我使用了 Make.com，一個類似于 Zapier 的無代碼自動化平臺。
我添加了“Figma 的列表評論”組件來從我的 Figma 文件中提取評論。
然后我需要提供文件 ID，我可以輕松地從 URL 中復制和粘貼。
我還可以設置一次獲取評論數(shù)量的限制。就我而言，400 條就足夠了。
如果您不希望 Figma 文件收到很多評論，則可以將評論數(shù)量降低到 50-100 甚至更少，以使自動化運行得更快。
實際上，我一開始并沒有包括這個步驟，但我意識到那是一個錯誤。
當我嘗試將數(shù)據(jù)直接發(fā)送到 Google Gemini AI（我將在第 3 步中介紹）時，它無法正常工作。
人工智能因為接收了太多不必要的信息而感到困惑。它不僅接收了評論文本，還混入了其他數(shù)據(jù)，例如時間戳、ID、文件密鑰、訂單位置、用戶反應等等，如下所示：
這就是為什么這一步可以清理數(shù)據(jù)并確保 AI 只獲得實際的評論。
這是自動化的核心——這是最重要的一步，也是我最喜歡的一步。
我選擇 Google Gemini AI 僅僅是因為它幾乎免費，并且提供了相當寬松的速率限制。相比之下，使用 OpenAI 或 Claude 的 API 可能會很昂貴。
Gemini AI 包含許多模型，可能會令人困惑。
本次實驗我選擇了老款的 Gemini 1.0 Pro，因為它已經(jīng)足夠滿足我的需求了。如果你感興趣，可以試試 Gemini 2.0 Flash。
最后，我訪問了https://ai.google.dev/獲取 API 密鑰。設置起來非常簡單。
用戶文本是用戶要求 AI 執(zhí)行的操作。
這是我在文本框中輸入的內容：
以下是來自設計文件的 Figma 評論列表。- 嚴格根據(jù)內容將其分為最多 **4 個類別**。- 使用**Figma 評論中的確切措辭**，無需修改或編造內容。- 每個類別應包括： - 使用 `<h2>類別名稱</h2>` 的**標題**。 - `<p><b>此處為摘要文本</b></p>` 內的**加粗摘要**。 - `<ul><li>“實際 Figma 評論”</li></ul>` 內的**真實示例列表**，列表前有空格。 - **每個類別最多限制 4 個要點**。- **請勿添加新示例。僅使用格式化注釋中提供的內容。**- 如果評論不屬于這 3 個類別之一，請將其放在“其他”下。- **您只能以 HTML 格式回復**并且必須使用以下標簽： `<h2>`、`<p>`、`<ul>`、`<li>`、`<b>` 和 `<a>`。---### **Figma 評論（從文件動態(tài)提取）：**{{formatted_comments}}
它看起來很復雜，因為我試圖在一次提示中完成幾件事。
讓我一一解釋一下：
1）限制類別和要點的數(shù)量。
我傾向于設置額外的限制條件，以確保最終的摘要簡潔易讀。將摘要限制在最多 4 個類別，每個類別下最多 4 個要點，可以確保 AI 的回復保持重點。
2）將其格式化為 HTML。
目標是直接生成樣式合適的 Google 文檔，無需后續(xù)額外格式化。這樣可以使工作流程更加便捷。
3）使用 Figma 評論中的確切措辭。
雖然我對人工智能的總結能力很有信心，但我需要查看實際的引述以便更好地參考，并仔細檢查總結以確保其足夠準確。
4）在末尾添加 {{formatted_comments}}
此標簽確保 Gemini AI 組件每次自動化運行時動態(tài)地從 Figma API 組件中提取最新評論。
我確實在 Google Gemini API 中進行了兩項高級設置。
我將最大輸出標記設置為 1000（1 個標記 ≈ 3/4 個單詞，因此 1000 個標記相當于 750 個單詞），只是為了保持響應簡潔，而不是為我生成一篇長篇文章。
我還將“溫度”設置為 0.1。值越低，響應越真實。值越高，響應越有創(chuàng)意/隨機。在這種情況下，我希望它盡可能可靠，以防止出現(xiàn)隨機摘要。
這是一個簡單的步驟 - 只需指向您想要在其中創(chuàng)建文檔的文件夾。
就是這樣！如果我點擊“運行一次”按鈕，我的 Google Drive 中的“test”文件夾中就會出現(xiàn)一個名為“test”的新文檔，其中包含所有 Figma 評論的摘要。
最初，我使用這個 Text Parser 組件作為中間步驟。它可以將 Gemini AI 的 Markdown 響應轉換為帶樣式的 HTML，這樣我就不用稍后在 Google Docs 中重新格式化了。它已經(jīng)幫我處理好了。
但我后來意識到，由于我可以直接要求 Gemini 在提示中格式化其響應（如上面的步驟 3 中所述），因此這一步不再是必要的。
摘要中有一些隨機性，我仍然希望改進。在運行相同的測試時，有時它很好地遵循了 Figma 的注釋，而有時它又會自行編造。這提醒我們要始終仔細檢查 AI 的響應，而不是盲目地遵循它們。
在我的實驗中，我只需要手動單擊一次“運行”命令，但“計劃設置”功能會有所幫助。
例如，如果您有一個 Figma 文件，人們每天都會積極地發(fā)表評論，那么您可以設置每日自動化 - 例如每天早上 9 點，您都會收到一份更新的摘要文檔。
如果您更有野心，您甚至可以在最后連接到 Slack 組件 - 例如，每次生成文檔時，您都會在 Slack 中收到通知。
蘭亭妙微(m.sdgs6788.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業(yè)提供卓越的大數(shù)據(jù)可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網(wǎng)站設計、平面設計，以及相關的軟件開發(fā)服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優(yōu)秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。