社区投稿 | 面向现代前端代码生成的多模态大模型解决方案

文章预览

在前端开发中，「 图生代码 」--即根据设计图生产可执行代码--是一个常见且关键的环节，然而，即使像 GPT-4o 这样的顶尖 SOTA 模型，也很难满足专业或特定框架的开发需求。 这些模型的局限在于端到端复刻设计图的过程中只能产出静态组件，这与现代前端开发的核心需求背道而驰。 如下图所示，GPT-4o 生成的代码就是还原度很高的效果展示，但在真实的开发场景中几乎无法直接使用。问题根源在于这类静态代码即无法支撑模块化架构，也难以支撑动态交互。每个组件都是「一次性产物」，任何细微的需求开发和迭代，可能都要开发者开发大量定制化代码，甚至是推倒重来。  核心问题：数据稀缺  大型视觉语言模型（LVLM）在生成专业前端代码上表现不尽人意的根本原因在于 数据稀缺。 现代前端开发流程非常复杂，比如像React这样的前端框架，强 ………………………………