psd2ai
v1.0.4
Published
Convert PSD files to AI-readable structured data with precise layout information and optimized thumbnails
Maintainers
Readme
PSD2AI
将 PSD 设计稿转换为 AI 可读的结构化数据,包含精确的布局信息和优化的缩略图。
为什么需要这个工具?
当你想让 AI(如 Claude、GPT)理解你的设计稿时:
- ❌ 截图 → AI 无法获取精确的位置、尺寸信息
- ✅ PSD2AI → 导出结构化 JSON + 缩略图 → AI 完全理解布局
特性
- 📐 精确布局数据 - 提取每个图层的位置、尺寸、边界
- 🖼️ 图层导出 - 自动导出所有图层为独立 PNG 图片
- 🔍 智能缩略图 - 生成适合 AI 读取的压缩版本,节省 token
- 📝 文本提取 - 提取文本内容、字号、颜色
- 📄 AI Prompt 模板 - 自动生成使用说明和 prompt 模板
- 🎯 零配置 - 开箱即用,一条命令完成转换
安装
全局安装
npm install -g psd2ai使用 npx(无需安装)
npx psd2ai your-design.psd使用
基础用法
# 转换 PSD 文件到 output 目录
psd2ai design.psd
# 指定输出目录
psd2ai design.psd my-output
# 使用 npx
npx psd2ai design.psd输出结构
output/
├── README.md # AI 使用说明和图层详情
├── layout.json # 结构化布局数据
├── preview.png # 完整预览图
├── layer_*.png # 原始图层图片
└── thumb/ # 缩略图目录(适合 AI 读取)
├── preview.png
└── layer_*.pnglayout.json 示例
{
"name": "设计稿名称",
"size": {
"width": 1024,
"height": 1920
},
"layers": [
{
"name": "按钮",
"type": "layer",
"visible": true,
"opacity": 1,
"position": { "left": 345, "top": 1684 },
"size": { "width": 373, "height": 137 },
"bounds": { "left": 345, "top": 1684, "right": 718, "bottom": 1821 },
"image": "layer_0_button.png",
"thumbnail": "thumb/layer_0_button.png"
},
{
"name": "标题文本",
"type": "text",
"position": { "left": 100, "top": 50 },
"size": { "width": 200, "height": 40 },
"text": {
"content": "欢迎使用",
"fontSize": 24,
"color": [0, 0, 0, 255]
}
}
]
}AI 使用示例
转换完成后,使用生成的 README.md 中的 prompt 模板:
我有一个设计稿的布局数据,请阅读 layout.json 文件了解所有图层的位置和尺寸信息。
设计稿尺寸:1024x1920px
图层数量:9
请查看 thumb/ 目录下的缩略图来理解每个图层的视觉内容(缩略图是压缩版本,适合 AI 快速读取)。
完整的预览图在 preview.png,可以查看整体效果。
根据这些信息,帮我生成对应的 HTML/CSS 代码常见用途
- 生成代码 - 让 AI 根据布局生成 HTML/CSS/React 等代码
- 设计分析 - 分析设计规范、间距、对齐关系
- 响应式适配 - 基于原始布局生成响应式设计方案
- 组件拆分 - 识别可复用的 UI 组件
- 设计还原 - 对比设计稿和实现的差异
为什么使用缩略图?
- 文件更小 - 缩略图大小通常是原图的 1/2-1/3,AI 读取更快
- 信息足够 - 对于理解布局和内容,缩略图已经提供足够的视觉信息
- 节省资源 - 减少 token 消耗和处理时间
技术栈
开发
# 克隆仓库
git clone https://github.com/citizenll/psd2ai.git
cd psd2ai
# 安装依赖
npm install
# 本地测试
node index.js test.psd output
# 发布到 npm
npm publishLicense
MIT
贡献
欢迎提交 Issue 和 Pull Request!
