MCP HubMCP Hub
Retour aux compétences

add-puzzle-type

pjt222
Mis à jour 2 days ago
6 vues
17
2
17
Voir sur GitHub
Métatestingdesign

À propos

Cette compétence intègre un nouveau type de puzzle à l'ensemble du pipeline du package jigsawR. Elle automatise la création des modules principaux, l'intégration aux systèmes de génération/rendu, aux couches ggplot2 et aux suites de tests. Utilisez-la lors de l'ajout d'un tout nouveau type de puzzle pour garantir la couverture de plus de 10 points d'intégration.

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/add-puzzle-type

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

Documentation

增拼圖類型

於 jigsawR 跨所有管線整合點為新拼圖類型搭建鷹架。

適用時機

  • 為套件新增一全新拼圖類型
  • 遵既定整合清單(CLAUDE.md 之 10 點管線)
  • 確保新類型自端至端布線時無有遺漏

輸入

  • 必要:新類型名(小寫,如 "triangular"
  • 必要:幾何描述(拼塊形與排列)
  • 必要:類型是否需外部套件(加至 Suggests)
  • 選擇性:標準之外(grid、size、seed、tabsize、offset)之參數列
  • 選擇性:參考實作或演算法來源

步驟

步驟一:建立核心拼圖模組

建立 R/<type>_puzzle.R,含內部生成函式:

#' Generate <type> puzzle pieces (internal)
#' @noRd
generate_<type>_pieces_internal <- function(params, seed) {
  # 1. Initialize RNG state
  # 2. Generate piece geometries
  # 3. Build edge paths (SVG path data)
  # 4. Compute adjacency
  # 5. Return list: pieces, edges, adjacency, metadata
}

R/voronoi_puzzle.RR/snic_puzzle.R 之結構為範。

預期: 函式回傳含 $pieces$edges$adjacency$metadata 之 list。

失敗時:generate_voronoi_pieces_internal() 比對回傳結構,以辨缺失之 list 元素或型別錯誤。

步驟二:布線至 jigsawR_clean.R

編輯 R/jigsawR_clean.R

  1. "<type>" 加入 valid_types 向量
  2. 於 params 段加入類型特有之參數提取
  3. 加入類型特有約束之驗證邏輯
  4. 加入檔名前綴對應(如 "<type>" -> "<type>_"
# In valid_types
valid_types <- c("rectangular", "hexagonal", "concentric", "voronoi", "snic", "<type>")

預期: generate_puzzle(type = "<type>") 受納而無 "unknown type" 之誤。

失敗時: 驗證類型字串拼寫無誤地加入 valid_types,且參數提取涵蓋一切類型特有之必要引數。

步驟三:布線至 unified_piece_generation.R

編輯 R/unified_piece_generation.R

  1. generate_pieces_internal() 加入分派 case
  2. 若類型支援 PILES 記法,加入融合處理
# In the switch/dispatch
"<type>" = generate_<type>_pieces_internal(params, seed)

預期: 分派類型時,拼塊得以生成。

失敗時: 確認分派 case 字串與類型名完全相符,且 generate_<type>_pieces_internal 已於拼圖模組定義並輸出。

步驟四:布線至 piece_positioning.R

編輯 R/piece_positioning.R

為新類型加入定位分派。多數類型用共用之定位邏輯,然有些須自訂。

預期: apply_piece_positioning() 處理新類型而無誤,且拼塊置於正確座標。

失敗時: 查新類型是否需自訂定位邏輯或可重用共用定位路徑。預設路徑不適用時加分派 case。

步驟五:布線至 unified_renderer.R

編輯 R/unified_renderer.R

  1. render_puzzle_svg() 加入渲染 case
  2. 加入邊路徑函式:get_<type>_edge_paths()
  3. 加入拼塊名函式:get_<type>_piece_name()

預期: 為新類型生成 SVG 輸出,附正確之拼塊輪廓與邊路徑。

失敗時: 驗證 get_<type>_edge_paths() 回傳有效之 SVG 路徑資料,且 get_<type>_piece_name() 為各拼塊產唯一識別。

步驟六:布線至 adjacency_api.R

編輯 R/adjacency_api.R

加入鄰接分派,使 get_neighbors()get_adjacency() 對新類型有效。

預期: get_neighbors(result, piece_id) 為拼圖中任一塊回傳正確鄰居。

失敗時: 查鄰接分派是否回傳正確資料結構。以小格網測試並依幾何手動驗證鄰接關係。

步驟七:增 ggpuzzle Geom 層

編輯 R/geom_puzzle.R

make_puzzle_layer() 工廠建立 geom_puzzle_<type>()

