render-puzzle-docs
Über
Diese Fähigkeit rendert die jigsawR Quarto-Dokumentationsseite für GitHub Pages und unterstützt frische, zwischengespeicherte oder Einzelseiten-Renderings. Verwenden Sie sie für vollständige Seiten-Builds nach Inhaltsänderungen, Einzelseiten-Rendering während iterativer Bearbeitung oder zur Vorbereitung von Dokumentationen für Releases. Sie kann entweder ein gebündeltes Skript oder einen direkten Quarto-Aufruf via WSL nutzen.
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/render-puzzle-docsKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
渲拼之文檔
渲 jigsawR 之 Quarto 文檔站。
用時
- 內變後建全文檔站乃用
- 於迭編時渲單頁乃用
- 為釋或 PR 備文檔乃用
- 於 Quarto .qmd 之文中察渲誤乃用
入
- 必要:渲模(
fresh、cached、或single) - 可選:具體 .qmd 文之路(為單頁模)
- 可選:是否於覽器開其果
法
第一步:擇渲模
| 模 | 命 | 時 | 用時 |
|---|---|---|---|
| Fresh | bash inst/scripts/render_quarto.sh | ~5-7 分 | 內變、緩陳 |
| Cached | bash inst/scripts/render_quarto.sh --cached | ~1-2 分 | 微編、緩有效 |
| Single | 直 quarto.exe | ~30s | 迭一頁 |
得:依當境擇渲模:內變或緩陳用 fresh,微編用 cached,迭一頁用 single。
敗則:若不確緩是否陳,默用 fresh。其雖久而保正出。
第二步:行渲
Fresh 渲(清 _freeze 與 _site,再行諸 R 碼):
cd /mnt/d/dev/p/jigsawR && bash inst/scripts/render_quarto.sh
Cached 渲(用現 _freeze 文):
cd /mnt/d/dev/p/jigsawR && bash inst/scripts/render_quarto.sh --cached
單頁(直渲一 .qmd 文):
QUARTO_EXE="/mnt/c/Program Files/RStudio/resources/app/bin/quarto/bin/quarto.exe"
"$QUARTO_EXE" render quarto/getting-started.qmd
得:渲畢無誤。出於 quarto/_site/。
敗則:
- 察 .qmd 塊中 R 碼之誤(尋
#| label:之標) - 驗 pandoc 由
RSTUDIO_PANDOC環變可得 - 試清緩:
rm -rf quarto/_freeze quarto/_site - 察 .qmd 文中所用之 R 包皆已裝
第三步:驗其出
ls -la /mnt/d/dev/p/jigsawR/quarto/_site/index.html
確站之構:
quarto/_site/index.html存- 導鏈解正
- 圖與 SVG 文渲正
得:index.html 存且非空。導鏈解,圖/SVG 於覽器渲正。
敗則:若 index.html 缺,渲或暗敗。重行附詳出察 R 碼之誤於 .qmd 塊。若獨某頁缺,驗其 .qmd 文於 _quarto.yml 中已列。
第四步:預覽(可選)
於 Windows 覽器開:
cmd.exe /c start "" "D:\\dev\\p\\jigsawR\\quarto\\_site\\index.html"
得:文檔站於 Windows 默覽器開以視察。
敗則:若自 WSL cmd.exe /c start 命敗,試 explorer.exe "D:\\dev\\p\\jigsawR\\quarto\\_site\\index.html"。或於覽器手導至文。
驗
-
quarto/_site/index.html存且非空 - 控台之出無渲誤
- 諸 R 碼塊皆順行(察誤信)
- 諸頁之導行
- 諸 .qmd 文之碼塊皆有
#| label:以清渲
陷
- 陳之凍緩:若 R 碼變,用 fresh 渲再生
_freeze文 - 缺 R 包:Quarto .qmd 文或用 renv 中無之包;先裝之
- 無 Pandoc:確
RSTUDIO_PANDOC設於.Renviron - 久之渲:fresh 渲 5-7 分(14 頁附 R 行);迭時用 cached 模
- 碼塊之標:諸 R 碼塊宜有
#| label:以清渲
參
generate-puzzle— 生文檔所引之拼出run-puzzle-tests— 確文中之碼例為正create-quarto-report— 通用之 Quarto 文檔之立
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.
