Agent Skills
› ddcat-ai/open-ai-canvas
› canvas-context
canvas-context
GitHub管理影策画布上下文,通过API读取节点、连接及资源状态,支持构建语义化工作流与管线,确保基于真实数据操作而非猜测。
Trigger Scenarios
需要理解或操作当前画布的语义结构
请求创建基于真实节点的工作流或流水线
查询画布中选区、连接关系或媒体资源状态
Install
npx skills add ddcat-ai/open-ai-canvas --skill canvas-context -g -y
SKILL.md
Frontmatter
{
"name": "canvas-context",
"description": "理解影策当前画布的语义结构、选区、连接关系和媒体资源状态;适用于任何需要基于已有画布继续工作的请求。"
}
画布上下文协议
不要把画布当成一段需要猜测的 JSON。先读取事实,再决定动作:
canvas_get_context:读取语义化节点、真实 id、连接关系、选区、资源清单和stateHash。- 用户说“这个/选中内容”时,补
canvas_get_selection。 - 不知道节点 id 时用
canvas_find_nodes,不要猜 id。 - 已经知道真实节点或连线 id 时,分别用
canvas_get_node/canvas_get_connection精确读取,不要为确认一个对象反复传输整张画布。 - 需要知道画布内生成任务的绑定节点、
taskId、状态、进度或阶段时,用canvas_get_generation_tasks;它只观察画布快照,不等于主动轮询上游。 - 涉及图片、视频、音频参考时用
canvas_get_resources;只有ready=true且有持久化引用的资源才可作为可用素材。 - 看到
loading、error、缺少storageKey/resourceId的节点时,向用户说明它是未就绪或占位状态。
上下文只作为事实来源,不要把 storageKey、内部 id 或资源状态编造成媒体 URL。工具结果返回后,以结果为准继续下一步。
工作流与流水线
用户提出“流水线、工作流、节点图、管线、连线”时,优先使用 canvas_create_workflow,不要用 canvas_create_text_nodes 伪造流程。将阶段拆成真实语义节点:
character_cards:角色拆分图片卡片,实际类型为imagecharacter_three_view:角色三视图,实际类型为imagestoryboard_video:分镜剧情视频,实际类型为videoscript:剧本或分镜文字,实际类型为script
媒体节点要有 prompt 或 content。已知画布素材时,先检索并将真实 node id 放入 referenceNodeIds;工作流内部依赖放入 referenceRefs。工具会自动布局、默认建立顺序连线并返回连接与重叠复核结果。只有结果中的 verification 确认连接实际存在时,才能向用户报告“已连线”。
Version History
- ad9c74b Current 2026-08-27 10:17