#' @export
geom_puzzle_<type> <- function(mapping = NULL, data = NULL, ...) {
  make_puzzle_layer(type = "<type>", mapping = mapping, data = data, ...)
}

預期: ggplot() + geom_puzzle_<type>(aes(...)) 渲染而無誤。

失敗時: 驗證 make_puzzle_layer() 收到正確之類型字串,且 geom 函式已透過 @export 於 NAMESPACE 輸出。

步驟八:增 Stat 分派

編輯 R/stat_puzzle.R

  1. 加入類型特有之預設參數
  2. compute_panel() 加入分派 case

預期: stat 層正確計算拼圖幾何,並產出預期數量之多邊形。

失敗時:compute_panel() 分派 case 是否回傳含必要欄(xygrouppiece_id)之 data frame,且預設參數對新類型合宜。

步驟九:更新 DESCRIPTION

編輯 DESCRIPTION

  1. 將新類型加入 Description 欄之文字
  2. 將任何新套件加入 Suggests:(若為外部依賴)
  3. 更新 Collate: 以納入新 R 檔(按字母順序)

預期: devtools::document() 成功。無關於未列檔案之 NOTE。

失敗時: 查新 R 檔是否按字母順序列於 Collate: 欄,且任何新 Suggests 套件之拼寫與版本約束皆正確。

步驟十:更新 config.yml

編輯 inst/config.yml

為新類型加入預設與約束:

<type>:
  grid:
    default: [3, 3]
    min: [2, 2]
    max: [20, 20]
  size:
    default: [300, 300]
    min: [100, 100]
    max: [2000, 2000]
  tabsize:
    default: 20
    min: 5
    max: 50
  # Add type-specific params here

預期: 配置為有效之 YAML。預設於 generate_puzzle() 用之時產出可用拼圖。

失敗時:yaml::yaml.load_file("inst/config.yml") 驗證 YAML。確保預設之 grid 與 size 值產合宜拼圖(不過小亦不過大)。

步驟十一:擴展 Shiny App

編輯 inst/shiny-app/app.R

  1. 將新類型加入 UI 類型選擇器
  2. 為類型特有參數加入條件式 UI 面板
  3. 加入伺服端生成邏輯

預期: Shiny app 於下拉選單中顯示新類型,並於選定時生成拼圖。

失敗時: 查類型是否加入 UI 選擇器之 choices 引數,類型特有參數之條件式面板是否用 conditionalPanel(condition = "input.type == '<type>'"),且伺服端處理器是否傳遞正確參數。

步驟十二:建立測試套件

建立 tests/testthat/test-<type>-puzzles.R

test_that("<type> puzzle generates correct piece count", { ... })
test_that("<type> puzzle respects seed reproducibility", { ... })
test_that("<type> adjacency returns valid neighbors", { ... })
test_that("<type> fusion merges pieces correctly", { ... })
test_that("<type> geom layer renders without error", { ... })
test_that("<type> SVG output is well-formed", { ... })
test_that("<type> config constraints are enforced", { ... })

若類型需外部套件,以 skip_if_not_installed() 包裝測試。

預期: 一切測試通過。除非外部依賴缺失,否則無 skip。

失敗時: 個別檢查各整合點。最常見之問題乃缺失之分派 case——行 grep -rn "switch\|valid_types" R/ 以尋一切分派位置。

驗證

  • generate_puzzle(type = "<type>") 產有效輸出
  • 一切 10 整合點正確布線
  • devtools::test() 連同新測試通過
  • devtools::check() 回傳 0 errors、0 warnings
  • Shiny app 渲染新類型
  • 配置約束受執行(min/max 驗證)
  • 鄰接與融合正確運作
  • ggpuzzle geom 層渲染而無誤
  • devtools::document() 成功(NAMESPACE 已更新)

常見陷阱

  • 缺失分派 case:遺一 10+ 檔之一致默默失敗或「unknown type」之誤
  • strsplit 與負數:以 paste(a, b, sep = "-") 建鄰接鍵時,負拼塊標籤產如 "1--1" 之鍵。改用 "|" 分隔符並以 "\\|" 切分
  • cat() 輸出:務用 cli 套件之記錄包裝(log_infolog_warn 等)
  • Collate 順序:DESCRIPTION 之 Collate 欄須按字母或依賴順序
  • Config.yml 格式:確保 YAML 有效;以 yaml::yaml.load_file("inst/config.yml") 測試

相關技能

  • generate-puzzle — 鷹架後測試新類型
  • run-puzzle-tests — 執行完整測試套件以驗證整合
  • validate-piles-notation — 以新類型測試融合
  • write-testthat-tests — 通用測試撰寫模式
  • write-roxygen-docs — 為新 geom 函式撰寫文件

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/wenyan-lite/skills/add-puzzle-type
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