scaffold-shiny-app
À propos
Cette compétence structure de nouvelles applications Shiny en R en utilisant des cadres de production prêts à l'emploi comme golem (structure de package R), rhino axé sur l'entreprise, ou une structure classique pour le prototypage rapide. Elle gère l'initialisation du projet, la sélection du cadre et crée le premier module. Utilisez-la pour démarrer des applications web interactives, des tableaux de bord de données ou des applications Shiny de qualité production.
Installation rapide
Claude Code
Recommandénpx 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/scaffold-shiny-appCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
name: scaffold-shiny-app description: > Crear una nueva aplicación Shiny usando golem (paquete R de producción), rhino (empresarial) o estructura vanilla (prototipo rápido). Cubre la selección del framework, inicialización del proyecto y creación del primer módulo. Úsalo al iniciar una nueva aplicación web interactiva en R, al crear un prototipo de panel o explorador de datos, al configurar una aplicación Shiny de producción como paquete R con golem, o al arrancar un proyecto Shiny empresarial con rhino. locale: es source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: shiny complexity: basic language: R tags: shiny, golem, rhino, scaffold, web-app, reactive
Scaffold Shiny App
Crear una nueva aplicación Shiny con estructura lista para producción usando scaffolding de golem, rhino o vanilla.
Cuándo Usar
- Al iniciar una nueva aplicación web interactiva en R
- Al crear un prototipo de panel o explorador de datos
- Al configurar una aplicación Shiny de producción como paquete R (golem)
- Al arrancar un proyecto Shiny empresarial (rhino)
Entradas
- Requerido: Nombre de la aplicación
- Requerido: Elección del framework (golem, rhino o vanilla)
- Opcional: Si incluir scaffolding de módulos (predeterminado: sí)
- Opcional: Si usar renv para gestión de dependencias (predeterminado: sí)
- Opcional: Destino de despliegue (shinyapps.io, Posit Connect, Docker)
Procedimiento
Paso 1: Elegir el Framework
Evalúa los requisitos del proyecto para seleccionar el framework apropiado:
| Framework | Mejor Para | Estructura |
|---|---|---|
| golem | Apps de producción distribuidas como paquetes R | Paquete R con DESCRIPTION, tests, viñetas |
| rhino | Apps empresariales con pipeline de compilación JS/CSS | Módulos box, Sass, bundling JS, rhino::init() |
| vanilla | Prototipos rápidos y aprendizaje | Un solo app.R o par ui.R/server.R |
Esperado: Decisión clara de framework basada en el alcance del proyecto y las necesidades del equipo.
En caso de fallo: Si no estás seguro, usa golem por defecto — proporciona la mayor estructura y se puede simplificar más adelante. Vanilla solo es apropiado para prototipos desechables.
Paso 2: Crear el Scaffolding del Proyecto
Camino Golem
golem::create_golem("myapp", package_name = "myapp")
Esto crea:
myapp/
├── DESCRIPTION
├── NAMESPACE
├── R/
│ ├── app_config.R
│ ├── app_server.R
│ ├── app_ui.R
│ └── run_app.R
├── dev/
│ ├── 01_start.R
│ ├── 02_dev.R
│ ├── 03_deploy.R
│ └── run_dev.R
├── inst/
│ ├── app/www/
│ └── golem-config.yml
├── man/
├── tests/
│ ├── testthat.R
│ └── testthat/
└── vignettes/
Camino Rhino
rhino::init("myapp")
Esto crea:
myapp/
├── app/
│ ├── js/
│ ├── logic/
│ ├── static/
│ ├── styles/
│ ├── view/
│ └── main.R
├── tests/
│ ├── cypress/
│ └── testthat/
├── .github/
├── app.R
├── dependencies.R
├── rhino.yml
└── renv.lock
Camino Vanilla
Crea app.R:
library(shiny)
library(bslib)
ui <- page_sidebar(
title = "My App",
sidebar = sidebar(
sliderInput("n", "Sample size", 10, 1000, 100)
),
card(
card_header("Output"),
plotOutput("plot")
)
)
server <- function(input, output, session) {
output$plot <- renderPlot({
hist(rnorm(input$n), main = "Random Normal")
})
}
shinyApp(ui, server)
Esperado: Directorio del proyecto creado con todos los archivos de scaffolding.
En caso de fallo: Para golem, asegúrate de que el paquete golem esté instalado: install.packages("golem"). Para rhino, instala desde GitHub: remotes::install_github("Appsilon/rhino"). Para vanilla, asegúrate de que shiny y bslib estén instalados.
