Axure 是我日常工作使用的原型软件，有两个原因让我考虑迁移到新工具。
一个原因是我当前使用的版本是 Axure 9，它是 Intel 应用。Apple 已明确表示，Rosetta 对应用的支持将在 macOS 27 之后结束，也就是说，后续依赖 Rosetta 运行的 Intel 应用会面临兼容性问题。
而 Axure 从 10 版本开始虽然有 macOS 原生应用，但只提供订阅制，每月 29 美元，这对于平平打工人一枚的我来说太贵了（付费上班不可接受）。
另一个原因是我近期正在探索的 Ardot，它的形态更像 Figma，并且提供了本地 MCP 让 AI 直接操作设计文件。也就是说，只要你的 Token 足够，你就可以让 AI 一直帮你改原型。
于是我决定尝试让 AI 帮我将已有的 Axure 原型迁移到 Ardot 里。但 Axure 的 .rp 文件不能直接导入 Ardot。我能拿到、也能稳定处理的中间产物，是 Axure 导出的 HTML 原型。
腾讯 Ardot 官方文档[1] 中提供了 H2D，也就是 HTML to Design 功能，可以将 HTML 代码或网页 URL 转成可编辑设计文件。但它更适合单个页面的视觉恢复。我的目标是批量迁移后台系统页面，并且要求组件复用、sidepanel 统一、表格结构可维护、manifest 可交接，所以这次没有把 H2D 作为主方案。
所以这次实践的核心问题就变成了，如何从 Axure HTML 出发，借助 MCP 工具，让 AI 在 Ardot 里重新生成一套可编辑原型。
这件事做下来，我最大的感受是，难点不在于让 AI 画出一个像样的页面，而在于让它每一次都按同样的规则画页面。
如果只追求看起来差不多，AI 能做到 60-70 分。
如果要求图层清楚、组件可复用、内容能继续编辑、后续页面还能交给别的模型接着做，那就必须先建立规则。
搭建框架做这类转换前，我觉得最重要的不是马上让 AI 开工，而是帮 Agent 梳理好整个任务的框架。
首先是对任务边界的限定。
Ardot 当前还没有上线类似 Figma 的「连线」功能，即便后续支持，让 AI 去理解 Axure 中的复杂交互再还原到 Ardot 中也是一件费力不讨好的事情，很可能消耗大量 Token 也没能实现。因此我只要求 AI 帮我复现静态页面，复杂的交互逻辑则一概忽略。
其次是文件组织。
我当前的工作涉及到多个系统的原型设计，移动端、PC 端，业务系统、财务系统，每个系统都有多个一级菜单以及子菜单。
在 Axure 中，一个页面本质上是一个独立的文档，只有在打开时才需要渲染当前页面。即使项目里有 500 个页面，真正占用资源的通常只有你正在编辑的那一页。因此我在 Axure 中的做法是将所有系统的原型页面都放在一个 RP 文件中，这样方便交付和团队协作。
但 Ardot 和 Figma 类似，一个文件相当于一个无限大的画布，里面所有的 Page、Frame、Component、Variable、Prototype 都属于同一个文档。虽然 Page 可以帮助组织内容，但它们并没有把文档真正拆开。比如一个 File 拥有三个 Page，每个 Page 包含 400 个 Frame，这对 Figma 来说仍然是一个拥有 1200 个 Frame 的文件。
因此我需要把每个系统拆成独立的文件，这一点也需要提前规划并向 AI 澄清。
再次是对 Axure 导出的 HTML 文件的处理。
Axure 导出的 HTML 不是一个单纯的静态页面。
它有页面入口，有资源目录，有脚本，有图片，有页面之间的跳转关系。有些页面里的内容不是直接写在 HTML 里，而是需要浏览器把脚本跑起来之后才能看到最终结果。
所以只让 AI 读 HTML 文件是不够的。
我后来采用的做法是，用本地 HTTP 服务把 Axure HTML 跑起来，再用 Playwright 打开页面，把渲染后的元素信息和截图导出来。
这里会得到三类材料。
第一类是页面清单，也就是每个页面叫什么、URL 是什么、属于哪个菜单、父级路径是什么。
第二类是 element JSON，也就是页面渲染后有哪些文本、坐标、尺寸、图片和样式。
第三类是截图，用来和 Ardot 重建后的结果做对比。
这三类材料的作用不一样。
页面清单解决命名和归属问题。比如某个页面其实是三级菜单，就不能只按页面标题命名，而要带上它的上级菜单。
element JSON 解决内容问题。表格有哪些列，筛选区有哪些字段，按钮叫什么，样例数据是什么，都从这里来。
截图解决校验问题。AI 说自己完成了不算，至少要看一下重建后的页面有没有明显错位、遮挡、漏区域。
还有一个关键点，是提前准备本地组件库。
如果不给 AI 组件，它很容易自己画按钮、输入框、下拉框、表格和分页。看起来可能差不多，但后面基本没法维护。
