install-putior
À propos
Cette compétence installe et configure le package R `putior` pour la visualisation de workflows, en gérant à la fois les installations depuis CRAN et GitHub ainsi que les dépendances optionnelles. Elle vérifie que le pipeline complet d'annotation à diagramme est fonctionnel. Utilisez-la pour la configuration initiale, la préparation de l'environnement, ou lors de la restauration d'un environnement après des mises à niveau.
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/install-putiorCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
Install putior
Install putior R pkg + optional deps → annotation-to-diagram pipeline ready.
Use When
- First-time setup in project/env
- Prep machine for workflow viz
- Downstream skill (analyze-codebase-workflow, generate-workflow-diagram) needs it
- Restore after R ver upgrade / renv wipe
In
- Required: R install (≥4.1.0)
- Optional: CRAN (default) or GitHub dev ver
- Optional: opt deps: MCP (
mcptools,ellmer), interactive (shiny,shinyAce), logging (logger), ACP (plumber2)
Do
Step 1: Verify R install
R.Version()$version.string
# Must be >= 4.1.0
# From WSL with Windows R
"/mnt/c/Program Files/R/R-4.5.2/bin/Rscript.exe" -e "cat(R.version.string)"
→ R version printed, ≥4.1.0.
If err: install/upgrade R. Windows → https://cran.r-project.org/bin/windows/base/. Linux → sudo apt install r-base.
Step 2: Install putior
# CRAN (recommended)
install.packages("putior")
# GitHub dev version (if latest features needed)
remotes::install_github("pjt222/putior")
→ Installs no errors. library(putior) loads silently.
If err: CRAN fails "not available for R ver" → use GitHub. GitHub fails → check remotes installed: install.packages("remotes").
Step 3: Optional deps
# MCP server integration (for AI assistant access)
remotes::install_github("posit-dev/mcptools")
install.packages("ellmer")
# Interactive sandbox
install.packages("shiny")
install.packages("shinyAce")
# Structured logging
install.packages("logger")
# ACP server (agent-to-agent communication)
install.packages("plumber2")
→ Each installs no errors.
If err: mcptools → remotes first. Linux system dep errs → install libs (e.g., sudo apt install libcurl4-openssl-dev for httr2).
Step 4: Verify
library(putior)
# Check package version
packageVersion("putior")
# Verify core functions are available
stopifnot(
is.function(put),
is.function(put_auto),
is.function(put_diagram),
is.function(put_generate),
is.function(put_merge),
is.function(put_theme)
)
# Test basic pipeline with a temp file
tmp <- tempfile(fileext = ".R")
writeLines("# put id:'test', label:'Hello putior'", tmp)
cat(put_diagram(put(tmp)))
→ Mermaid flowchart w/ test + Hello putior.
Key defaults: All scan fns (
put(),put_auto(),put_generate(),put_merge()) defaultrecursive = TRUE, scan subdirs auto. Breaking change from pre-0.2.0 where default was FALSE. All acceptexcludeparam for regex file filtering (e.g.,put("./src/", exclude = "test_")).
If shiny installed → interactive sandbox:
putior::run_sandbox()
Browser-based editor for PUT annotation syntax + real-time diagrams.
If err: put not found → pkg didn't install correctly. Reinstall install.packages("putior", dependencies = TRUE). Empty diagram → verify temp file + annotation uses single quotes inside double.
Check
-
library(putior)loads no errors -
packageVersion("putior")valid version -
put()on valid PUT annotation → DF w/ 1 row -
put_diagram()→ Mermaid startingflowchart - All requested opt deps load no errors
Traps
- Wrong quote nesting: PUT uses single quotes inside annotation:
id:'name'notid:"name"(conflicts w/ comment string delim). - Missing Pandoc for vignettes: build local → set
RSTUDIO_PANDOCin.Renviron. - renv isolation: renv project → install inside renv lib:
renv::install("putior")notinstall.packages(). - GitHub rate limits:
mcptoolsfrom GitHub may fail w/oGITHUB_PAT. Set viausethis::create_github_token().
→
analyze-codebase-workflow— next step post-installconfigure-putior-mcp— MCP server after opt depsmanage-renv-dependencies— putior within renv envconfigure-mcp-server— general MCP config
Dépôt GitHub
Compétences associées
content-collections
MétaCette 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.
polymarket
MétaCette 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.
creating-opencode-plugins
MétaCette 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.
sglang
MétaSGLang 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.
