install-putior
について
このスキルは、ワークフロー可視化のためのRパッケージ「putior」をインストールおよび設定し、CRANとGitHubの両方のインストール方法に対応するとともに、オプションの依存関係も処理します。注釈から図作成までの完全なパイプラインを検証し、初期セットアップ、環境準備、またはアップグレード後のインストール復旧に使用されます。開発者は、下流のスキルが「putior」を必要とする場合や、ワークフロー可視化タスク用にマシンを設定する際に、このスキルを使用すべきです。
クイックインストール
Claude Code
推奨npx 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-putiorこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
ドキュメント
裝 putior
裝 putior R 包及其可選依賴使注解至圖之管線可用。
用時
- 於項目或環境首次設 putior
- 為工作流可視化任務備機
- 下游技能(analyze-codebase-workflow、generate-workflow-diagram)需 putior 已裝
- R 版升或 renv 清後還原環境
入
- 必要:可達之 R 裝(>= 4.1.0)
- 可選:自 CRAN(默)或 GitHub 開發版裝
- 可選:所裝之可選依組:MCP(
mcptools、ellmer)、交互(shiny、shinyAce)、日志(logger)、ACP(plumber2)
法
第一步:驗 R 裝
確 R 可得且合最低版需。
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)"
得: R 版串已印,>= 4.1.0。
敗則: 裝或升 R。Windows 者自 https://cran.r-project.org/bin/windows/base/ 下。Linux 用 sudo apt install r-base。
第二步:裝 putior
自 CRAN(穩)或 GitHub(開發)裝。
# CRAN (recommended)
install.packages("putior")
# GitHub dev version (if latest features needed)
remotes::install_github("pjt222/putior")
得: 包無誤裝。library(putior) 默載。
敗則: 若 CRAN 裝敗報「此 R 版無」,用 GitHub 版。若 GitHub 敗,察 remotes 已裝:install.packages("remotes")。
第三步:裝可選依賴
依所需功能裝可選包。
# 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")
得: 每包無誤裝。
敗則: mcptools 者,確 remotes 先裝。Linux 系統依誤者,裝所需庫(如 httr2 依之 sudo apt install libcurl4-openssl-dev)。
第四步:驗裝
行基本管線以確皆作。
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)))
得: Mermaid 流程圖碼印於控制台含 test 與 Hello putior。
要默認:所有掃函(
put()、put_auto()、put_generate()、put_merge())默recursive = TRUE,自動掃子目錄。此為 0.2.0 前版默FALSE之破變。所有掃函亦受exclude參為正則檔過(如put("./src/", exclude = "test_"))。
若可選 shiny 包已裝,試交互沙盒:
putior::run_sandbox()
此啟瀏覽器編輯器,可試 PUT 注解語法並實時見圖渲染。
敗則: 若 put 未找,包未正裝。以 install.packages("putior", dependencies = TRUE) 重裝。若圖空,驗臨檔已創且注解語法用雙引號內單引號。
驗
-
library(putior)無誤載 -
packageVersion("putior")返有效版 -
put()於含有效 PUT 注解之檔返一行資料框 -
put_diagram()生始以flowchart之 Mermaid 碼 - 所請可選依賴皆無誤載
陷
- 引號嵌套誤:PUT 注解內用單引號:
id:'name' - 如此:非
id:"name"(某語境中與注解串分隔衝) - vignettes 缺 Pandoc:若擬本地建 putior vignettes
- 需確
.Renviron設RSTUDIO_PANDOC - renv 隔離:若項目用 renv,必於 renv 庫中裝 putior
- 以
renv::install("putior")代install.packages("putior") - GitHub 速限:無
GITHUB_PAT自 GitHub 裝mcptools或敗 - 宜以
usethis::create_github_token()設之
參
analyze-codebase-workflow— 裝後次步察庫configure-putior-mcp— 裝可選依後設 MCP 伺服器manage-renv-dependencies— 於 renv 環境管 putiorconfigure-mcp-server— 通用 MCP 伺服器配置generate-workflow-diagram— 裝後生工作流圖之下游技能annotate-source-files— 注源檔為前提步驟
GitHub リポジトリ
関連スキル
content-collections
メタこのスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
polymarket
メタこのスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
creating-opencode-plugins
メタこのスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
sglang
メタSGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
