MCP HubMCP Hub
Volver a habilidades

build-parameterized-report

pjt222
Actualizado 2 days ago
6 vistas
17
2
17
Ver en GitHub
Metaautomationdesign

Acerca de

Esta habilidad permite a los desarrolladores 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. Úsala cuando necesites automatizar el mismo informe para diferentes departamentos, clientes, períodos de tiempo, o para construir paneles de control con filtros específicos.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add pjt222/agent-almanac -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativo
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/build-parameterized-report

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación


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$name en el código
  • Coerción de tipos: YAML puede interpretar year: 2025 como entero pero el código espera carácter. Ser explícito.
  • Evaluación condicional: Usar #| eval: !expr params$flag no eval = params$flag en 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 Quarto
  • generate-statistical-tables - tablas que se adaptan a parámetros
  • format-apa-report - informes académicos parametrizados

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/es/skills/build-parameterized-report
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Habilidades relacionadas

content-collections

Meta

Esta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.

Ver habilidad

polymarket

Meta

Esta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.

Ver habilidad

creating-opencode-plugins

Meta

Esta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.

Ver habilidad

sglang

Meta

SGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.

Ver habilidad