MCP HubMCP Hub
Retour aux compétences

build-parameterized-report

pjt222
Mis à jour 2 days ago
5 vues
17
2
17
Voir sur GitHub
Métaautomationdesign

À propos

Cette compétence permet aux développeurs de créer des rapports paramétrés dans Quarto ou R Markdown, qui peuvent être générés avec différentes entrées pour produire plusieurs variations. Elle couvre la définition des paramètres, la génération programmatique et la production par lots. Utilisez-la lorsque vous devez automatiser un même rapport pour différents départements, clients, périodes, ou pour créer des tableaux de bord avec des filtres spécifiques.

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/build-parameterized-report

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

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$name en el código
  • Coerción de tipos: YAML puede interpretar year: 2025 como entero pero el código espera carácter. Ser explícito.
  • Evaluación condicional: Usar #| eval: !expr params$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

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/es/skills/build-parameterized-report
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