install-putior
About
This skill installs and configures the putior R package for workflow visualization, handling both CRAN and GitHub installations along with optional dependencies. It verifies the complete annotation-to-diagram pipeline and is used for initial setup, environment preparation, or restoring installations after R version upgrades. Developers should apply it when setting up putior for the first time or when downstream skills require its installation.
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/install-putiorCopy and paste this command in Claude Code to install this skill
Documentation
putior installieren
Das putior-R-Paket und seine optionalen Abhaengigkeiten installieren damit die Annotation-zu-Diagramm-Pipeline einsatzbereit ist.
Wann verwenden
- Erstmalige Einrichtung von putior in einem Projekt oder einer Umgebung
- Vorbereiten eines Rechners fuer Workflow-Visualisierungsaufgaben
- Ein nachgelagerter Skill (analyze-codebase-workflow, generate-workflow-diagram) setzt putior voraus
- Wiederherstellen einer Umgebung nach einem R-Versionsupgrade oder renv-Bereinigung
Eingaben
- Erforderlich: Zugang zu einer R-Installation (>= 4.1.0)
- Optional: Ob von CRAN (Standard) oder der GitHub-Entwicklungsversion installiert werden soll
- Optional: Welche optionalen Abhaengigkeitsgruppen installiert werden sollen: MCP (
mcptools,ellmer), interaktiv (shiny,shinyAce), Protokollierung (logger), ACP (plumber2)
Vorgehensweise
Schritt 1: R-Installation ueberpruefen
Sicherstellen dass R verfuegbar ist und die Mindestversionsanforderung erfuellt.
R.Version()$version.string
# Muss >= 4.1.0 sein
# Von WSL mit Windows-R
"/mnt/c/Program Files/R/R-4.5.2/bin/Rscript.exe" -e "cat(R.version.string)"
Erwartet: R-Versionszeichenkette ausgegeben, >= 4.1.0.
Bei Fehler: R installieren oder upgraden. Unter Windows von https://cran.r-project.org/bin/windows/base/ herunterladen. Unter Linux sudo apt install r-base verwenden.
Schritt 2: putior installieren
Von CRAN (stabil) oder GitHub (Entwicklung) installieren.
# CRAN (empfohlen)
install.packages("putior")
# GitHub-Entwicklungsversion (wenn neueste Funktionen benoetigt)
remotes::install_github("pjt222/putior")
Erwartet: Paket wird fehlerfrei installiert. library(putior) laedt ohne Meldungen.
Bei Fehler: Wenn die CRAN-Installation mit "not available for this version of R" fehlschlaegt, die GitHub-Version verwenden. Wenn GitHub fehlschlaegt, pruefen ob remotes installiert ist: install.packages("remotes").
Schritt 3: Optionale Abhaengigkeiten installieren
Optionale Pakete je nach benoetigter Funktionalitaet installieren.
# MCP-Server-Integration (fuer KI-Assistenten-Zugriff)
remotes::install_github("posit-dev/mcptools")
install.packages("ellmer")
# Interaktive Sandbox
install.packages("shiny")
install.packages("shinyAce")
# Strukturierte Protokollierung
install.packages("logger")
# ACP-Server (Agent-zu-Agent-Kommunikation)
install.packages("plumber2")
Erwartet: Jedes Paket wird fehlerfrei installiert.
Bei Fehler: Fuer mcptools sicherstellen dass remotes zuerst installiert ist. Bei Systemabhaengigkeitsfehlern unter Linux die benoetigten Bibliotheken installieren (z.B. sudo apt install libcurl4-openssl-dev fuer die httr2-Abhaengigkeit).
