SKILL·937FC7

scaffold-shiny-app

pjt222
Aktualisiert 3 months ago
15 Ansichten
31
3
31
Auf GitHub ansehen
Anderegeneral

Über

Diese Claude Skill erstellt neue Shiny-Anwendungen in R mithilfe der Frameworks golem (Produktionspaket), rhino (Enterprise) oder vanilla (schneller Prototyp). Sie übernimmt die Projektinitialisierung und erstellt das erste Modul, was sie ideal für den Start interaktiver Web-Apps, die Prototypenerstellung von Dashboards oder die Einrichtung produktionsreifer Shiny-Projekte macht. Entwickler können Projekte schnell mit einer geeigneten Struktur und optionalem Abhängigkeitsmanagement initialisieren.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/scaffold-shiny-app

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation


name: scaffold-shiny-app description: > 使用 golem(生产 R 包)、rhino(企业级)或 vanilla(快速原型)结构搭建新的 Shiny 应用程序。涵盖框架选择、项目初始化及第一个模块创建。适用于在 R 中 启动新的交互式 Web 应用、创建仪表盘或数据探索器原型、将生产 Shiny 应用 以 golem 方式设置为 R 包,或用 rhino 引导企业级 Shiny 项目。 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: shiny complexity: basic language: R tags: shiny, golem, rhino, scaffold, web-app, reactive locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16

搭建 Shiny 应用

使用 golem、rhino 或 vanilla 脚手架创建具有生产就绪结构的新 Shiny 应用程序。

适用场景

  • 在 R 中启动新的交互式 Web 应用
  • 创建仪表盘或数据探索器原型
  • 将生产 Shiny 应用设置为 R 包(golem)
  • 引导企业级 Shiny 项目(rhino)

输入

  • 必需:应用名称
  • 必需:框架选择(golem、rhino 或 vanilla)
  • 可选:是否包含模块脚手架(默认:是)
  • 可选:是否使用 renv 进行依赖管理(默认:是)
  • 可选:部署目标(shinyapps.io、Posit Connect、Docker)

步骤

第 1 步:选择框架

根据项目需求评估并选择合适的框架:

框架最适用于结构
golem以 R 包形式交付的生产应用包含 DESCRIPTION、测试、vignette 的 R 包
rhino带 JS/CSS 构建管道的企业应用box 模块、Sass、JS 打包、rhino::init()
vanilla快速原型和学习单个 app.R 或 ui.R/server.R 对

预期结果: 基于项目范围和团队需求做出明确的框架决策。

失败处理: 如果不确定,默认选择 golem——它提供最多结构,后期可简化。vanilla 仅适用于一次性原型。

第 2 步:搭建项目

Golem 路径

golem::create_golem("myapp", package_name = "myapp")

这会创建:

myapp/
├── DESCRIPTION
├── NAMESPACE
├── R/
│   ├── app_config.R
│   ├── app_server.R
│   ├── app_ui.R
│   └── run_app.R
├── dev/
│   ├── 01_start.R
│   ├── 02_dev.R
│   ├── 03_deploy.R
│   └── run_dev.R
├── inst/
│   ├── app/www/
│   └── golem-config.yml
├── man/
├── tests/
│   ├── testthat.R
│   └── testthat/
└── vignettes/

Rhino 路径

rhino::init("myapp")

这会创建:

myapp/
├── app/
│   ├── js/
│   ├── logic/
│   ├── static/
│   ├── styles/
│   ├── view/
│   └── main.R
├── tests/
│   ├── cypress/
│   └── testthat/
├── .github/
├── app.R
├── dependencies.R
├── rhino.yml
└── renv.lock

Vanilla 路径

创建 app.R

library(shiny)
library(bslib)

ui <- page_sidebar(
  title = "My App",
  sidebar = sidebar(
    sliderInput("n", "Sample size", 10, 1000, 100)
  ),
  card(
    card_header("Output"),
    plotOutput("plot")
  )
)

server <- function(input, output, session) {
  output$plot <- renderPlot({
    hist(rnorm(input$n), main = "Random Normal")
  })
}

shinyApp(ui, server)

预期结果: 项目目录已创建,包含所有脚手架文件。

失败处理: 对于 golem,确保已安装 golem 包:install.packages("golem")。对于 rhino,从 GitHub 安装:remotes::install_github("Appsilon/rhino")。对于 vanilla,确保 shiny 和 bslib 已安装。

第 3 步:配置依赖项

Golem/Vanilla

# Initialize renv
renv::init()

# Add core dependencies
usethis::use_package("shiny")
usethis::use_package("bslib")
usethis::use_package("DT")         # if using data tables
usethis::use_package("plotly")     # if using interactive plots

# Snapshot
renv::snapshot()

Rhino

依赖项在 dependencies.R 中管理:

# dependencies.R
library(shiny)
library(bslib)
library(DT)

预期结果: 所有依赖项记录在 DESCRIPTION(golem)或 dependencies.R(rhino)中,并用 renv 锁定。

失败处理: 如果 renv::init() 失败,检查写入权限。如果包安装失败,检查 R 版本兼容性。

第 4 步:创建第一个模块

Golem

golem::add_module(name = "dashboard", with_test = TRUE)

