Zurück zu Fähigkeiten

install-putior

pjt222
Aktualisiert Yesterday
3 Ansichten
17
2
17
Auf GitHub ansehen
Metaaiapimcpautomationdesign

Über

Diese Fähigkeit installiert und konfiguriert das `putior` R-Paket zur Visualisierung von Arbeitsabläufen, wobei sowohl CRAN- als auch GitHub-Installationen sowie optionale Abhängigkeiten behandelt werden. Sie überprüft, ob die vollständige Pipeline von der Annotation zum Diagramm funktionsfähig ist. Nutzen Sie sie für das anfängliche Setup, die Umgebungsvorbereitung oder bei der Wiederherstellung einer Umgebung nach Upgrades.

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/install-putior

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

Dokumentation

Install putior

Install putior R pkg + optional deps → annotation-to-diagram pipeline ready.

Use When

  • First-time setup in project/env
  • Prep machine for workflow viz
  • Downstream skill (analyze-codebase-workflow, generate-workflow-diagram) needs it
  • Restore after R ver upgrade / renv wipe

In

  • Required: R install (≥4.1.0)
  • Optional: CRAN (default) or GitHub dev ver
  • Optional: opt deps: MCP (mcptools, ellmer), interactive (shiny, shinyAce), logging (logger), ACP (plumber2)

Do

Step 1: Verify R install

R.Version()$version.string
# Must be >= 4.1.0
# From WSL with Windows R
"/mnt/c/Program Files/R/R-4.5.2/bin/Rscript.exe" -e "cat(R.version.string)"

→ R version printed, ≥4.1.0.

If err: install/upgrade R. Windows → https://cran.r-project.org/bin/windows/base/. Linux → sudo apt install r-base.

Step 2: Install putior

# CRAN (recommended)
install.packages("putior")

# GitHub dev version (if latest features needed)
remotes::install_github("pjt222/putior")

→ Installs no errors. library(putior) loads silently.

If err: CRAN fails "not available for R ver" → use GitHub. GitHub fails → check remotes installed: install.packages("remotes").

Step 3: Optional deps

# MCP server integration (for AI assistant access)
remotes::install_github("posit-dev/mcptools")
install.packages("ellmer")

# Interactive sandbox
install.packages("shiny")
install.packages("shinyAce")

# Structured logging
install.packages("logger")

# ACP server (agent-to-agent communication)
install.packages("plumber2")

→ Each installs no errors.

If err: mcptoolsremotes first. Linux system dep errs → install libs (e.g., sudo apt install libcurl4-openssl-dev for httr2).

Step 4: Verify

library(putior)

# Check package version
packageVersion("putior")

# Verify core functions are available
stopifnot(
  is.function(put),
  is.function(put_auto),
  is.function(put_diagram),
  is.function(put_generate),
  is.function(put_merge),
  is.function(put_theme)
)

# Test basic pipeline with a temp file
tmp <- tempfile(fileext = ".R")
writeLines("# put id:'test', label:'Hello putior'", tmp)
cat(put_diagram(put(tmp)))

→ Mermaid flowchart w/ test + Hello putior.

Key defaults: All scan fns (put(), put_auto(), put_generate(), put_merge()) default recursive = TRUE, scan subdirs auto. Breaking change from pre-0.2.0 where default was FALSE. All accept exclude param for regex file filtering (e.g., put("./src/", exclude = "test_")).

If shiny installed → interactive sandbox:

putior::run_sandbox()

Browser-based editor for PUT annotation syntax + real-time diagrams.

If err: put not found → pkg didn't install correctly. Reinstall install.packages("putior", dependencies = TRUE). Empty diagram → verify temp file + annotation uses single quotes inside double.

Check

  • library(putior) loads no errors
  • packageVersion("putior") valid version
  • put() on valid PUT annotation → DF w/ 1 row
  • put_diagram() → Mermaid starting flowchart
  • All requested opt deps load no errors

Traps

  • Wrong quote nesting: PUT uses single quotes inside annotation: id:'name' not id:"name" (conflicts w/ comment string delim).
  • Missing Pandoc for vignettes: build local → set RSTUDIO_PANDOC in .Renviron.
  • renv isolation: renv project → install inside renv lib: renv::install("putior") not install.packages().
  • GitHub rate limits: mcptools from GitHub may fail w/o GITHUB_PAT. Set via usethis::create_github_token().

  • analyze-codebase-workflow — next step post-install
  • configure-putior-mcp — MCP server after opt deps
  • manage-renv-dependencies — putior within renv env
  • configure-mcp-server — general MCP config

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/caveman-ultra/skills/install-putior
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese 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.

Skill ansehen

polymarket

Meta

Diese 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.

Skill ansehen

creating-opencode-plugins

Meta

Diese 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.

Skill ansehen

sglang

Meta

SGLang 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.

Skill ansehen