add-puzzle-type
About
This Claude Skill scaffolds a new puzzle type across all 10+ pipeline integration points in the jigsawR package. It creates the core module, wires it into the unified pipeline (generation, positioning, rendering, adjacency), and adds ggplot2 layers. It also updates package configuration, extends the Shiny app, and builds a comprehensive test suite for complete integration.
Quick Install
Claude Code
Recommendednpx 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/add-puzzle-typeCopy and paste this command in Claude Code to install this skill
Documentation
name: add-puzzle-type description: > Einen neuen Puzzletyp ueber alle 10+ Pipeline-Integrationspunkte in jigsawR aufsetzen. Erstellt das Kern-Puzzlemodul, verdrahtet es in die einheitliche Pipeline (Generierung, Positionierung, Rendering, Adjazenz), fuegt ggpuzzle geom/stat-Layer hinzu, aktualisiert DESCRIPTION und config.yml, erweitert die Shiny-App und erstellt eine umfassende Testsuite. license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: jigsawr complexity: advanced language: R tags: jigsawr, puzzle-type, pipeline, integration, scaffold locale: de source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16
Puzzletyp hinzufuegen
Einen neuen Puzzletyp ueber alle Pipeline-Integrationspunkte in jigsawR aufsetzen.
Wann verwenden
- Einen komplett neuen Puzzletyp zum Paket hinzufuegen
- Der etablierten Integrations-Checkliste folgen (CLAUDE.md 10-Punkte-Pipeline)
- Sicherstellen, dass nichts uebersehen wird, wenn ein neuer Typ End-to-End verdrahtet wird
Eingaben
- Erforderlich: Name des neuen Typs (Kleinbuchstaben, z.B.
"triangular") - Erforderlich: Geometriebeschreibung (wie Teile geformt/angeordnet sind)
- Erforderlich: Ob der Typ externe Pakete benoetigt (zu Suggests hinzufuegen)
- Optional: Parameterliste ueber die Standard-Parameter hinaus (grid, size, seed, tabsize, offset)
- Optional: Referenzimplementierung oder Algorithmusquelle
Vorgehensweise
Schritt 1: Kern-Puzzlemodul erstellen
R/<type>_puzzle.R mit der internen Generierungsfunktion erstellen:
#' Generate <type> puzzle pieces (internal)
#' @noRd
generate_<type>_pieces_internal <- function(params, seed) {
# 1. RNG-Zustand initialisieren
# 2. Teilegeometrien generieren
# 3. Kantenpfade erstellen (SVG-Pfaddaten)
# 4. Adjazenz berechnen
# 5. Liste zurueckgeben: pieces, edges, adjacency, metadata
}
Dem Muster in R/voronoi_puzzle.R oder R/snic_puzzle.R fuer die Struktur folgen.
Erwartet: Funktion gibt eine Liste mit $pieces, $edges, $adjacency, $metadata zurueck.
Bei Fehler: Die Rueckgabestruktur mit generate_voronoi_pieces_internal() vergleichen, um fehlende Listenelemente oder falsche Typen zu identifizieren.
Schritt 2: In jigsawR_clean.R verdrahten
R/jigsawR_clean.R bearbeiten:
"<type>"zumvalid_types-Vektor hinzufuegen- Typspezifische Parameterextraktion im Params-Abschnitt hinzufuegen
- Validierungslogik fuer typspezifische Beschraenkungen hinzufuegen
- Dateinamenpraefixzuordnung hinzufuegen (z.B.
"<type>"->"<type>_")
# In valid_types
valid_types <- c("rectangular", "hexagonal", "concentric", "voronoi", "snic", "<type>")
Erwartet: generate_puzzle(type = "<type>") wird ohne "unknown type"-Fehler akzeptiert.
Bei Fehler: Sicherstellen, dass der Typ-String exakt wie geschrieben zu valid_types hinzugefuegt wurde und dass die Parameterextraktion alle erforderlichen typspezifischen Argumente abdeckt.
Schritt 3: In unified_piece_generation.R verdrahten
R/unified_piece_generation.R bearbeiten:
- Dispatch-Fall in
generate_pieces_internal()hinzufuegen - Fusionsbehandlung hinzufuegen, falls der Typ PILES-Notation unterstuetzt
# Im switch/dispatch
"<type>" = generate_<type>_pieces_internal(params, seed)
Erwartet: Teile werden generiert, wenn der Typ dispatcht wird.
Bei Fehler: Bestaetigen, dass der Dispatch-Fall-String exakt mit dem Typnamen uebereinstimmt und dass generate_<type>_pieces_internal definiert und aus dem Puzzlemodul exportiert ist.
Schritt 4: In piece_positioning.R verdrahten
R/piece_positioning.R bearbeiten:
Positionierungs-Dispatch fuer den neuen Typ hinzufuegen. Die meisten Typen verwenden gemeinsame Positionierungslogik, aber einige benoetigen benutzerdefinierte Behandlung.