这会创建 R/mod_dashboard.Rtests/testthat/test-mod_dashboard.R

Rhino

创建 app/view/dashboard.R

box::use(
  shiny[moduleServer, NS, tagList, h3, plotOutput, renderPlot],
)

#' @export
ui <- function(id) {
  ns <- NS(id)
  tagList(
    h3("Dashboard"),
    plotOutput(ns("plot"))
  )
}

#' @export
server <- function(id) {
  moduleServer(id, function(input, output, session) {
    output$plot <- renderPlot({
      plot(1:10)
    })
  })
}

Vanilla

将模块函数添加到单独的文件 R/mod_dashboard.R

dashboardUI <- function(id) {
  ns <- NS(id)
  tagList(
    h3("Dashboard"),
    plotOutput(ns("plot"))
  )
}

dashboardServer <- function(id) {
  moduleServer(id, function(input, output, session) {
    output$plot <- renderPlot({
      plot(1:10)
    })
  })
}

预期结果: 模块文件已创建,包含使用正确命名空间的 UI 和 server 函数。

失败处理: 确保模块在 UI 函数中使用 NS(id) 处理所有输入/输出 ID。如果没有命名空间,多次使用该模块时 ID 会冲突。

第 5 步:运行应用程序

# Golem
golem::run_dev()

# Rhino
shiny::runApp()

# Vanilla
shiny::runApp("app.R")

预期结果: 应用程序在浏览器中启动,无错误。

失败处理: 检查 R 控制台中的错误消息。常见问题:缺少包(安装它们)、端口已被占用(用 port = 3839 指定不同端口),或 UI/server 代码中存在语法错误。

验证清单

  • 应用目录具有所选框架的正确结构
  • shiny::runApp() 启动无错误
  • 至少搭建了一个具有 UI 和 server 函数的模块
  • 依赖项已记录(DESCRIPTION 或 dependencies.R)
  • renv.lock 捕获所有包版本
  • 模块使用 NS(id) 进行正确的命名空间隔离

常见问题

  • 为生产环境选择 vanilla:vanilla 结构缺乏测试基础设施、文档和部署工具。原型之外的任何项目都应使用 golem 或 rhino。
  • 模块中缺少命名空间:模块 UI 中的每个 inputIdoutputId 都必须用 ns() 包裹。遗漏会导致静默的 ID 冲突。
  • golem 缺少 devtools 工作流:golem 应用是 R 包。使用 devtools::load_all()devtools::test()devtools::document()——而非 source()
  • rhino 不使用 box:rhino 使用 box 进行模块导入。不要回退到 library() 调用——使用 box::use() 进行显式导入。

相关技能

  • build-shiny-module — 创建具有正确命名空间隔离的可复用 Shiny 模块
  • test-shiny-app — 设置 shinytest2 和 testServer() 测试
  • deploy-shiny-app — 部署到 shinyapps.io、Posit Connect 或 Docker
  • design-shiny-ui — bslib 主题和响应式布局设计
  • create-r-package — R 包脚手架(golem 应用是 R 包)
  • manage-renv-dependencies — 详细的 renv 依赖管理

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/zh-CN/skills/scaffold-shiny-app
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

Häufig gestellte Fragen

Was ist der Skill scaffold-shiny-app?

scaffold-shiny-app ist ein Claude Skill von pjt222. Skills bündeln Anweisungen und Ressourcen, die Claude bei Bedarf lädt, um Aufgaben rund um scaffold-shiny-app ohne zusätzliche Eingaben auszuführen.

Wie installiere ich scaffold-shiny-app?

Verwende die Installationsbefehle auf dieser Seite: Füge scaffold-shiny-app als Plugin zu Claude Code hinzu oder klone das Repository in dein Skills-Verzeichnis. Starte Claude danach neu, damit der Skill geladen wird.

Zu welcher Kategorie gehört scaffold-shiny-app?

scaffold-shiny-app gehört zur Kategorie Andere.

Kann ich scaffold-shiny-app kostenlos nutzen?

Ja. scaffold-shiny-app ist auf AIMCP gelistet und kann kostenlos installiert werden.

Verwandte Skills

llamaguard
Andere

LlamaGuard 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.

Skill ansehen
cost-optimization
Andere

Diese 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.

Skill ansehen
sports-betting-analyzer
Andere

Diese Claude Skill analysiert Sportwettenmärkte inklusive Handicaps, Over/Unders und Spezialwetten, indem sie historische Trends und situative Statistiken untersucht, um Wertwetten zu identifizieren. Sie liefert strukturierte Markdown-Ausgaben mit umsetzbaren Empfehlungen zu Bildungszwecken. Entwickler sollten dies für Sportwetten-Analysetools nutzen, wobei zu beachten ist, dass es nur zur Unterhaltung/Bildung konzipiert wurde.

Skill ansehen
quantizing-models-bitsandbytes
Andere

Diese 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.

Skill ansehen