manage-renv-dependencies
Über
Diese Fähigkeit verwaltet R-Paket-Abhängigkeiten 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, beim Wiederherstellen von Umgebungen auf neuen Maschinen oder beim Lösen von Paketkonflikten.
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
以 renv 設並維可重 R 包環境。
用
- 啟新 R 項依管
- 加或更包依
- 新機上恢項環
- 調 renv 恢敗
- 合 renv 與 CI/CD
入
- 必:R 項目
- 可:現
renv.lock(恢用) - 可:私包之 GitHub PAT
行
一:啟 renv
renv::init()
此造:
renv/目(庫、設、啟腳本)renv.lock(依快照)- 更
.Rprofile載時啟 renv
得:項本地庫造。renv/ 目與 renv.lock 在。.Rprofile 更附啟腳本。
敗:掛→查網連。特包敗→先手動 install.packages() 裝後重運 renv::init()。
二:加依
常裝包:
install.packages("dplyr")
renv::install("github-user/private-pkg")
後快照記態:
renv::snapshot()
得:renv.lock 更附新包與版。renv::status() 示無失同包。
敗:renv::snapshot() 報驗誤→運 renv::dependencies() 察哪包實用,後 renv::snapshot(force = TRUE) 繞驗。
三:他機恢
renv::restore()
得:諸包裝於 renv.lock 之確版。
敗:常問題:GitHub 包敗(於 .Renviron 設 GITHUB_PAT);缺系統依(Linux 以 apt-get 裝);大包超時(恢前設 options(timeout = 600));無二進(renv 由源編;確備工具裝)。
四:更依
# Update a specific package
renv::update("dplyr")
# Update all packages
renv::update()
# Snapshot after updates
renv::snapshot()
得:目包更至新兼容版。renv.lock 快照後反新版。
敗:renv::update() 為特包敗→試以 renv::install("package@version") 直裝後快照。
五:查態
renv::status()
得:「No issues found」或失同包之明列附可行指。
敗:態報用而未記之包→運 renv::snapshot()。已記而未裝之包→運 renv::restore()。
六:配 .Rprofile 為條件啟
if (file.exists("renv/activate.R")) {
source("renv/activate.R")
}
此確即 renv 未裝(CI 環、協作者)項亦行。
得:R 會話於項目中啟時自啟 renv。無 renv 之會話仍無誤啟。
敗:.Rprofile 致誤→確 file.exists() 守存。永勿無條件呼 source("renv/activate.R")。
七:Git 配
追此文件:
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 由 Git 追。機特目(renv/library/、renv/cache/)忽。
敗:renv/library/ 誤提→以 git rm -r --cached renv/library/ 除並加 .gitignore。
八:CI/CD 合
GitHub Actions 用 renv 緩動:
- uses: r-lib/actions/setup-renv@v2
此自由 renv.lock 附緩恢。
得:CI 管線由 renv.lock 恢包附緩啟。後運因緩包更速。
敗:CI 恢敗→查 renv.lock 提且新。私 GitHub 包→確 GITHUB_PAT 設為庫秘。
驗
-
renv::status()報無問題 -
renv.lock提於版控 -
renv::restore()於淨檢出上行 -
.Rprofile條件啟 renv - CI/CD 用
renv.lock為依解
忌
- 於誤目運
renv::init():必先驗getwd() - 混 renv 與系統庫:
renv::init()後僅用項庫 - 忘快照:裝包後必運
renv::snapshot() --vanilla旗:Rscript --vanilla略.Rprofile→ renv 不啟- 大鎖文件於 diff:常——
renv.lock設為可 diff JSON - Bioconductor 包:用
renv::install("bioc::PackageName")並確 BiocManager 配
參
create-r-package- 含 renv 啟setup-github-actions-ci- 與 renv 之 CI 合submit-to-cran- CRAN 包之依管
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.
