用Codex开发Figma插件:设计师零代码入门指南

作为设计师,你是否曾想过为Figma开发一个专属插件来解决日常工作中的重复操作?借助OpenAI的Codex,这件事变得前所未有的简单。B站UP主「新像素」的草帽老师通过一个实际案例——批量添加AutoLayout插件,完整演示了从项目创建到插件上架的全流程。本文将系统梳理这套工作流中的关键要点和实用技巧。
理解Codex的项目管理逻辑
与ChatGPT的纯对话模式不同,Codex采用项目(文件夹)+ 对话框的组织方式。每个项目对应一个本地文件夹,项目内可以创建多个对话窗口。这意味着你需要先规划好文件结构。
OpenAI Codex 是 OpenAI 在 2025 年推出的云端软件工程代理,它与 ChatGPT 最大的区别在于:ChatGPT 是一个通用对话助手,而 Codex 专门面向代码开发场景,内置了文件系统感知、终端命令执行和代码版本管理等能力。它运行在一个沙盒化的云环境中,能够直接读写本地项目文件夹中的代码文件,并在隔离环境中执行命令。这种"项目+对话"的组织方式本质上模拟了专业开发者使用 IDE(集成开发环境)的工作习惯——每个项目有独立的工作区,对话窗口则相当于与一位 AI 结对编程伙伴的沟通频道。
草帽老师推荐的做法是:在桌面创建一个总的代码文件夹,按需求分类建立子文件夹(如Figma插件、脚本工具等),然后将文件夹拖入Codex左侧面板即可关联项目。需要注意的是,右侧聊天窗口会显示当前关联的项目,务必确认选择正确,否则代码会写到错误的位置。
一个实用的个人习惯是:创建一个名为「CodeDraft」的文件夹,专门存放各种临时的、不相关的小需求,类似于Figma中的「个人草稿」概念。虽然Codex也支持「不使用项目」的临时对话模式,但独立文件夹更便于管理和查找。

额度管理与权限设置
额度机制
Codex的额度机制比较特殊:没有明确的月额度,而是按周分配,再拆分为每5小时一个使用窗口。每5小时的消耗从周额度中扣除,用完需等待下一个5小时窗口刷新。即便有这个限制,高频使用者通常两三天就能耗尽一周额度。

说个细节,近期低价区(如土耳其区)已从80涨至约110,涨幅约30元。对于使用频率较高的用户来说,额度确实捉襟见肘。
权限设置的三个档位
权限设置是Codex使用中非常关键的一环,共有三个级别:
- 受限模式(默认):每执行一个命令都会请求确认,安全但极其繁琐
- 中等模式:仅在涉及风险操作时请求确认,日常使用较为流畅
- 完全访问权限:不会请求任何确认,效率最高但风险也最大
完全访问权限意味着Codex可以操控电脑上的任何文件,理论上它能删除系统文件。这里的风险本质上与授予任何程序管理员权限类似——当 AI 代理拥有不受限的文件系统和终端访问权限时,一条措辞模糊的指令可能被解读为破坏性操作。草帽老师的建议是:如果选择完全访问,描述需求时一定要精确,避免模糊表述导致误操作。
从需求梳理到计划模式
先想清楚再动手
以批量添加AutoLayout插件为例,在与Codex对话之前,你需要自己走一遍使用场景:
- 选中多个元素后添加AutoLayout,默认间距是多少?
- 是否需要输入框让用户自定义间距?
- 宽高属性默认用Hug还是Fill?
- 如果选中的元素已经有AutoLayout框,是跳过还是再包一层?
这里有必要解释一下 AutoLayout 的核心概念。AutoLayout 是 Figma 中最核心的布局功能之一,它借鉴了前端开发中 CSS Flexbox 的理念。启用 AutoLayout 后,容器内的子元素会按照设定的方向(水平或垂直)自动排列,并可以统一控制间距(spacing)、内边距(padding)、对齐方式等属性。其中 Hug 表示容器尺寸由内容撑开,类似于 CSS 中的 fit-content;Fill 则表示子元素填满父容器的可用空间,类似于 flex-grow。对于设计师而言,批量为多个元素添加 AutoLayout 是一个高频但重复的操作,尤其在构建设计系统或整理大量组件时,手动逐个添加非常耗时——这正是开发这个插件的动机所在。
哪怕只是用纸笔画个草稿,也能帮你理清插件界面的基本结构。

