MCP HubMCP Hub
Retour aux compétences

render-puzzle-docs

pjt222
Mis à jour 2 days ago
7 vues
17
2
17
Voir sur GitHub
Métadesign

À propos

Cette compétence génère un site de documentation Quarto pour le projet jigsawR, prenant en charge des constructions fraîches, en cache ou de pages uniques. Elle est utilisée pour générer l'intégralité du site après des modifications, prévisualiser des pages individuelles lors de l'itération, ou déboguer des erreurs de rendu. Elle peut utiliser un script intégré ou un exécutable Quarto direct depuis WSL.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/render-puzzle-docs

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Render Puzzle Docs

Render jigsawR Quarto docs site.

Use When

  • Build full docs site after content changes
  • Render single page during iter editing
  • Prep docs for release or PR
  • Debug render errs in .qmd files

In

  • Required: Render mode (fresh, cached, single)
  • Optional: Specific .qmd path (single-page mode)
  • Optional: Open result in browser?

Do

Step 1: Choose Mode

ModeCommandDurationUse when
Freshbash inst/scripts/render_quarto.sh~5-7 minContent changed, cache stale
Cachedbash inst/scripts/render_quarto.sh --cached~1-2 minMinor edits, cache valid
SingleDirect quarto.exe~30sIterating on one page

→ Mode selected by situation: fresh for content changes/stale cache, cached for minor edits, single for iter on one page.

If err: unsure if cache stale → default fresh. Longer but guarantees correct.

Step 2: Execute

Fresh (clears _freeze + _site, re-exec all R):

cd /mnt/d/dev/p/jigsawR && bash inst/scripts/render_quarto.sh

Cached (uses existing _freeze):

cd /mnt/d/dev/p/jigsawR && bash inst/scripts/render_quarto.sh --cached

Single page (one .qmd direct):

QUARTO_EXE="/mnt/c/Program Files/RStudio/resources/app/bin/quarto/bin/quarto.exe"
"$QUARTO_EXE" render quarto/getting-started.qmd

→ Render completes w/o errs. Output in quarto/_site/.

If err:

  • Check R code errs in .qmd chunks (look for #| label: markers)
  • Verify pandoc available via RSTUDIO_PANDOC env var
  • Try clear cache: rm -rf quarto/_freeze quarto/_site
  • Check all R pkgs used in .qmd installed

Step 3: Verify

ls -la /mnt/d/dev/p/jigsawR/quarto/_site/index.html

Confirm structure:

  • quarto/_site/index.html exists
  • Nav links resolve correctly
  • Images + SVG files render properly

index.html exists + non-empty. Nav links resolve, images/SVGs render in browser.

If err: index.html missing → render failed silent. Re-run verbose + check R err in .qmd chunks. Only some pages missing → verify those .qmd listed in _quarto.yml.

Step 4: Preview (Optional)

Open in Windows browser:

cmd.exe /c start "" "D:\\dev\\p\\jigsawR\\quarto\\_site\\index.html"

→ Site opens in default browser for inspection.

If err: cmd.exe /c start fails from WSL → try explorer.exe "D:\\dev\\p\\jigsawR\\quarto\\_site\\index.html". Or navigate manual in browser.

Check

  • quarto/_site/index.html exists + non-empty
  • No render errs in console
  • All R chunks exec OK (no err msgs)
  • Nav between pages works
  • All .qmd have #| label: on chunks for clean output

Traps

  • Stale freeze cache: R code changed → fresh render to regen _freeze
  • Missing R pkgs: .qmd may use pkgs not in renv → install first
  • Pandoc not found: Ensure RSTUDIO_PANDOC set in .Renviron
  • Long renders: Fresh = 5-7 min (14 pages w/ R exec) → cached during iter
  • Code chunk labels: All R chunks should have #| label: for clean render

  • generate-puzzle — generate puzzle output ref'd in docs
  • run-puzzle-tests — ensure code examples correct
  • create-quarto-report — general Quarto doc creation

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/caveman-ultra/skills/render-puzzle-docs
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence