build-parameterized-report
About
This skill enables developers to create parameterized reports in Quarto or R Markdown that can be rendered with different inputs to generate multiple variations. It covers parameter definitions, programmatic rendering, and batch generation. Use it when you need to automate the same report for different departments, clients, time periods, or to build dashboards with specific filters.
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/build-parameterized-reportCopy and paste this command in Claude Code to install this skill
Documentation
name: build-parameterized-report description: > Crear informes parametrizados en Quarto o R Markdown que pueden renderizarse con diferentes entradas para generar múltiples variaciones. Cubre definiciones de parámetros, renderizado programático y generación por lotes. Usar al generar el mismo informe para diferentes departamentos, regiones o períodos de tiempo; crear informes específicos por cliente desde una plantilla; construir dashboards que filtren subconjuntos específicos; o automatizar informes recurrentes con entradas variables. license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: reporting complexity: intermediate language: R tags: quarto, parameterized, batch, automation, reporting locale: es source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16
Construir Informe Parametrizado
Crear informes que aceptan parámetros para generar múltiples variaciones personalizadas desde una sola plantilla.
Cuándo Usar
- Generar el mismo informe para diferentes departamentos, regiones o períodos de tiempo
- Crear informes específicos por cliente desde una plantilla
- Construir dashboards que filtren subconjuntos específicos
- Automatizar informes recurrentes con diferentes entradas
Entradas
- Requerido: Plantilla de informe (Quarto o R Markdown)
- Requerido: Definiciones de parámetros (nombres, tipos, valores por defecto)
- Opcional: Lista de valores de parámetros para generación por lotes
- Opcional: Directorio de salida para los informes generados
Procedimiento
Paso 1: Definir Parámetros en YAML
Para Quarto (report.qmd):
---
title: "Sales Report: `r params$region`"
params:
region: "North America"
year: 2025
include_forecast: true
format:
html:
toc: true
---
Para R Markdown (report.Rmd):
---
title: "Sales Report"
params:
region: "North America"
year: 2025
include_forecast: true
output: html_document
---
Esperado: El encabezado YAML contiene un bloque params: con parámetros nombrados, cada uno con un valor por defecto del tipo correcto.
En caso de fallo: Si el renderizado falla con "object 'params' not found", asegurar que el bloque params: esté correctamente indentado bajo el frontmatter YAML. Para Quarto, params debe estar en el nivel superior del YAML, no anidado bajo format:.
Paso 2: Usar Parámetros en el Código
```{r}
#| label: filter-data
data <- full_dataset |>
filter(region == params$region, year == params$year)
nrow(data)
```
## Overview for `r params$region`
This report covers the `r params$region` region for `r params$year`.
```{r}
#| label: forecast
#| eval: !expr params$include_forecast
# This chunk only runs when include_forecast is TRUE
forecast_model <- forecast::auto.arima(data$sales)
forecast::autoplot(forecast_model)
```
Esperado: Los bloques de código referencian parámetros mediante params$name y los bloques condicionales usan #| eval: !expr params$flag para Quarto. Las expresiones R en línea como `r params$region` renderizan texto dinámico.
En caso de fallo: Si params$name devuelve NULL, verificar que el nombre del parámetro coincida exactamente entre la definición YAML y la referencia en el código (sensible a mayúsculas). Verificar que los valores por defecto sean del tipo correcto.
Paso 3: Renderizar con Parámetros Personalizados
Renderizado individual:
# Quarto
quarto::quarto_render(
"report.qmd",
execute_params = list(region = "Europe", year = 2025)
)
# R Markdown
rmarkdown::render(
"report.Rmd",
params = list(region = "Europe", year = 2025),
output_file = "report-europe-2025.html"
)
Esperado: Un solo informe se renderiza exitosamente con valores de parámetros personalizados que anulan los valores por defecto del YAML. El archivo de salida se crea en la ruta especificada.
En caso de fallo: Si el renderizado de Quarto falla, verificar que la CLI quarto esté instalada y en el PATH. Si el renderizado de R Markdown falla, verificar que rmarkdown esté instalado. Asegurar que los nombres de parámetros en execute_params (Quarto) o params (R Markdown) coincidan exactamente con las definiciones YAML.
Paso 4: Renderizar Múltiples Informes por Lotes
regions <- c("North America", "Europe", "Asia Pacific", "Latin America")
years <- c(2024, 2025)
# Generate all combinations
combinations <- expand.grid(region = regions, year = years, stringsAsFactors = FALSE)
# Render each
purrr::pwalk(combinations, function(region, year) {
output_name <- sprintf("report-%s-%d.html",
tolower(gsub(" ", "-", region)), year)
quarto::quarto_render(
"report.qmd",
execute_params = list(region = region, year = year),
output_file = output_name
)
})
Esperado: Un archivo HTML por cada combinación región-año.
En caso de fallo: Verificar que los nombres de parámetros coincidan exactamente entre YAML y código. Asegurar que todos los valores de parámetros sean válidos.
Paso 5: Agregar Validación de Parámetros
#| label: validate-params
stopifnot(
"Region must be a valid region" = params$region %in% valid_regions,
"Year must be numeric" = is.numeric(params$year),
"Year must be reasonable" = params$year >= 2020 && params$year <= 2030
)
Esperado: El bloque de código de validación se ejecuta al inicio de cada renderizado y se detiene con un error informativo si algún parámetro está fuera de rango o tiene el tipo incorrecto.
En caso de fallo: Si stopifnot() produce mensajes de error poco útiles, cambiar a llamadas explícitas if (!cond) stop("message") para diagnósticos más claros.
Paso 6: Organizar la Salida
# Create output directory
output_dir <- file.path("reports", format(Sys.Date(), "%Y-%m"))
dir.create(output_dir, recursive = TRUE, showWarnings = FALSE)
# Render with output path
quarto::quarto_render(
"report.qmd",
execute_params = list(region = region),
output_file = file.path(output_dir, paste0("report-", region, ".html"))
)
Esperado: Los archivos de salida se escriben en un subdirectorio con fecha y nombres descriptivos (p. ej., reports/2025-06/report-europe.html).
En caso de fallo: Si dir.create() falla, verificar que el directorio padre exista y sea escribible. En Windows, verificar que la longitud de la ruta no exceda 260 caracteres.
Validación
- El informe se renderiza con parámetros por defecto
- El informe se renderiza con cada conjunto de parámetros personalizados
- Los parámetros se validan antes del procesamiento
- Los archivos de salida tienen nombres descriptivos
- Las secciones condicionales se renderizan correctamente según los parámetros
- La generación por lotes se completa para todas las combinaciones
Errores Comunes
- Discrepancia en nombres de parámetros: Los nombres YAML deben coincidir exactamente con las referencias
params$nameen el código - Coerción de tipos: YAML puede interpretar
year: 2025como entero pero el código espera carácter. Ser explícito. - Evaluación condicional: Usar
#| eval: !expr params$flagnoeval = params$flagen Quarto - Sobrescritura de archivos: Sin nombres de salida únicos, cada renderizado sobrescribe el anterior
- Memoria en modo por lotes: Las ejecuciones largas por lotes pueden acumular memoria. Considerar usar
callr::r()para aislamiento.
Habilidades Relacionadas
create-quarto-report- configuración básica de documentos Quartogenerate-statistical-tables- tablas que se adaptan a parámetrosformat-apa-report- informes académicos parametrizados
GitHub Repository
Related Skills
content-collections
MetaThis skill provides a production-tested setup for Content Collections, a TypeScript-first tool that transforms Markdown/MDX files into type-safe data collections with Zod validation. Use it when building blogs, documentation sites, or content-heavy Vite + React applications to ensure type safety and automatic content validation. It covers everything from Vite plugin configuration and MDX compilation to deployment optimization and schema validation.
polymarket
MetaThis skill enables developers to build applications with the Polymarket prediction markets platform, including API integration for trading and market data. It also provides real-time data streaming via WebSocket to monitor live trades and market activity. Use it for implementing trading strategies or creating tools that process live market updates.
creating-opencode-plugins
MetaThis skill helps developers create OpenCode plugins that hook into 25+ event types like commands, files, and LSP operations. It provides the plugin structure, event API specifications, and implementation patterns for JavaScript/TypeScript modules. Use it when you need to intercept, monitor, or extend the OpenCode AI assistant's lifecycle with custom event-driven logic.
sglang
MetaSGLang is a high-performance LLM serving framework that specializes in fast, structured generation for JSON, regex, and agentic workflows using its RadixAttention prefix caching. It delivers significantly faster inference, especially for tasks with repeated prefixes, making it ideal for complex, structured outputs and multi-turn conversations. Choose SGLang over alternatives like vLLM when you need constrained decoding or are building applications with extensive prefix sharing.