Erwartet: apply_piece_positioning() behandelt den neuen Typ ohne Fehler und Teile werden an korrekten Koordinaten platziert.
Bei Fehler: Pruefen, ob der neue Typ benutzerdefinierte Positionierungslogik benoetigt oder den gemeinsamen Positionierungspfad wiederverwenden kann. Einen Dispatch-Fall hinzufuegen, falls der Standardpfad nicht gilt.
Schritt 5: In unified_renderer.R verdrahten
R/unified_renderer.R bearbeiten:
- Rendering-Fall in
render_puzzle_svg()hinzufuegen - Kantenpfadfunktion hinzufuegen:
get_<type>_edge_paths() - Teilenamenfunktion hinzufuegen:
get_<type>_piece_name()
Erwartet: SVG-Ausgabe wird fuer den neuen Typ mit korrekten Teileumrissen und Kantenpfaden generiert.
Bei Fehler: Sicherstellen, dass get_<type>_edge_paths() gueltige SVG-Pfaddaten zurueckgibt und get_<type>_piece_name() eindeutige Bezeichner fuer jedes Teil erzeugt.
Schritt 6: In adjacency_api.R verdrahten
R/adjacency_api.R bearbeiten:
Nachbar-Dispatch hinzufuegen, damit get_neighbors() und get_adjacency() fuer den neuen Typ funktionieren.
Erwartet: get_neighbors(result, piece_id) gibt korrekte Nachbarn fuer jedes Teil im Puzzle zurueck.
Bei Fehler: Pruefen, ob der Adjazenz-Dispatch die korrekte Datenstruktur zurueckgibt. Mit einem kleinen Raster testen und Nachbarschaftsbeziehungen manuell gegen die Geometrie verifizieren.
Schritt 7: ggpuzzle Geom-Layer hinzufuegen
R/geom_puzzle.R bearbeiten:
geom_puzzle_<type>() unter Verwendung der make_puzzle_layer()-Factory erstellen:
#' @export
geom_puzzle_<type> <- function(mapping = NULL, data = NULL, ...) {
make_puzzle_layer(type = "<type>", mapping = mapping, data = data, ...)
}
Erwartet: ggplot() + geom_puzzle_<type>(aes(...)) rendert ohne Fehler.
Bei Fehler: Sicherstellen, dass make_puzzle_layer() den korrekten Typ-String erhaelt und dass die Geom-Funktion im NAMESPACE ueber @export exportiert wird.
Schritt 8: Stat-Dispatch hinzufuegen
R/stat_puzzle.R bearbeiten:
- Typspezifische Standardparameter hinzufuegen
- Dispatch-Fall in
compute_panel()hinzufuegen
Erwartet: Der Stat-Layer berechnet die Puzzlegeometrie korrekt und erzeugt die erwartete Anzahl von Polygonen.
Bei Fehler: Pruefen, ob der compute_panel()-Dispatch-Fall einen Data Frame mit den erforderlichen Spalten (x, y, group, piece_id) zurueckgibt und ob die Standardparameter fuer den neuen Typ sinnvoll sind.
Schritt 9: DESCRIPTION aktualisieren
DESCRIPTION bearbeiten:
- Neuen Typ zum Description-Feldtext hinzufuegen
- Neue Pakete zu
Suggests:hinzufuegen (falls externe Abhaengigkeit) Collate:aktualisieren, um die neue R-Datei einzuschliessen (alphabetische Reihenfolge)
Erwartet: devtools::document() ist erfolgreich. Kein NOTE ueber nicht aufgelistete Dateien.
Bei Fehler: Pruefen, ob die neue R-Datei im Collate:-Feld in alphabetischer Reihenfolge aufgefuehrt ist und ob neue Suggests-Pakete korrekt mit Versionsbeschraenkungen geschrieben sind.
Schritt 10: config.yml aktualisieren
inst/config.yml bearbeiten:
Standards und Beschraenkungen fuer den neuen Typ hinzufuegen:
<type>:
grid:
default: [3, 3]
min: [2, 2]
max: [20, 20]
size:
default: [300, 300]
min: [100, 100]
max: [2000, 2000]
tabsize:
default: 20
min: 5
max: 50
# Typspezifische Parameter hier hinzufuegen
Erwartet: Konfiguration ist gueltiges YAML. Standardwerte erzeugen ein funktionierendes Puzzle bei Verwendung durch generate_puzzle().
Bei Fehler: YAML mit yaml::yaml.load_file("inst/config.yml") validieren. Sicherstellen, dass Standard-Grid- und Size-Werte ein sinnvolles Puzzle erzeugen (nicht zu klein oder zu gross).