善用语音输入工具
草帽老师强烈推荐使用Typeless进行语音转文字输入。原因很实际:与AI对话时上下文越详细越好,但打字太累。Typeless的优势在于中英文混合识别非常准确,还能自动整理语句逻辑,免费版每周有8000字额度,日常使用完全够用。
计划模式的正确用法
Codex的**计划模式(Plan Mode)**是一个非常重要的功能。开启后,Codex不会直接写代码,而是先分析需求、拆分步骤、确认技术方案,通过一系列问答来完善执行计划。
计划模式体现了当前 AI 编程领域的一个重要范式——"先推理后执行"。这与软件工程中的"先设计后编码"原则一脉相承。在计划模式下,Codex 会调用推理能力更强的大模型(如 o3 级别)来进行需求分析和架构设计,生成一份结构化的执行计划。这个过程类似于资深开发者在写代码前先画架构图、写技术方案。切换到编码阶段后使用较轻量的模型,是因为代码生成本身对推理深度的要求相对较低,更多是模式匹配和语法填充,这样可以在保证质量的同时显著降低 token 消耗。
关键技巧:计划阶段使用「超高」模型以获得更强的思考能力,正式编码阶段可以切换到「中等」或「高」模型以节省额度。执行代码前,记得关闭计划模式的勾选,否则它会继续停留在规划阶段。
此外,主动提供参考资料能显著提升输出质量。比如将Figma插件开发文档的链接直接粘贴给Codex,让它在编码时有据可依。
实战:两分半完成Figma插件开发
计划确认无误后点击执行,Codex会自动创建项目结构、编写代码文件。整个过程大约两分半钟即可完成。它会自动识别Figma本地插件需要的manifest.json等配置文件,并调用AutoLayout相关的API。
关于 Figma 插件的技术架构,有必要做一些补充说明。Figma 插件基于 Web 技术栈开发,主要使用 TypeScript 或 JavaScript 编写。每个插件项目至少包含一个 manifest.json 配置文件(声明插件名称、入口文件、权限等元信息)和一个主逻辑文件。如果插件需要用户界面(UI),还会包含一个 HTML 文件。Figma 的插件架构采用双线程模型:主线程(sandbox)可以访问 Figma 的文档 API 来读写设计数据,UI 线程则运行在一个 iframe 中负责界面渲染,两者通过 postMessage 进行通信。这种架构设计保证了插件不会直接影响 Figma 编辑器的性能和安全性。理解这些背景知识,有助于你在与 Codex 对话时更精确地描述需求,比如明确指出"在主线程中遍历选中节点并设置 AutoLayout 属性"。
插件导入Figma的步骤也很简单:右键画布 → 插件 → 开发 → 导入本地插件 → 选择项目文件夹中的manifest.json文件。

实测效果:批量选中多个元素后运行插件,每个元素都被独立包裹了AutoLayout框,宽高默认为Hug,间距默认为8,基本功能完全符合预期。不过也出现了小问题——原本要求padding只显示两个输入框(左右、上下),实际生成了四个,需要后续迭代修正。这类细节偏差在 AI 编码中非常常见,通常只需在后续对话中明确指出问题,Codex 就能快速修复。
进阶技巧与长期维护
对话管理
单次对话过长会导致AI「失忆」且消耗更多token。这是因为大语言模型有上下文窗口(context window)的限制——当对话内容超过模型能处理的最大 token 数时,早期的对话内容会被截断,导致 AI 丢失之前讨论过的需求细节和技术决策。建议在需要开启新对话时,右键复制上一个对话的ID,在新窗口中粘贴并说明「根据该聊天窗口的上下文继续」,即可实现对话接力。
Git版本备份
养成让Codex为项目添加Git版本控制的习惯。Git 是目前全球最主流的分布式版本控制系统,它的核心价值在于记录文件的每一次变更历史,允许开发者随时回退到任意历史版本。对于非程序员来说,可以将 Git 理解为一个"无限撤销"系统——每次提交(commit)就像给项目拍一张快照,任何时候都可以回到之前的任意快照状态。在 AI 辅助编码的场景下,Git 尤为重要,因为 AI 生成的代码可能存在不可预期的问题,有了版本记录就能安全地进行试错。
每次重大修改前说一句「做一个备份,然后开始下一个修改」,这样可以随时回退到任意历史版本,避免改坏了无法恢复的尴尬。
利用Skill提升效率
可以让Codex帮你搜索GitHub上成熟的Figma插件开发相关Skill(技能包),比如插件界面样式的Skill。找到合适的Skill后,直接让Codex安装到当前项目即可,省去了手动配置的麻烦。
Codex 中的 Skill(技能包)是一种可复用的指令集或配置模板,通常以 Markdown 文件的形式存在于项目中。它类似于给 AI 预设的"专业知识手册"——当你安装一个 Figma 插件开发相关的 Skill 后,Codex 在编码时会自动参考其中的最佳实践、代码规范和常用模式。GitHub 社区中已经积累了大量开源 Skill,覆盖前端开发、API 设计、UI 组件库等多个领域。这种机制的本质是通过结构化的上下文注入来提升 AI 的输出质量,避免每次对话都要从零开始描述技术约束和偏好。
插件上架Figma社区
开发完成后,可以直接问Codex如何打包、上架到Figma社区,包括图标尺寸要求、描述填写规范等,它都能给出详细指导。Figma 社区的插件审核流程通常需要几个工作日,审核标准主要关注插件的功能完整性、安全性以及是否违反社区准则。上架后,全球的 Figma 用户都可以搜索并安装你的插件,这也是设计师建立个人技术品牌的一种有效方式。
总结
Codex为设计师打开了一扇通往插件开发的大门。核心工作流可以概括为:梳理需求 → 计划模式确认方案 → 执行编码 → 测试迭代 → 上架发布。整个过程中,设计师不需要具备编程能力,但需要清晰地表达需求、理解基本的项目管理逻辑。正如草帽老师所说,这个东西「真的上瘾」,因为它确实能解决具体的、个性化的工作需求。
核心要点
相关推荐

AI Agent学习路线:从零基础到就业的四步实战指南
分享一条经过验证的AI Agent学习路线,涵盖四个核心要素、主流架构模式、多智能体协作与项目实战,帮助零基础开发者在三个月内掌握企业级AI Agent开发能力。

鸿蒙7开发者Beta启动:深度解读Agent时代的系统级变革
鸿蒙OS 7开发者Beta正式开启,宣称全球首个完成AI化改造的操作系统。深度解析小艺Agent智能体升级、鸿蒙星盾安全体系、星河互联开放策略及开发者生态现状,探讨操作系统AI化竞争格局。

3080Ti本地部署多模态AI Agent实战:显存管理与五大模块全解析
详解如何在3080Ti 12GB显存上本地部署多模态AI Agent系统,涵盖LLM、语音识别、语音合成、图片生成、视频生成五大模块的选型方案、显存动态加载策略及实际性能表现。