create-quarto-report
Über
Diese Fähigkeit erstellt Quarto-Dokumente für reproduzierbare Berichte, Präsentationen und Websites. Sie verarbeitet YAML-Konfiguration, Code-Chunks, Ausgabeformate und das Rendern in HTML/PDF/Word. Nutzen Sie sie für Analysen mit eingebettetem Code oder für die Migration von R Markdown.
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/create-quarto-reportKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
Create Quarto Report
Repro Quarto doc → reports / presentations / websites.
Use When
- Repro analysis report
- Presentation w/ embedded code
- Gen HTML/PDF/Word from code
- Migrate R Markdown → Quarto
In
- Required: Topic + audience
- Required: Out fmt (html, pdf, docx, revealjs)
- Optional: Data + analysis code
- Optional: Bib (.bib)
Do
Step 1: Create Doc
report.qmd:
---
title: "Analysis Report"
author: "Author Name"
date: today
format:
html:
toc: true
toc-depth: 3
code-fold: true
theme: cosmo
self-contained: true
execute:
echo: true
warning: false
message: false
bibliography: references.bib
---
Got: report.qmd exists w/ valid YAML (title, author, date, format, exec).
If err: Validate YAML header — --- delimiters match, indent correct. format: = supported (html, pdf, docx, revealjs).
Step 2: Content + Chunks
## Introduction
This report analyzes the relationship between variables X and Y.
## Data
```{r}
#| label: load-data
library(dplyr)
library(ggplot2)
data <- read.csv("data.csv")
glimpse(data)
```
## Analysis
```{r}
#| label: fig-scatter
#| fig-cap: "Scatter plot of X vs Y"
#| fig-width: 8
#| fig-height: 6
ggplot(data, aes(x = x_var, y = y_var)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm") +
theme_minimal()
```
As shown in @fig-scatter, there is a positive relationship.
## Results
```{r}
#| label: tbl-summary
#| tbl-cap: "Summary statistics"
data |>
summarise(
mean_x = mean(x_var),
sd_x = sd(x_var),
mean_y = mean(y_var),
sd_y = sd(y_var)
) |>
knitr::kable(digits = 2)
```
See @tbl-summary for descriptive statistics.
Got: Sections w/ {r} chunks + #| opts (labels, captions, dims).
If err: Verify ```{r} syntax (not inline). #| inside chunk (not YAML). Label prefix matches xref type (fig-, tbl-).
Step 3: Chunk Opts
Common (#|):
#| label: chunk-name # Required for cross-references
#| echo: false # Hide code
#| eval: false # Show but don't run
#| output: false # Run but hide output
#| fig-width: 8 # Figure dimensions
#| fig-height: 6
#| fig-cap: "Caption text" # Enable @fig-name references
#| tbl-cap: "Caption text" # Enable @tbl-name references
#| cache: true # Cache expensive computations
Got: Opts via #| syntax, labels = xref naming conv.
If err: #| (Quarto-native), not legacy {r, option=value}. Labels alphanumeric + hyphens only.
Step 4: Xrefs + Citations
See @fig-scatter for the visualization and @tbl-summary for statistics.
This approach follows @smith2023 methodology.
::: {#fig-combined layout-ncol=2}
{#fig-plotA}
{#fig-plotB}
Combined figure caption
:::
Got: Xrefs (@fig-name, @tbl-name) resolve. Citations (@key) match .bib.
If err: Verify labels exist w/ correct prefix (fig-, tbl-). .bib keys exact (case-sensitive). bibliography: in YAML.
Step 5: Render
quarto render report.qmd
# Specific format
quarto render report.qmd --to pdf
quarto render report.qmd --to docx
# Preview with live reload
quarto preview report.qmd
Got: Out file in fmt.
If err:
- No quarto → install https://quarto.org/docs/get-started/
- PDF err →
quarto install tinytex - R pkg err → install
Step 6: Multi-Fmt Out
format:
html:
toc: true
theme: cosmo
pdf:
documentclass: article
geometry: margin=1in
docx:
reference-doc: template.docx
Render all: quarto render report.qmd
Got: All fmts gen, correct styling per target.
If err: 1 fail, others OK → check fmt-specific. PDF → LaTeX engine (quarto install tinytex). DOCX → valid ref template if set. Fmt opts nested under each format key.
Check
- Renders no err
- All chunks execute
- Xrefs resolve (fig, tbl, cite)
- TOC accurate
- Out fmt fits audience
Traps
- No label prefix: Fig xref needs
fig-, tbl needstbl- - Cache invalid: Cached chunks don't re-run on upstream change. Delete
_cache/→ force. - PDF no LaTeX: Install TinyTeX OR
pdf-engine: weasyprint(CSS-based) - RMD syntax in Quarto: Use
#|not{r, echo=FALSE}
→
format-apa-report— APA academic reportsbuild-parameterized-report— param multi-reportsgenerate-statistical-tables— pub-ready tableswrite-vignette— Quarto vignettes in R pkgs
GitHub Repository
Verwandte Skills
content-collections
MetaDiese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.
polymarket
MetaDiese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.
creating-opencode-plugins
MetaDiese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.
sglang
MetaSGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.
