create-quarto-report
À propos
Cette compétence aide les développeurs à créer des documents Quarto reproductibles pour des rapports, des présentations et des sites web. Elle couvre la configuration YAML, les blocs de code, les formats de sortie et le rendu en HTML/PDF/Word. Utilisez-la pour construire des analyses avec du code intégré ou pour migrer de R Markdown vers Quarto.
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/create-quarto-reportCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
Create Quarto Report
Set up and write a reproducible Quarto document for analysis reports, presentations, or websites.
When to Use
- Creating a reproducible analysis report
- Building a presentation with embedded code
- Generating HTML, PDF, or Word documents from code
- Migrating from R Markdown to Quarto
Inputs
- Required: Report topic and target audience
- Required: Output format (html, pdf, docx, revealjs)
- Optional: Data sources and analysis code
- Optional: Citation bibliography (.bib file)
Procedure
Step 1: Create Quarto Document
Create report.qmd:
---
title: "Analysis Report"
author: "Author Name"
date: today
format:
html:
toc: true
toc-depth: 3
code-fold: true
theme: cosmo
self-contained: true
execute:
echo: true
warning: false
message: false
bibliography: references.bib
---
Got: File report.qmd exists with valid YAML frontmatter including title, author, date, format configuration, and execution options.
If fail: Validate the YAML header by checking for matching --- delimiters and correct indentation. Ensure format: key matches one of the supported Quarto output formats (html, pdf, docx, revealjs).
Step 2: Write Content with Code Chunks
## Introduction
This report analyzes the relationship between variables X and Y.
## Data
```{r}
#| label: load-data
library(dplyr)
library(ggplot2)
data <- read.csv("data.csv")
glimpse(data)
```
## Analysis
```{r}
#| label: fig-scatter
#| fig-cap: "Scatter plot of X vs Y"
#| fig-width: 8
#| fig-height: 6
ggplot(data, aes(x = x_var, y = y_var)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm") +
theme_minimal()
```
As shown in @fig-scatter, there is a positive relationship.
## Results
```{r}
#| label: tbl-summary
#| tbl-cap: "Summary statistics"
data |>
summarise(
mean_x = mean(x_var),
sd_x = sd(x_var),
mean_y = mean(y_var),
sd_y = sd(y_var)
) |>
knitr::kable(digits = 2)
```
See @tbl-summary for descriptive statistics.
Got: Content sections contain properly formatted code chunks with {r} language identifier and #| chunk options for labels, captions, and dimensions.
If fail: Verify code chunks use the ```{r} syntax (not inline backticks), that #| options are inside the chunk (not in the YAML header), and that label prefixes match cross-reference types (fig- for figures, tbl- for tables).
Step 3: Configure Chunk Options
Common chunk-level options (use #| syntax):
#| label: chunk-name # Required for cross-references
#| echo: false # Hide code
#| eval: false # Show but don't run
#| output: false # Run but hide output
#| fig-width: 8 # Figure dimensions
#| fig-height: 6
#| fig-cap: "Caption text" # Enable @fig-name references
#| tbl-cap: "Caption text" # Enable @tbl-name references
#| cache: true # Cache expensive computations
Got: Chunk options are applied at the chunk level using #| syntax, and labels follow naming conventions required for cross-referencing.
If fail: Ensure chunk options use #| syntax (Quarto-native), not the legacy {r, option=value} R Markdown syntax. Verify that label names contain only alphanumeric characters and hyphens.
Step 4: Add Cross-References and Citations
See @fig-scatter for the visualization and @tbl-summary for statistics.
This approach follows @smith2023 methodology.
::: {#fig-combined layout-ncol=2}
{#fig-plotA}
{#fig-plotB}
Combined figure caption
:::
Got: Cross-references (@fig-name, @tbl-name) resolve to the correct figures and tables, and citations (@key) match entries in the .bib file.
If fail: Verify that referenced labels exist in code chunks with the correct prefix (fig-, tbl-). For citations, check that .bib keys match exactly (case-sensitive) and that bibliography: is set in the YAML header.
Step 5: Render the Document
quarto render report.qmd
# Specific format
quarto render report.qmd --to pdf
quarto render report.qmd --to docx
# Preview with live reload
quarto preview report.qmd
Got: Output file generated in the specified format.
If fail:
- Missing quarto: Install from https://quarto.org/docs/get-started/
- PDF errors: Install TinyTeX with
quarto install tinytex - R package errors: Ensure all packages are installed
Step 6: Multi-Format Output
format:
html:
toc: true
theme: cosmo
pdf:
documentclass: article
geometry: margin=1in
docx:
reference-doc: template.docx
Render all formats: quarto render report.qmd
Got: All specified output formats generate successfully, each with correct styling and layout for the target format.
If fail: If one format fails while others succeed, check format-specific requirements: PDF needs a LaTeX engine (install with quarto install tinytex), DOCX needs a valid reference template if specified, and format-specific YAML options must be correctly nested under each format key.
Validation
- Document renders without errors
- All code chunks execute correctly
- Cross-references resolve (figures, tables, citations)
- Table of contents is accurate
- Output format is appropriate for the audience
Pitfalls
- Missing label prefix: Cross-referenceable figures need
fig-prefix in label, tables needtbl- - Cache invalidation: Cached chunks won't re-run when upstream data changes. Delete
_cache/to force. - PDF without LaTeX: Install TinyTeX or use
format: pdfwithpdf-engine: weasyprintfor CSS-based PDF - R Markdown syntax in Quarto: Use
#|chunk options instead of{r, echo=FALSE}style
Related Skills
format-apa-report- APA-formatted academic reportsbuild-parameterized-report- parameterized multi-report generationgenerate-statistical-tables- publication-ready tableswrite-vignette- Quarto vignettes in R packages
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.