所以我在 Ardot 文件里准备了本地 TDesign 组件库。按钮用 Button，输入框用 Input，选择器用 Select，分页用 Pagination，表格列用 table column。侧边栏这种系统相关组件，则先手动画一个示例组件，然后让页面去复用这个组件实例。
再往下，就是设计变量。
颜色、间距、圆角这些东西，不要让 AI 每次自己填数值。比如 Content 内边距统一 24，绑定 spacing-xl。TitleBar 的底部分隔线使用 border-default。页面背景、边框、文字颜色都尽量走变量。
这些准备工作看起来有点啰嗦，但它们是整个任务的基石，直接决定了 AI 的执行效率和交付效果。
提炼 SOP整个任务执行过程中最重要的步骤，是在任务完成后让 AI 复盘。
在面对一个新的探索任务时，我的常规做法都是先让 AI 做一轮 DeepResearch，之后创建一个 docs 文件夹，将调研结果和我梳理的任务框架都放进去，然后让 AI 先出一版方案，我人工审查没问题后，就开始让 AI 执行。
一开始由于没有任何标准流程，AI 可能会出错，可能消耗大量 Token 但交付结果很差，这都没关系，只需要在每次任务结束时发挥 AI 最擅长的能力「总结复盘」，让 AI 提炼 SOP 流程，将犯过的错转换成预防性的规则，最终就能建立一套规则体系，让 AI 每次接手时都知道应该读什么、按什么规则做、做完以后把状态写到哪里。
具体到本次任务，我最终形成了两部分内容：项目里的轻量文档，和可复用的 skill。
最先读的是通用 skill，也就是 ardot-html-prototype-converter。
这里沉淀了 HTML 文件转换过程可直接遵循的规则。
比如 HTML 必须先用 Playwright 渲染，不能只靠文件名和静态 HTML 猜页面。
比如 Ardot 页面必须是 PageFrame + sidepanel instance + Content frame，不能把页面做成一堆散节点。
比如 Content 不转组件，列表页、表单页、详情页、报表页各自有页面规范，表格必须用 Table -> table column。
再比如执行前后要检查什么，常见失败模式有哪些，怎样避免大段 HTML、压缩 data/document.js、完整组件库和 table column 子树把上下文撑爆。
每次开启任务，AI 都会自动激活 skill，遵循其中的规则执行转换任务。
项目里的文档主要负责介绍项目背景，记录任务进度和保存可复用的知识。
docs/README.md 是入口文档。
它告诉后续 agent 按什么顺序读：先读 ardot-html-prototype-converter skill，再读 docs/系统转换总览.md，再读当前系统文档，比如 docs/systems/OMS.md，最后看对应的 manifest。
第二层是 docs/系统转换总览.md。
它像一个项目看板，记录 CRM、OMS 这些系统分别做到哪里。
这里会写每个系统对应的 Ardot 文件、fileId、manifest、页面总数、已完成数量、当前批次、下一步和主要风险。
它不写详细 SOP，只回答一个问题：这个项目现在是什么状态。
第三层是系统文档，比如 docs/systems/OMS.md。
它只保留某一个系统当前实施状态。
包括 Ardot 文件、页面范围、已确认的 sidepanel、已完成批次、已知限制和下一步。
比如 OMS 已完成销售订单管理和计划管理，下一批是报表录入、月报和经营分析。开始前要确认对应 sidepanel，并抓取 element JSON 和截图。
再往下是系统 manifest。
Markdown 是给人和 agent 快速接手看的，manifest 是机器可读的进度表。
每一页的 pageId、PageFrame、Content、素材路径、状态和验证结果，都应该以 out/ardot_manifest_ 为准。
这样一来，文档之间就有了清楚分工。
docs/README.md负责告诉 agent 先读什么。docs/系统转换总览.md负责记录多个系统的整体进度。docs/systems/OMS.md负责记录单个系统的当前状态和交接信息。out/ardot_manifest_负责保存页面级的机器可读进度。ardot-html-prototype-converterskill 负责沉淀通用 SOP、页面规范、执行检查清单、失败模式和 Token 约束。
Token 节省技巧把 Axure HTML 原型迁移到 Ardot，最容易失控的地方其实是上下文。
这类任务会同时牵涉 HTML、页面树、渲染结果、截图、组件库、Ardot 节点结构和验证结果。每一类材料单独看都不小，合在一起就很容易把上下文撑爆。更麻烦的是，很多原始材料并不是为模型阅读准备的。Axure 导出的页面树可能是一大段压缩后的 document.js，Ardot 组件库也可能是一层层嵌套的实例树。如果不加限制，模型还没开始真正生成页面，token 就已经大量消耗在工具输出的噪音上。