Schritt 4: Installation verifizieren
Die grundlegende Pipeline ausfuehren um zu bestaetigen dass alles funktioniert.
library(putior)
# Paketversion pruefen
packageVersion("putior")
# Verfuegbarkeit der Kernfunktionen ueberpruefen
stopifnot(
is.function(put),
is.function(put_auto),
is.function(put_diagram),
is.function(put_generate),
is.function(put_merge),
is.function(put_theme)
)
# Grundlegende Pipeline mit einer temporaeren Datei testen
tmp <- tempfile(fileext = ".R")
writeLines("# put id:'test', label:'Hello putior'", tmp)
cat(put_diagram(put(tmp)))
Erwartet: Mermaid-Flussdiagramm-Code wird auf der Konsole ausgegeben der test und Hello putior enthaelt.
Bei Fehler: Wenn put nicht gefunden wird, wurde das Paket nicht korrekt installiert. Mit install.packages("putior", dependencies = TRUE) neu installieren. Wenn das Diagramm leer ist, ueberpruefen ob die temporaere Datei erstellt wurde und die Annotationssyntax einfache Anfuehrungszeichen innerhalb doppelter verwendet.
Wichtig: Benutzerdefinierte Paletten koennen nicht ueber MCP verwendet werden. Der Parameter
palettevonput_diagramakzeptiert einputior_themeR-Objekt, das vonput_theme()erstellt wird. Da MCP ueber JSON kommuniziert, koennen R-Objekte wieputior_themenicht ueber die MCP-Grenze serialisiert werden. Beim Aufruf vonput_diagramueber MCP stattdessen den string-basierten Parameterthemeverwenden (z.B.theme = "viridis"). Fuer benutzerdefinierte Palettenput_theme()undput_diagram(palette = ...)direkt in einer R-Sitzung aufrufen.
Wichtige Standardwerte: Alle Scan-Funktionen (
put(),put_auto(),put_generate(),put_merge()) habenrecursive = TRUEals Standard und scannen Unterverzeichnisse automatisch. Dies ist eine brechende Aenderung gegenueber Versionen vor 0.2.0, bei denen der StandardFALSEwar. Alle Scan-Funktionen akzeptieren auch einenexclude-Parameter fuer regex-basierte Dateifilterung (z.B.put("./src/", exclude = "test_")).
Falls das optionale shiny-Paket installiert ist, die interaktive Sandbox ausprobieren:
putior::run_sandbox()
Startet einen Browser-basierten Editor zum Experimentieren mit der PUT-Annotationssyntax und Echtzeit-Diagrammdarstellung.
Validierung
-
library(putior)laedt ohne Fehler -
packageVersion("putior")gibt eine gueltige Version zurueck -
put()mit einer Datei die eine gueltige PUT-Annotation enthaelt gibt einen Data Frame mit einer Zeile zurueck -
put_diagram()erzeugt Mermaid-Code der mitflowchartbeginnt - Alle angeforderten optionalen Abhaengigkeiten laden ohne Fehler
Haeufige Stolperfallen
- Falsche Anfuehrungszeichen-Schachtelung: PUT-Annotationen verwenden einfache Anfuehrungszeichen innerhalb der Annotation:
id:'name', nichtid:"name"(was in manchen Kontexten mit dem Kommentarzeichenketten-Begrenzer kollidiert). - Fehlendes Pandoc fuer Vignetten: Wenn das lokale Erstellen der putior-Vignetten geplant ist, sicherstellen dass
RSTUDIO_PANDOCin.Renvirongesetzt ist. - renv-Isolation: Wenn das Projekt renv verwendet, muss putior innerhalb der renv-Bibliothek installiert werden.
renv::install("putior")stattinstall.packages("putior")ausfuehren. - GitHub-Ratenlimits: Installation von
mcptoolsvon GitHub kann ohneGITHUB_PATfehlschlagen. Einen Token viausethis::create_github_token()einrichten.
Verwandte Skills
analyze-codebase-workflow— naechster Schritt nach der Installation um eine Codebasis zu untersuchenconfigure-putior-mcp— den MCP-Server einrichten nach Installation der optionalen Abhaengigkeitenmanage-renv-dependencies— putior innerhalb einer renv-Umgebung verwaltenconfigure-mcp-server— allgemeine MCP-Server-Konfiguration
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.
