我理解AI用代码写前端是靠的各个组件的方位关系而不是像人画画一样边看边画，所以没有多模态的模型也能一句话就写出漂亮的前端，多模态影响的是能不能靠截图自动纠正问题 
如果是公司项目那就更简单了，有设计师给的figma或者蓝湖之类的设计稿用mcp访问，基本都能一次性还原出来