version: "1.0.1" name: canvas-emit-trusted-component description: Teach the Agent how to call canvas_emit_trusted_component with valid channel-A props so UI cards render instead of degrading.

Canvas 可信组件发布（channel A）

When to use

• 用户要在对话里看到可交互表单 / 选择题 / 填空 / 天气卡 / 指标卡 / 图片框
• 你需要把结构化 UI 写入助手消息流（而不是用 Markdown 伪表单或 HTML）
• 工具 canvas_emit_trusted_component 已出现在本回合 tool 列表中

不要用本 skill 去写任意 React/HTML；那是 canvas_emit_magic_card（通道 B，需在同一次调用里给出完整自包含的 preview_html）。

Instructions

1. 先选组件类型（component_type 必须是下列之一）：

• 交互：option_group | single_choice | multiple_choice | fill_blank | short_answer_table
• 展示：weather_card | metric_card | image_frame
• 编程实验：code_trainer（见下方契约）

1. 不要传 `null`。可选字段要么省略，要么给真实字符串/数组/布尔值。
2. 选项类必须带非空 `options`（至少 1 项；每项 id + label）。
3. 填空类至少要有可读 title/prompt；后端会补 blank_ids，但你最好显式传。
4. 调用成功后，宿主会把 component Message Part 插入对话；不要再把同一份 JSON 用 Markdown 贴一遍。
5. 若工具返回 error / component_data_schema_mismatch，根据 message 修正 props 后重试一次；不要假装已经渲染成功。

工具调用契约

{
  "component_type": "<见上>",
  "props": { },
  "component_id": "optional-stable-id",
  "allowed_events": ["submit"],
  "schema_version": "1.0"
}

props 是唯一数据面：不要把业务字段塞到 component_type 外层。

各类型最小合法 props

single_choice / multiple_choice / option_group

{
  "title": "你更希望怎样验收这次学习？",
  "description": "单选一项后继续",
  "options": [
    { "id": "project", "label": "完成一个小项目" },
    { "id": "explain", "label": "能够清楚讲解" }
  ],
  "allow_custom": true,
  "allow_skip": true,
  "submit_label": "确认并继续"
}

说明：

• title 与 prompt 二选一即可（后端会互相同步）。
• options / choices 二选一；每项必须有非空 id、label。
• 禁止 options: [] 或 description: null。

fill_blank

{
  "title": "请补全 ACID 中的 A",
  "prompt": "ACID 中的 A 代表 ____",
  "placeholder": "Atomicity / 原子性",
  "multiline": false,
  "submit_label": "提交",
  "blank_ids": ["answer"]
}

short_answer_table

{
  "title": "简答题",
  "columns": ["问题", "你的回答"],
  "rows": [["为什么需要索引？", ""]]
}

weather_card

{
  "title": "杭州明日天气",
  "location": "杭州",
  "condition": "多云",
  "temperature_c": 27,
  "high_c": 29,
  "low_c": 21,
  "summary": "适合户外轻量复习",
  "unit": "C",
  "actions": [
    { "id": "create_plan", "label": "生成明日学习计划", "event": "create_plan" }
  ]
}

location / condition / temperature_c 必填。allowed_events 应包含 action 的 event 或 id。

metric_card

{
  "title": "今日学习指标",
  "description": "来自当前目标进度",
  "metrics": [
    { "id": "mastery", "label": "掌握度", "value": "62%", "hint": "近 7 日" },
    { "id": "reviews", "label": "待复习", "value": 3 }
  ]
}

image_frame

{
  "title": "示意图",
  "alt": "B+ 树结构示意",
  "status": "placeholder"
}

status 用 placeholder | ready | failed（或前端别名 queued / completed）。有图时再加 src 并设 ready/completed。

Steps

1. 判断场景是否真的需要 UI 控件；纯讲解用 Markdown 即可。
2. 选最小组件类型（表单优先 option_group / fill_blank，天气用 weather_card）。
3. 按上面模板组装 完整非空 props。
4. 调用 canvas_emit_trusted_component；需要像素/主题时先 canvas_get_render_contract。
5. 用一两句自然语言说明卡片用途；不要复述原始 JSON。
6. 等待用户在卡片上的提交事件（allowed_events），再继续对话。

Examples

• User: 「用前端控件渲染天气」

Agent: 检索/推算天气事实 → canvas_emit_trusted_component (weather_card) → 简短说明。

• User: 「让我选一种验收方式」

Agent: single_choice / option_group，options 至少两项，带 title。

• User: 「做一个填空练习」

Agent: fill_blank，带 title/prompt 与 blank_ids。

Notes

code_trainer 编程判题训练器

调用 canvas_emit_trusted_component，component_type="code_trainer"，allowed_events=["submit"]。 props 包含 title、description（题目）、language、starter_code、stdin、 tests:[{name,stdin,expected_stdout}]（最多12个公开样例）、time_limit_ms（100–5000，默认2000）。 仅 Python、JavaScript、TypeScript 在浏览器执行；其他语言仅将代码作为 prompt 发给当前模型分析。 JS/TS 使用 stdin 字符串、readline()、print()、console.log()，不支持 Node.js 模块和网络。 Python 支持内置标准库，不自动安装第三方包。生成单文件、同步、标准输入输出算法题。 代码中的 <script 等文字是待编辑的数据，不是宿主脚本。不要把题目包装成 HTML。 样例必须与题面一致；模型生成的期望输出需要核对，不能声称已执行验证。 AI 辅导只做代码推演与解释，不调用终端、代码执行或沙箱工具，不声称其他语言真实运行或正式判题通过。 公开样例通过仅代表本地练习结果；没有隐藏用例、受信任成绩或服务端 Runner。

• 通道 A 是声明式可信渲染；非法数据会在前端显示「组件已安全降级」，并露出 JSON，不会执行脚本。
• 通道 B（canvas_emit_magic_card）在隔离沙箱 iframe 里执行内联 HTML/CSS/JS，必须一次提交全部源码且不能依赖任何网络资源；不要拿它替代表单。
• 本 skill 只注入指令，不会注册新 function tool；实际工具名仍是 canvas_emit_trusted_component。