input/data 时用当前 Scope 自动取数），要么显式传入自己算好的数据——两种写法产出完全相同，选哪种只看你要不要在取数和渲染之间插入自己的 JavaScript。本页逐个列出官方组件：它展示哪一层数据、在报告里怎么调用、终端输出长什么样。
名称与用途
英文术语描述组件形态，API 名是代码里的导出名。默认组合件比较当前 Scope；范围摘要概括整批结果；实体列表逐项展示 experiment、评估用例或 Attempt；指标图形把指定维度聚合成值。Row、Col、Grid、Section、Stat、Text、Style、Table、Tabs 和 Tab 是十个排版原语，不计算结果，因此不算一种分析图。它们的中文统称依次是行、列、网格、分节、摘要项、文本、样式、表格、标签页和标签；代码里始终使用 API 名。
所有组件共守同一套契约，下面不再逐个重复：
- 诚实渲染。 缺数据渲染
—不补 0；覆盖不全的格子带12/15角标；截断如实标注剩余数量与原始 artifact 路径。 - 排序与方向随指标的
better。 higher 的指标降序、lower 的升序，「好」的一头恒在上、在右上。 - 深链到 Attempt 详情。 网页面的格子、点和条目深链到 Attempt 详情页；终端面用同一 Attempt 定位符交给
niceeval show @<id>。 - 终端输出形成反馈闭环。 每个 Attempt 有一个以
@开头的短定位符，例如@1k2m9qrs。它唯一指向 experiment、结果快照、评估用例和 Attempt。✓/✗/!/–是 passed / failed / errored / skipped。列表不用字母缩写编码证据可用性——定位符本身就是证据入口；打开 attempt（niceeval show @<定位符>）后再列出实际可用的证据命令。执行步骤统一包含消息、thinking、tool call/result 和 Skill load；OTel 只给这些步骤补时间，不另开一份输出。 - 两面同口径，网页面不依赖 JS 也完整。 排序在计算时由
sort定死，终端和网页看到同一份基准顺序；下钻是普通链接，展开折叠用<details>。网页面另有一层浏览操作：点表头就地重排、榜单行过滤、图表点位悬停看数值——只影响眼前的视图，不改数据口径，刷新即回基准顺序；浏览器禁用 JS 时这些操作消失，内容一样不少（悬停信息退化为图内提示）。
两种写法，同一份数据
每个组件的 props 分两种写法，选哪种都行：data 和取数选项会报错，两者二选一。所有计算函数的第一个参数都是 Scope（或手工挑的结果快照数组）；产出的数据都是普通可序列化 JSON，可以先存下来、传给别的进程，或者原样喂给对应组件的 data prop。niceeval/report/react 入口的同名组件只收 data，不做取数——那一层是纯 React 渲染，见自定义报告。
evals 是数据获取阶段唯一的过滤选项：评估用例 id 前缀，与 CLI 位置参数同语义，在聚合之前收窄题集。实体列表（ExperimentList / EvalList / AttemptList）不设这个选项——它们逐实体成行，取数后用普通数组 .filter() 收窄，效果和任何专门选项完全一样。
排版原语
Row / Col / Section / Text 负责摆版面，一次摆放两个面各自成立：Col 纵向堆叠；Row 网页横排、终端字符分栏（宽度不够自动降级纵向）；Section 是带标题的块；Text 是说明文字。另有 <Style>{css}</Style> 给自定义组件带样式：网页面吐 <style> 标签、终端面渲染为空——静态导出不打包用户代码，className 引用的 CSS 靠它随树走。
表格（Table）
第六个排版原语：官方组件摆不出的表，用它摆。它不计算任何东西——列由你定，格子是你算好的显示值，它只负责把两个面都排整齐。
align: "right" 让数字列右对齐，小数点自然对齐。格子是 null 就渲染 —，不补 0。行上带 locator 就多出一列 attempt：网页面链到 Attempt 详情，终端面列出定位符，直接喂给 niceeval show <定位符>。
表比终端宽时先压最宽的左对齐列（按显示宽度折行），右对齐列不折行——数字折行读不了；压到下限仍放不下，就从右侧丢列，并在表下如实报丢了几列，不静默截断。