Schritt 11: Shiny-App erweitern
inst/shiny-app/app.R bearbeiten:
- Den neuen Typ zum UI-Typ-Selektor hinzufuegen
- Bedingte UI-Panels fuer typspezifische Parameter hinzufuegen
- Serverseitige Generierungslogik hinzufuegen
Erwartet: Shiny-App zeigt den neuen Typ im Dropdown an und generiert Puzzles bei Auswahl.
Bei Fehler: Pruefen, ob der Typ zum choices-Argument des UI-Selektors hinzugefuegt wurde, ob das bedingte Panel fuer typspezifische Parameter conditionalPanel(condition = "input.type == '<type>'") verwendet und ob der serverseitige Handler die korrekten Parameter uebergibt.
Schritt 12: Testsuite erstellen
tests/testthat/test-<type>-puzzles.R erstellen:
test_that("<type> puzzle generates correct piece count", { ... })
test_that("<type> puzzle respects seed reproducibility", { ... })
test_that("<type> adjacency returns valid neighbors", { ... })
test_that("<type> fusion merges pieces correctly", { ... })
test_that("<type> geom layer renders without error", { ... })
test_that("<type> SVG output is well-formed", { ... })
test_that("<type> config constraints are enforced", { ... })
Falls der Typ ein externes Paket benoetigt, Tests mit skip_if_not_installed() umschliessen.
Erwartet: Alle Tests bestehen. Keine Skips, es sei denn, eine externe Abhaengigkeit fehlt.
Bei Fehler: Jeden Integrationspunkt einzeln pruefen. Das haeufigste Problem sind fehlende Dispatch-Faelle -- grep -rn "switch\|valid_types" R/ ausfuehren, um alle Dispatch-Stellen zu finden.
Validierung
-
generate_puzzle(type = "<type>")erzeugt gueltige Ausgabe - Alle 10 Integrationspunkte sind korrekt verdrahtet
-
devtools::test()besteht mit neuen Tests -
devtools::check()gibt 0 Fehler, 0 Warnungen zurueck - Shiny-App rendert den neuen Typ
- Konfigurationsbeschraenkungen werden durchgesetzt (Min/Max-Validierung)
- Adjazenz und Fusion funktionieren korrekt
- ggpuzzle Geom-Layer rendert ohne Fehler
-
devtools::document()ist erfolgreich (NAMESPACE aktualisiert)
Haeufige Fehler
- Fehlender Dispatch-Fall: Das Vergessen einer der 10+ Dateien verursacht stilles Versagen oder "unknown type"-Fehler
- strsplit mit negativen Zahlen: Beim Erstellen von Adjazenz-Schluesseln mit
paste(a, b, sep = "-")erzeugen negative Teile-Labels Schluessel wie"1--1". Stattdessen"|"als Trennzeichen verwenden und mit"\\|"splitten. - Verwendung von
cat()fuer Ausgabe: Immercli-Paket-Logging-Wrapper verwenden (log_info,log_warn, etc.) - Collate-Reihenfolge: Das DESCRIPTION Collate-Feld muss alphabetisch oder abhaengigkeitsgeordnet sein
- Config.yml-Format: Sicherstellen, dass YAML gueltig ist; mit
yaml::yaml.load_file("inst/config.yml")testen
Verwandte Skills
generate-puzzle-- Den neuen Typ nach dem Aufsetzen testenrun-puzzle-tests-- Die vollstaendige Testsuite zur Verifizierung der Integration ausfuehrenvalidate-piles-notation-- Fusion mit dem neuen Typ testenwrite-testthat-tests-- Allgemeine Muster zum Schreiben von Testswrite-roxygen-docs-- Die neue Geom-Funktion dokumentieren
GitHub Repository
Related Skills
evaluating-llms-harness
TestingThis Claude Skill runs the lm-evaluation-harness to benchmark LLMs across 60+ standardized academic tasks like MMLU and GSM8K. It's designed for developers to compare model quality, track training progress, or report academic results. The tool supports various backends including HuggingFace and vLLM models.
cloudflare-cron-triggers
TestingThis skill provides comprehensive knowledge for implementing Cloudflare Cron Triggers to schedule Workers using cron expressions. It covers setting up periodic tasks, maintenance jobs, and automated workflows while handling common issues like invalid cron expressions and timezone problems. Developers can use it for configuring scheduled handlers, testing cron triggers, and integrating with Workflows and Green Compute.
webapp-testing
TestingThis Claude Skill provides a Playwright-based toolkit for testing local web applications through Python scripts. It enables frontend verification, UI debugging, screenshot capture, and log viewing while managing server lifecycles. Use it for browser automation tasks but run scripts directly rather than reading their source code to avoid context pollution.
finishing-a-development-branch
TestingThis skill helps developers complete finished work by verifying tests pass and then presenting structured integration options. It guides the workflow for merging, creating PRs, or cleaning up branches after implementation is done. Use it when your code is ready and tested to systematically finalize the development process.
