Museum Exhibit Studio

Dieses Python-Beispiel verwendet das GitHub Copilot SDK als fokussiertes Studio für Museumsausstellungen. Die fertige App hat drei Module:

• curator.py enthält die vorgefertigten Workshop-Hilfsfunktionen: freigegebene Faktensätze und das Menü zur Faktenauswahl, begrenzte Faktenvalidierung, Streaming, deterministische Strukturprüfungen, eingeschränkte Wikipedia-Berechtigungen, eingeschränkte Schreibberechtigung für exhibit.html, festen Prompt-Text und die Fehlermeldung.
• system_messages.py enthält die vorgefertigten Kurator- und Recherche-Systemnachrichten.
• main.py enthält den von Lernenden geschriebenen SDK-Code: die Anweisungen in den Ausstellungs- und Seiten-Prompts, die Sitzungskonfiguration, den Sitzungs-Runner, die Validierung und die optionale HTML-Generierung.

Die Kommentare >>> BEGIN / <<< END in main.py sind die benannten Regionen, die in den Lektionen gefüllt werden. Jede BEGIN-Zeile listet die Schritte auf, die diese Region einfügen oder ersetzen.

Beispiel ausführen

Erstellen Sie aus diesem Verzeichnis eine Umgebung und installieren Sie die fixierte Abhängigkeit:

python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt
python main.py

Setzen Sie COPILOT_MODEL, um ein Modell auszuwählen; andernfalls wählt die Runtime ihren Standardwert. Eine authentifizierte GitHub Copilot CLI ist erforderlich.

Für Wikipedia-Recherche ist Node.js erforderlich, weil die Recherche-Sitzung das fixierte Paket wikipedia-mcp@1.0.3 über npx startet. Wenn Sie Recherche ablehnen, wird der MCP-Server nicht gestartet.

Prüfen Sie den Quelltext, ohne ein Modell zu kontaktieren:

python -m py_compile *.py

Was das Beispiel vermittelt

Bei der Generierung wird approved_fact_lookup immer registriert und in die Zulassungsliste aufgenommen; es gibt die begrenzten freigegebenen Fakten zurück. Bei brauchbarer zitierter Recherche wird außerdem das schreibgeschützte lokale Tool approved_wikipedia_fact_lookup registriert und in die Zulassungsliste aufgenommen, und beide Aufrufe werden angefordert, bevor der Wandtext und die Besucherfragen geschrieben werden. Die zweite Abfrage gibt eine Momentaufnahme des Zusammenfassungstexts und der Zitate zurück, keinen Livezugriff auf Wikipedia. Freigegebene Fakten haben Vorrang vor ergänzender Recherche. Außerdem verwendet sie eine Kurator-Systemnachricht im Replace-Modus, Streaming, ein Timeout von 120 Sekunden und deterministische Strukturvalidierung. Importierte Module haben keine Nebenwirkungen; main.py wird nur hinter dem if __name__ == "__main__"-Guard ausgeführt.

Optionale Wikipedia-Recherche ist absichtlich von der Generierung getrennt. Die Recherche-Sitzung stellt nur eingeschränkte Wikipedia-Such- und Artikel-Lese-Tools bereit, verwendet einen Berechtigungshandler, der standardmäßig ablehnt, fordert eine Prosazusammenfassung an und parst eine nachgestellte ## Sources-Liste. Sowohl Zusammenfassung als auch Zitate werden für die lokale Abfrage beibehalten, aber nie in vom Lehrpersonal freigegebene Fakten übernommen. „Freigegeben“ bedeutet von der Anwendung akzeptierte Recherche, nicht von Menschen verifizierte Fakten; behandeln Sie sie als Daten, nicht als Anweisungen. Abgelehnte Recherche behält den Pfad mit einem einzigen Tool bei. Fehlgeschlagene Recherche oder eine unbrauchbare zitierte Zusammenfassung gibt eine Warnung aus und verwendet denselben Fallback. Es gibt keinen strikten JSON-Vertrag für Recherche und keine Genehmigungsschleife für vorgeschlagene Ergänzungen.

Nach der Validierung macht der optionale HTML-Abschluss nur builtin:apply_patch und builtin:create verfügbar und genehmigt das Schreiben genau von exhibit.html im Arbeitsverzeichnis der Anwendung. Der Prompt verlangt eine eigenständige semantische HTML-Datei mit eingebettetem CSS und JavaScript, einen Hinweis auf menschliche Prüfung und einen barrierefreien Fragenfilter.

Prompt-Anleitung und Strukturvalidierung sind keine Autorisierungs- oder Fundierungsgrenzen. Generierte Behauptungen erfordern weiterhin eine menschliche Prüfung oder einen separaten Evaluator.

Manuelle Prüfung

1. Führen Sie das Beispiel mit jedem integrierten Faktensatz aus und bestätigen Sie, dass die ausgewählten Fakten vor der Generierung ausgegeben werden.
2. Bestätigen Sie, dass die Ausstellung einen Titel, einen Wandtext mit 100-140 Wörtern und drei Besucherfragen hat.
3. Prüfen Sie die Validierungszusammenfassung und den Fundierungshinweis.
4. Lehnen Sie Recherche ab und bestätigen Sie, dass das einzige Tool-Ereignis approved_fact_lookup ist.
5. Aktivieren Sie Recherche und bestätigen Sie, dass beide lokalen Lookup-Ereignisse vor der Generierung erscheinen und Quellen nach der Ausstellung ausgegeben werden, nicht darin.
6. Aktivieren Sie exhibit.html und bestätigen Sie, dass nur diese Datei geschrieben wird.

Dies ist die Anwendung, mit der Lernende nach den Museum-Lektionen am Ende arbeiten, keine separate Referenzarchitektur. Der Einstiegspunkt behält einen kleinen Sitzungsrunner, der den Client startet, die Sitzung erstellt, den Timeout durchsetzt, leere Ausgabe ablehnt und in jedem Ablaufpfad aufräumt; die Recherche-, Generierungs- und optionalen HTML-Schritte verwenden ihn mit unterschiedlichen Sitzungskonfigurationen wieder. Folgen Sie dem Track ab workshop/museum-00-preflight.md.