install-putior
정보
이 스킬은 워크플로우 시각화를 위한 `putior` R 패키지를 설치하고 구성하며, CRAN과 GitHub 설치 방식을 모두 처리하고 선택적 의존성을 관리합니다. 주석-다이어그램 파이프라인의 완전성을 검증하며, 초기 설정, 환경 준비, 업그레이드 후 설치 복원 시 사용됩니다. 개발자는 하위 스킬에서 `putior`가 필요하거나 워크플로우 시각화 작업을 위한 머신을 설정할 때 이 스킬을 사용해야 합니다.
빠른 설치
Claude Code
추천npx 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-putiorClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
