Token

在Figma的左上角用户处点击设置(Settings),然后在安全Security下Personal Access Tokens下面生成token所用(注意根据自身要求设置权限,建议read都选上),注意token的最长有效期为90天。

2. 在VS Code Copilot中设置对应的MCP配置

首先确保MCP发现的功能是开着的,在VS Code中打开设置(Ctrl+,或者Cmd+,), 输入chat.mcp确认Discovery是Enabled.

在extentions中输入@mcp figma可以找到官方对于figma的访问支持

注意其中的Install是安装到VSCode的整体目录下, Install in Workspace是安装到当前项目下,可以根据您的情况选择,建议选择Install in Workspace

选择Install in Workspace之后可以在当前项目.vscode/mcp.json下看到具体的Figma配置(也可以忽略上述的步骤,自己直接新建mcp.json文件然后输入详细的配置)

// 默认生成的,当前不可用 "com.figma.mcp/mcp": { "type": "http", "url": "https://mcp.figma.com/mcp", "gallery": "https://api.mcp.github.com", "version": "1.0.3" }

注意这个是默认生成的配置,截止笔者发稿时,这个配置不可用,会报错。将协议和url改为sse依然不可用。需要改为如下的stdio的配置

//改为stdio格式,当前可用 "figma": { "command": "npx", "args": [ "-y", "figma-developer-mcp", "--stdio" ], env": { "FIGMA_API_KEY": "您的Figma API Token" }, "type": "stdio" },

配置之后就可以在工具中具体看到Figma了

3. 链接访问Figma的具体内容

在Figma中选择具体的组件内容, Copy Link

然后在Copilot的Chat对话框中就可以直接输入该链接使用

4. Figma Make项目的特别说明

笔者在使用Figma Make项目的时候,无法具体拷贝其中的组件link, 您可以通过Share下直接Copy整个link

Copilot会访问链接内容进行实现,但其实Make是直接写成的React代码您可以直接点击代码模式,然后将代码下载,最后解压缩代码包,直接拖拽到Copilot的对话框进行参考,效果更好!

愿文章可以帮大家提高工作的效率,祝安!

Read more

前沿技术融合:AR/VR与边缘计算测试的扩展策略

前沿技术融合:AR/VR与边缘计算测试的扩展策略

随着增强现实(AR)、虚拟现实(VR)和边缘计算的快速发展,软件测试从业者面临前所未有的挑战与机遇。AR/VR应用依赖高沉浸感和低延迟体验,而边缘计算通过分布式架构优化实时数据处理,两者融合可显著提升性能与可靠性。然而,这种融合引入了设备碎片化、网络波动和多感官交互等复杂问题,要求测试策略超越传统边界。本文将从功能、性能、用户体验和安全四个维度,系统阐述扩展测试框架的方法,并结合2026年行业趋势提出可落地的实施路径。 一、AR/VR测试的核心挑战与边缘计算赋能 AR/VR应用对测试提出独特要求: * 功能测试挑战:设备兼容性需覆盖多样硬件,如头显设备(Meta Quest、HoloLens)和移动端传感器,测试对象识别、手势追踪的准确性时,环境因素(如光照变化)易导致交互失效。边缘计算通过本地节点处理实时数据(如图像识别),减少云端依赖,将端到端延迟压缩至10ms以内,提升测试稳定性。 * 性能瓶颈:高帧率(90+ FPS)和低延迟是沉浸式体验的基础,但GPU/CPU负载、电池消耗和网络抖动(如5G边缘计算中的波动)

无人机数据集汇总无人机航拍各个方面检测分割数据集合集

本数据集集合了面向无人机视觉任务的大规模、多场景、多目标标注数据资源,涵盖了地理环境、智慧城市、基础设施巡检、农业生产、公共安全与灾害监测等多个关键领域。数据主要以两种主流格式提供:适用于目标检测的VOC/YOLO格式与适用于像素级语义分割的LabelMe格式,为算法开发与模型训练提供了高度结构化的标注支持。 在地理与农业监测方面,包含田地、道路、森林、水体等地理要素的分割数据集,以及作物病害、杂草识别、农田农机、牛羊牲畜等农业目标的检测数据,支持精准农业与生态研究。智慧城市与交通领域提供了丰富的城市街道场景数据,涵盖行人、车辆、交通标志、占道经营、消防通道、广告牌等目标的检测与分割,助力城市智能化管理。基础设施巡检是另一重点,覆盖电力线、光伏板、桥梁、铁路、风力发电机等设备的缺陷与异常检测,以及工地车辆、施工人员、物料垃圾的识别,满足工业自动化巡检需求。在灾害与安全监控中,包含滑坡、洪水、火灾烟雾、河道垃圾、违规建筑等应急场景的检测与分割数据,同时提供了溺水人员、海上救援、军事目标等特殊任务的专项数据集。此外,

【论文阅读】Clean-Label Backdoor Attacks

【论文阅读】Clean-Label Backdoor Attacks

文章目录 * 一、概述 * 1.1 脏标签后门攻击 * 1.2 净标签后门攻击 * 二、先前方法在数据过滤下的可检测性 * 三、朝向“净标签”后门攻击 * 3.1 使用 GAN 的潜在空间插值 * 3.2 基于 ℓ p \ell_p ℓp 范数约束的对抗扰动 * 3.3 方法有效性 * 3.3.1 扰动幅度与效果的权衡 * 3.3.2 在各种投毒比例与类别上的表现 * 3.4 理解 GAN 插值与对抗扰动性能差异 * 3.5 提高攻击的不显眼性 * 3.6

《星辰 RPA 全自动:做一个小红书自动发文机器人》

《星辰 RPA 全自动:做一个小红书自动发文机器人》

前引:在企业数智化转型的浪潮中,如何突破 “有 AI 无落地、有流程无智能” 的困局?星辰 Agent 与星辰 RPA 的出现,正是为了解决这一痛点。作为科大讯飞旗下的双核心产品,星辰 Agent 以企业级 Agentic Workflow 开发平台为底座,提供 AI 工作流编排、模型管理与跨系统连接能力;而星辰 RPA 则以超过 300 个自动化原子能力,让业务流程真正 “动” 起来! 目录 一、企业机器人自动化平台:RPA (1)RPA介绍 (2)服务端安装 (1)clone项目 (2)配置为本地访问 (3)检查镜像源 (4)配置default.conf