manage-renv-dependencies
Über
Diese Fähigkeit verwaltet R-Paketabhängigkeiten mit renv, um reproduzierbare Umgebungen zu erstellen. Sie behandelt Initialisierung, Snapshot/Wiederherstellungs-Workflows, Fehlerbehebung und CI/CD-Integration. Nutzen Sie sie beim Einrichten von Abhängigkeitsmanagement für R-Projekte, beim Wiederherstellen von Umgebungen auf neuen Rechnern oder beim Beheben von Wiederherstellungsfehlern.
Schnellinstallation
Claude Code
Empfohlennpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/manage-renv-dependenciesKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
管 renv 依賴
以 renv 立並護可重現 R 包環境。
用時
- 為新 R 項目啟依賴管
- 加或更包依賴
- 於新機復項目環境
- 排查 renv 復之敗
- 合 renv 於 CI/CD 管線
入
- 必要:R 項目目
- 可選:既
renv.lock檔(為復) - 可選:私包用之 GitHub PAT
法
第一步:啟 renv
renv::init()
此生:
renv/目(庫、設、啟動腳)renv.lock(依賴之拍)- 更
.Rprofile以啟載時啟 renv
**得:**項目本地庫已建。renv/ 目與 renv.lock 存。.Rprofile 已更附啟動腳。
**敗則:**若懸,察網。若敗於某包,先以 install.packages() 手裝此包,再運 renv::init()。
第二步:加依賴
如常裝包:
install.packages("dplyr")
renv::install("github-user/private-pkg")
然後拍以記態:
renv::snapshot()
得:renv.lock 以新包及版本更。renv::status() 顯無不同步之包。
**敗則:**若 renv::snapshot() 報驗誤,行 renv::dependencies() 察何包實用,再 renv::snapshot(force = TRUE) 繞驗。
第三步:於他機復
renv::restore()
**得:**諸包裝於 renv.lock 中之精版。
**敗則:**常疑:GitHub 包敗(於 .Renviron 設 GITHUB_PAT)、系統依賴缺(Linux 以 apt-get 裝)、大包超時(復前設 options(timeout = 600))、或二進不可得(renv 自源編;確構工具已裝)。
第四步:更依賴
# Update a specific package
renv::update("dplyr")
# Update all packages
renv::update()
# Snapshot after updates
renv::snapshot()
**得:**目標包已更至最新相容版。拍後 renv.lock 反新版。
**敗則:**若 renv::update() 為某包敗,試以 renv::install("package@version") 直裝再拍。
第五步:察態
renv::status()
得:「No issues found」或清列之不同步包附可行之導。
**敗則:**若態報包用而未記,行 renv::snapshot()。若包已記而未裝,行 renv::restore()。
第六步:設 .Rprofile 以條件啟
if (file.exists("renv/activate.R")) {
source("renv/activate.R")
}
此確項目即於 renv 未裝(CI 環境、合作者)時亦奏。
**得:**R 會於項目目啟時自動啟 renv。renv 未裝之會仍無誤而啟。
**敗則:**若 .Rprofile 致誤,確 file.exists() 守在。勿無條件呼 source("renv/activate.R")。
第七步:Git 之設
追此諸檔:
renv.lock # Always commit
renv/activate.R # Always commit
renv/settings.json # Always commit
.Rprofile # Commit (contains renv activation)
忽此(已於 renv 之 .gitignore):
renv/library/ # Machine-specific
renv/staging/ # Temporary
renv/cache/ # Machine-specific cache
得:renv.lock、renv/activate.R、renv/settings.json 為 Git 追。機專之目(renv/library/、renv/cache/)已忽。
**敗則:**若 renv/library/ 誤提交,以 git rm -r --cached renv/library/ 除並加於 .gitignore。
第八步:CI/CD 之合
於 GitHub Actions,用 renv 快取行動:
- uses: r-lib/actions/setup-renv@v2
此自動以 renv.lock 復,具快取。
**得:**CI 管線自 renv.lock 復包具快取。後運以快取之包更速。
**敗則:**若 CI 復敗,察 renv.lock 已提交且新。私 GitHub 包者,確 GITHUB_PAT 設為倉之密。
驗
-
renv::status()報無疑 -
renv.lock已於版本控制中提交 -
renv::restore()於潔取時奏 -
.Rprofile條件啟 renv - CI/CD 用
renv.lock解依賴
陷
renv::init()於誤目行:恆先驗getwd()- 混 renv 於系統庫:
renv::init()後唯用項目之庫 - 忘拍:裝包後恆行
renv::snapshot() --vanilla旗:Rscript --vanilla跳.Rprofile,故 renv 不啟- diff 中之大鎖檔:常——
renv.lock設為可 diff 之 JSON - Bioconductor 之包:用
renv::install("bioc::PackageName")並確 BiocManager 已設
參
create-r-package— 含 renv 之啟setup-github-actions-ci— 以 renv 合 CIsubmit-to-cran— CRAN 包之依賴管
GitHub Repository
Verwandte Skills
llamaguard
AndereLlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.
cost-optimization
AndereDiese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.
quantizing-models-bitsandbytes
AndereDiese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.
dispatching-parallel-agents
AndereDiese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.