某一列的格子只想显示前几行时，给这一列加 maxLines：超出的行丢弃，最后一行按显示宽度收口成 …；表头不受这个限制。网页面不消费这个字段——格子的高度由你自己的样式决定。
指标表、指标矩阵、成绩单和成对差异表的终端面就建在 Table 上，所以你的表和官方的表用的是同一把尺子。表格之外的形态要自己排字符时，用自定义报告「换形态」一节里那套文本排版函数。
摘要格（Grid / Stat）
一批 label-value 的速览数字（耗时、成本、参与率这类）用 Grid 摆格子、Stat 摆每格的内容，两面都自动排版，不用自己写 CSS 或对齐字符：
columns 是网页宽屏下最多摆几列，必须是正整数；容器变窄或终端变窄时两个面各自减列，不丢任何一格。variant="boxed" 给每一格描边，默认 "plain" 无框；density="compact" 收紧格内留白，字号也跟着降一档，不改变内容。
Stat.value 收 LocalizedText、number 或 null：null 显示 —，数字 0 照常显示成 0，不会被当成缺数据。detail 是主值下面的一行小字，省略就不留空行。tone（neutral / positive / negative / warning）是你对这个数字的语义判断，只给主值上色，组件不会替你从正负号或阈值猜。
Grid 只管排版，不读 Scope、不聚合指标——Stat.value 必须是你已经算好的显示值。需要保留覆盖率角标（12/15）和证据引用时，继续用指标表这类数据组件；只有真正自由的摘要卡片才用 Grid / Stat。一格里要放两个 Stat 时，用 Col 把它们包起来，Grid 仍然只把这个 Col 算作一格。
Section 也多一个可选的 meta：标题行右侧的短元信息，比如「6/6 完成」。网页面和标题同一行右对齐，终端面空间不够时换到下一行，缩进两格。
实验比较（ExperimentComparison）
niceeval show / view 不传 --report 时使用的默认组合件。它把同一份 Scope 显式传给 ScopeSummary、成本 × 端到端通过率的 MetricScatter 和 ExperimentList 三个组件，自己不产出数据，也不合并三者的结果：
selectedEvalIds。网页面与终端面都显示完整 Scope；需要子集时用 --exp 收窄，或在自定义报告里对 Scope 先 .filter() 再传给 input。
实验列表行的显示名不需要额外配置：experiment id 共享公共目录前缀时（比如都在 compare/ 下），行标签自动缩成各自的最短唯一后缀，不显示重复的前缀；末段撞名的 id 会自动加长到能互相区分为止。完整 id 始终是排序、过滤和折叠展开用的身份键，只是显示文字变短了。
组卡使用 Pass rate / 通过率、Experiments / 实验、Evals / Eval、Attempts / Attempt、Eval results / Eval 结果、Total cost / 总成本 这套字段标签，不在标签里重复“数”“次”或“计票”。时间显示为本地化到分钟的 Last run / 最近运行 或 Run range / 运行范围，不直接暴露 ISO 字符串；成本数据覆盖不全时写明“63/72 次有成本数据”，不显示没有上下文的 63/72。六项 KPI 在宽卡片保持同一行，空间不足时按三项或两项一组换行，避免总成本单独掉到下一行。
下面的 MetricScatter、ScopeSummary 和 ExperimentList 同样忠实消费调用方传入的数据，不推导隐藏范围。它等价于把三个组件按下面这样手工摆放——想自定义顺序或搭配其它组件时，照这个形状写：
范围摘要（ScopeSummary）
每张报告开头「这批数据是什么」：几个配置、几道题、通过分布、总成本、什么时候跑的。评估用例的身份键是 experimentId + evalId：同一个评估用例在不同 experiment 中运行时算两个独立评估用例，数量和判定计票都按这个身份算。
votes 只决定显示哪一级：
votes="eval"（默认）：每个 experiment × 评估用例先按「任一轮 passed 即 passed，否则 failed > errored > skipped」折成最终判定后计票，回答「多少道题最终通过」。votes="attempt"：Attempt 原始计票，不折叠，回答「实际跑的每一轮各是什么结果」。