Paso 3: Configurar las Dependencias
Golem/Vanilla
# Inicializar renv
renv::init()
# Añadir dependencias principales
usethis::use_package("shiny")
usethis::use_package("bslib")
usethis::use_package("DT") # si se usan tablas de datos
usethis::use_package("plotly") # si se usan gráficos interactivos
# Capturar estado
renv::snapshot()
Rhino
Las dependencias se gestionan en dependencies.R:
# dependencies.R
library(shiny)
library(bslib)
library(DT)
Esperado: Todas las dependencias registradas en DESCRIPTION (golem) o dependencies.R (rhino) y bloqueadas con renv.
En caso de fallo: Si renv::init() falla, verifica los permisos de escritura. Si los paquetes no se instalan, verifica la compatibilidad de la versión de R.
Paso 4: Crear el Primer Módulo
Golem
golem::add_module(name = "dashboard", with_test = TRUE)
Esto crea R/mod_dashboard.R y tests/testthat/test-mod_dashboard.R.
Rhino
Crea app/view/dashboard.R:
box::use(
shiny[moduleServer, NS, tagList, h3, plotOutput, renderPlot],
)
#' @export
ui <- function(id) {
ns <- NS(id)
tagList(
h3("Dashboard"),
plotOutput(ns("plot"))
)
}
#' @export
server <- function(id) {
moduleServer(id, function(input, output, session) {
output$plot <- renderPlot({
plot(1:10)
})
})
}
Vanilla
Añade las funciones del módulo a un archivo separado R/mod_dashboard.R:
dashboardUI <- function(id) {
ns <- NS(id)
tagList(
h3("Dashboard"),
plotOutput(ns("plot"))
)
}
dashboardServer <- function(id) {
moduleServer(id, function(input, output, session) {
output$plot <- renderPlot({
plot(1:10)
})
})
}
Esperado: Archivo de módulo creado con funciones UI y server usando el espacio de nombres correcto.
En caso de fallo: Asegúrate de que el módulo use NS(id) para todos los IDs de input/output en la función UI. Sin el espacio de nombres, los IDs colisionarán cuando el módulo se use varias veces.
Paso 5: Ejecutar la Aplicación
# Golem
golem::run_dev()
# Rhino
shiny::runApp()
# Vanilla
shiny::runApp("app.R")
Esperado: La aplicación se lanza en el navegador sin errores.
En caso de fallo: Revisa la consola de R para ver mensajes de error. Problemas comunes: paquetes faltantes (instálalos), puerto ya en uso (especifica un puerto diferente con port = 3839), o errores de sintaxis en el código UI/server.
Validación
- El directorio de la aplicación tiene la estructura correcta para el framework elegido
-
shiny::runApp()se lanza sin errores - Al menos un módulo está creado con funciones UI y server
- Las dependencias están registradas (DESCRIPTION o dependencies.R)
- renv.lock captura todas las versiones de paquetes
- El módulo usa
NS(id)para aislamiento correcto del espacio de nombres
Errores Comunes
- Elegir vanilla para producción: La estructura vanilla carece de infraestructura de tests, documentación y herramientas de despliegue. Usa golem o rhino para cualquier cosa más allá de prototipos.
- Espacio de nombres faltante en módulos: Cada
inputIdyoutputIden la UI de un módulo debe estar envuelto conns(). Olvidarlo provoca colisiones silenciosas de IDs. - golem sin flujo de trabajo devtools: Las apps golem son paquetes R. Usa
devtools::load_all(),devtools::test()ydevtools::document()— nosource(). - rhino sin box: rhino usa box para importaciones de módulos. No uses llamadas
library()— usabox::use()para importaciones explícitas.
Habilidades Relacionadas
build-shiny-module— crear módulos Shiny reutilizables con aislamiento correcto del espacio de nombrestest-shiny-app— configurar tests de shinytest2 y testServer()deploy-shiny-app— desplegar en shinyapps.io, Posit Connect o Dockerdesign-shiny-ui— temas bslib y diseño de layout responsivocreate-r-package— scaffolding de paquetes R (las apps golem son paquetes R)manage-renv-dependencies— gestión detallada de dependencias renv
Dépôt GitHub
Compétences associées
llamaguard
AutreLlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.
cost-optimization
AutreCette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.
quantizing-models-bitsandbytes
AutreCette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.
dispatching-parallel-agents
AutreCette compétence Claude déploie plusieurs agents pour enquêter et résoudre simultanément 3 problèmes indépendants ou plus. Elle est conçue pour des scénarios impliquant des défaillances non liées qui peuvent être résolues sans état partagé ni dépendances. La capacité fondamentale est la résolution de problèmes en parallèle, en assignant un agent par domaine problématique indépendant afin de maximiser l'efficacité.
