Zurück zu Fähigkeiten

scaffold-shiny-app

pjt222
Aktualisiert Yesterday
5 Ansichten
17
2
17
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

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

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

dispatching-parallel-agents

Andere

Diese 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.

Skill ansehen