ScopeWarnings 组件，同一份事实不在页面上出现两次。
收窄范围时在自定义组件里显式传 input：
实验列表（ExperimentList）
每项固定代表一个 experiment。主行显示 experiment id、agent、model、flags、评估用例判定构成、通过率、Tokens、成本和耗时。默认 ExperimentComparison 把当前 Scope 的全部条目交给它；组件本身不猜边界。
行标签默认缩成 experiment id 在当前列表里的最短唯一后缀——末段唯一就只显示末段，撞名的 id 各自向前多取一段直到能区分为止（与 MetricScatter 散点的点标签同一算法）。排序、过滤和折叠展开始终用完整 id，不受显示名影响。中文副行用“8 个 Eval”而不是“8 道题”。
.filter()：
niceeval show 先输出 experiment 比较表，再按 experiment 展开评估用例 / Attempt 父子表。评估用例父行给题级平均值，Attempt 子行给这一轮的失败摘要和定位符：
experimentId + snapshot.startedAt + evalId + attempt 序号 的不可变身份确定，复制或发布结果后保持不变。宿主在当前结果根解析定位符；不存在或发生冲突时直接报错，不回退到“最新一次”。@ 前缀让它与评估用例 ID 前缀选择器无歧义。
experimentListData(scope) 返回普通的 ExperimentListItem[]，顺序按 experiment id 稳定排列。要只看某个 agent、目录前缀或运行状态，直接过滤数组。组件不提供另一套查询语法。网页面的文本搜索只是临时浏览操作，不改变传入的条目；终端面始终输出完整的传入数组。
评估用例列表（EvalList）
每项固定代表一个 experimentId + evalId，因为同一个评估用例跑在两个 experiment 上是两条不同结果。主行显示判定、Attempt 数、聚合分数、平均成本和平均耗时；展开后显示这个评估用例的 Attempt 列表，由每个 Attempt 行显示该轮自己的失败原因。评估用例主行不挑某一轮的失败原因冒充题级结论。
niceeval show 每个 experiment × Eval 输出一项，Attempt 仍用同一套紧凑 ID 和证据位。每项只给一条模板：
evalListData(scope) 返回普通的 EvalListItem[]。按评估用例 id 前缀、experiment、判定或分数过滤都使用数组 .filter()；组件只负责渲染传入的条目。
Attempt 列表（AttemptList）
每项固定代表一个 Attempt，显示 experiment、评估用例、Attempt 序号、判定、耗时、成本、失败断言、结构化 error 的一层摘要、Judge 评语和证据链接。diagnostics、cause 和 stack 留给定位符下钻详情，避免比较列表被基础设施日志撑开。它既能列失败证据，也能列通过样本，不把判定过滤写死在组件名里。
niceeval show 每项完整输出一个 Attempt，不折叠到评估用例汇总。这里已经是叶子层，只在末尾给一条与该 Attempt 可用证据对应的模板：
AttemptListItem[]。截断数量也由报告作者在数组上用 .slice(0, 20) 表达，截断时把原始数量交给组件的 total，组件据此显示“还有 n 项未展示”，不静默截断。
失败列表（FailureList）
「现在有哪些失败要处理」是每份报告都要的固定区块，工具箱直接提供成品组合件，不用每次都重写同一段取数过滤。它和上面 AttemptList 的手工写法完全等价，只是把最常见的一种过滤打包好了：收 verdict 为 failed 或 errored 的 Attempt，按开始时间倒序（最近的失败在前），截断到 limit（默认 20）。
AttemptList 的写法自己加工数组；FailureList 只覆盖这一种最常见的问题。
指标表（MetricTable）
一行一个维度值，一列一个指标，回答「谁整体更好」。行维度、指标列、排序全部可换，自定义指标（defineMetric）与内置指标同列。
sort 预排，基准顺序一致——要固定换一种排序，改一行重跑。12/15 角标表示该格 15 个 attempt 里只有 12 个测得了这个指标。sort 必须是 columns 中同一个 Metric 实例且声明了 better，否则报错；省略时按行 key 字典序，避免为方向不明的指标猜顺序。filter 只给网页面加行过滤框，不改变数据或终端输出。