多次任务总结下来，我发现很多 Token 不是花在「让模型思考」上，而是花在了工具输出的噪音上。
因此节省 Token 最关键的一点，是把「直接读取原始材料」改成「先生成中间摘要」。
比如页面树不直接塞给模型，而是先解析成 compact manifest。这个 manifest 只保留当前任务需要的 pageId、页面名、HTML 路径、完整菜单 path、页面类型和处理状态。这样模型看到的是一张清楚的任务清单，而不是一整坨压缩 JS。
Playwright 渲染也是一样。完整 element JSON 和截图必须保留，因为它们是重建页面的证据。但这些证据不需要全部进入对话。真正交给模型的，应该是 render summary：页面标题、筛选项、按钮、表格列、样例数据、页面宽高，以及这个页面是否接近截图型页面。完整材料落到本地，摘要进入上下文，这样既不丢证据，也不会让模型被无关节点淹没。
组件库也要控制读取次数。
Ardot 文件里的 Button、Input、Select、DatePicker、Pagination、table column 等组件，第一次需要读取，用来确认组件 ID 和基本用法。但读完之后，应该马上整理成最小组件映射。后续页面只引用这张映射，除非组件缺失或属性不明确，否则不要每做一页都重新展开完整组件库。
表格是最容易烧 token 的部分。尤其是 table column 组件，内部通常带有很多默认行和默认文本。只要深读完整子树，就会看到大量 header cell、content cell、text 节点。如果每一列都这样读，token 会消耗得很快。
更好的做法是，只深读一个代表性的 table column，确认表头文本和单元格文本的路径，后续复用这条路径，不逐列展开。同时，表格数据提前整理成结构化列数据。模型拿到的是列名和列数据，任务就会变成按结构填表，而不是从一堆 DOM 文本里临时判断。
验证环节也要窄。
验证当然要做，但不应该每次都重新读取整棵页面树。真正需要检查的是几个关键点：页面根节点是不是只有一个 PageFrame，sidepanel 是不是组件实例，Content 是不是普通 frame，Table 的直接子节点是不是 table column 实例，Pagination 是否存在，表格可见区域有没有露出默认占位文本。
只需要知道节点类型时，就不要展开完整样式。只需要验证表格结构时，就不要读取每个单元格。只有定位具体问题时，才短暂深读相关节点。
还有一些小噪音也要避开。比如本地 HTTP 服务和 Playwright 抓取页面时会产生大量访问日志，这些 GET 请求对页面重建几乎没有帮助。除非渲染失败需要排查，否则不要把服务日志带进对话。
最后是交接状态。
有些页面可能只能部分结构化重建，有些截图可能不是最后一次修正后的结果。这些情况必须写进 manifest。页面是 completed，还是 completed_with_limitations，截图是否为最终状态，哪些字段需要人工补全，都要明确记录。
这同样是在节省 token。因为开启一个新会话时，AI 不需要从很长的聊天记录里猜当前状态，只要读 manifest 就知道应该从哪里继续。
这套方案的局限这套方案不是一键转换，它更像是把 Axure HTML 当成素材来源，再让 AI 按一套规则在 Ardot 里重建，所以不可能百分百还原。
有些页面本身就是截图型内容，HTML 里只有一张大图和少量覆盖层文字。这种页面 AI 很难还原成完整可编辑结构。能做的是先搭出页面框架，把能提取的字段提出来，然后标记为需要人工补全。
有些复杂表格也需要人工看一眼。尤其是宽表、合计行、跨列内容、异常布局，AI 可以根据规则生成一个基础版本，但不一定能完全符合真实业务页面。后面还是要手动调整列宽、内容、按钮位置。
还有一点是模型能力差异很明显。
在本次 Ardot MCP 迁移任务里，我测试过 Kimi k2.7 code 和 MiniMax-M3。即便已经有比较明确的规范、SOP 和检查清单，它们的执行效果仍然比较差。值得一提的是，GLM-5.2 的效果没有这两个模型好，我猜测可能是 Kimi 和 MiniMax 是多模态模型，因此在原型设计这类任务上理解能力更强，至少它们能根据截图来对比复现效果。
常见问题包括没有完整读取文档、没有严格复用组件、没有正确理解页面类型、缺少验证步骤、完成后不更新进度。有时它们看起来是在按要求做，但细看图层结构，还是会回到散节点堆页面的老问题。
我也把这次沉淀出来的规则整理成了一个 skill：ardot-html-prototype-converter。
它不是一个一键转换工具，更像是一套给 agent 使用的工作规程，里面包括 HTML 渲染流程、页面类型规范、执行检查清单、常见失败模式，以及上面提到的上下文控制规则。