rows: "experiment" 时每行自动带 agent 与 model 列——结果里现成的元信息，不用配置。MetricTable 不展开实体层级：要看 experiment、评估用例或 Attempt 的固定诊断字段，用上面三个实体列表；要自由换维度和指标列，用指标表。
指标矩阵（MetricMatrix）
行 × 列两个维度、格子里一个指标，回答「哪道题谁挂了」。稀疏渲染：没有样本的格子空着，不编数。
分组条形图（MetricBars）
同一份矩阵数据的另一种摆法：按组并排比大小，回答「每个科目上谁领先、差多少」。组维度一组条、系列维度一根条、条长是指标值——benchmark 发布图（Terminal-Bench、BrowseComp 各一组，每个 agent 一根柱）就是这个形状。
better）。better: "lower" 的指标（成本、耗时）条形反向填充，短条恒为「好」。MetricMatrix 和 MetricBars 写同一份取数选项时，两个组件不会重复计算——只要 input 与选项相同，底层数据只算一次。
成绩单（Scoreboard）
总分 + 分科小计，回答「这套题它能得几分」。逐题分值制：权重按评估用例 id 前缀配置，分母对所有被打分者恒定，没跑到的题挣 0 分并如实报 missing。
questions 是显式固定题集，不从已观测的 Attempt 并集猜——所有配置都没跑到的题仍然留在分母里按 0 分计。分数为 null（跑了但测不了）与完全没跑到的题分开计数（分别是 unscorable 和 unrun），成绩单能回答「这 0 分是没去考还是考了判不了」。score 默认是 examScore，每道题必须产出 [0, 1]；总分是 fullMarks × earned / possible。
指标散点图（MetricScatter）
每个点一个配置、两个指标各占一轴，回答「又好又便宜的是谁」。series 把同 agent 不同档位的点连成线；better 驱动轴向——lower 的轴反向画，「好」的角落恒在右上。
MetricScatter 直接消费传入的 Scope，宿主渲染前替你算好数据；默认 ExperimentComparison 也把当前 Scope 原样交给它。要嵌预先算好的数据，改传 data。
samples/total，禁用 JS 时退化为图内提示）、同系列连线、点击深链下钻。终端面用字母标点，图例列在图下；x 或 y 缺数据的点两个面都不画，注脚如实报「n 个点缺数据」；点太密排不下时降级为坐标表，不硬挤。画得出来的点是 0 个时，两个面都明说这两个指标没有可用数据，不留一片空白；1 个点也照常出图。维度槽也收自定义维度和 flag()（experiment 声明的变量），怎么选见自定义报告的「换分组」一节。
指标趋势图（MetricLine）
x 是有序变量、每个系列一条线，回答「变量拧大，分数怎么走」——并行 agent 数 × 模拟延迟 × 得分这类 scaling 图就是它。与 MetricScatter 的分工：散点图的两轴都是测出来的指标（找优势前沿），趋势图的 x 是你配置的变量（看趋势）。变量在 experiment 的 flags 里声明，报告用 flag() 或数值型 flag 助手直接引用，不从 experiment 命名里解析。
成对差异表（DeltaTable）
每行一对配置、每列一个指标，格子里 A、B、Δ 三个值，回答「这个开关值不值」「这次修复翻转了什么」。涨跌好坏由 better 判定，任一侧缺数据 Δ 显示为缺，不硬算。
pairs 的 a / b 除 experiment id 外也收快照键 <experimentId> @ <startedAt>——手挑的快照数组（比如某个实验的最新一次和上一次）配这种写法。pairsByFlag(name) 按一个 flag 机械导出全部 A/B 对：实验矩阵是「同配置开关某个 flag」时，配对关系本来就是 experiment 配置的推论，手抄 id 字面量等于把配置复写进报告，加实验后报告会静默缺行。
官方组件之外
以上摆法都表达不了时，用defineComponent 写自己的双面组件——网页怎么渲染、终端字符怎么排，两个面你都说了算，写法见自定义报告的「换形态」一节。