MCP HubMCP Hub
스킬 목록으로 돌아가기

manage-renv-dependencies

pjt222
업데이트됨 Yesterday
3 조회
17
2
17
GitHub에서 보기
기타general

정보

이 스킬은 R 개발자가 renv를 사용하여 패키지 종속성을 관리하고 재현 가능한 환경을 구축하는 데 도움을 줍니다. 프로젝트 초기화, 종속성 스냅샷 생성 및 복원, 문제 해결, CI/CD 통합을 다룹니다. 새로운 R 프로젝트 설정, 다른 머신에서 환경 복원, 자동화된 파이프라인에 종속성 관리 통합 시 활용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/manage-renv-dependencies

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서


name: manage-renv-dependencies description: > 使用 renv 管理 R 包依赖以实现可重现的环境。涵盖初始化、 快照/恢复工作流、常见问题排查及 CI/CD 集成。适用于为新 R 项目初始化依赖管理、添加或更新包、在新机器上恢复环境、 排查恢复失败问题,或将 renv 与 CI/CD 流水线集成。 locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: r-packages complexity: intermediate language: R tags: r, renv, dependencies, reproducibility, lockfile

管理 renv 依赖

使用 renv 为 R 包环境设置和维护可重现性。

适用场景

  • 为新 R 项目初始化依赖管理
  • 添加或更新包依赖
  • 在新机器上恢复项目环境
  • 排查 renv 恢复失败问题
  • 将 renv 与 CI/CD 流水线集成

输入

  • 必需:R 项目目录
  • 可选:现有的 renv.lock 文件(用于恢复)
  • 可选:私有包的 GitHub PAT

步骤

第 1 步:初始化 renv

renv::init()

此步骤创建:

  • renv/ 目录(库、设置、激活脚本)
  • renv.lock(依赖快照)
  • 更新 .Rprofile 以在加载时激活 renv

预期结果: 项目本地库已创建。renv/ 目录和 renv.lock 存在。.Rprofile 已更新激活脚本。

失败处理: 若进程挂起,检查网络连接。若某个特定包安装失败,先用 install.packages() 手动安装该包,再重新运行 renv::init()

第 2 步:添加依赖

按常规方式安装包:

install.packages("dplyr")
renv::install("github-user/private-pkg")

然后创建快照以记录当前状态:

renv::snapshot()

预期结果: renv.lock 已更新,包含新包及其版本。renv::status() 显示无不同步的包。

失败处理:renv::snapshot() 报告验证错误,运行 renv::dependencies() 检查实际使用的包,然后用 renv::snapshot(force = TRUE) 绕过验证。

第 3 步:在其他机器上恢复

renv::restore()

预期结果: 所有包按 renv.lock 中记录的确切版本安装。

失败处理: 常见问题:GitHub 包安装失败(在 .Renviron 中设置 GITHUB_PAT)、Linux 上缺少系统依赖(用 apt-get 安装)、大包超时(恢复前设置 options(timeout = 600))、二进制包不可用(renv 从源码编译,确保已安装构建工具)。

第 4 步:更新依赖

# 更新特定包
renv::update("dplyr")

# 更新所有包
renv::update()

# 更新后创建快照
renv::snapshot()

预期结果: 目标包已更新至最新兼容版本。快照后 renv.lock 反映新版本。

失败处理:renv::update() 对某个包失败,尝试直接用 renv::install("package@version") 安装,然后创建快照。

第 5 步:检查状态

renv::status()

预期结果: 显示"No issues found"或列出不同步包及可操作的指导信息。

失败处理: 若状态报告包已使用但未记录,运行 renv::snapshot()。若包已记录但未安装,运行 renv::restore()

第 6 步:配置 .Rprofile 的条件激活

if (file.exists("renv/activate.R")) {
  source("renv/activate.R")
}

此设置确保即使未安装 renv 的环境(CI 环境、协作者机器)也能正常使用项目。

预期结果: R 会话在项目目录中启动时自动激活 renv。未安装 renv 的会话也能无错误地启动。

失败处理:.Rprofile 导致错误,确认 file.exists() 保护已存在。切勿无条件调用 source("renv/activate.R")

第 7 步:Git 配置

需跟踪以下文件:

renv.lock           # 始终提交
renv/activate.R     # 始终提交
renv/settings.json  # 始终提交
.Rprofile           # 提交(包含 renv 激活代码)

忽略以下文件(renv 的 .gitignore 已处理):

renv/library/       # 机器特定
renv/staging/       # 临时文件
renv/cache/         # 机器特定缓存

预期结果: renv.lockrenv/activate.Rrenv/settings.json 已被 Git 跟踪。机器特定目录(renv/library/renv/cache/)已被忽略。

失败处理:renv/library/ 意外被提交,使用 git rm -r --cached renv/library/ 将其移除,并添加至 .gitignore

第 8 步:CI/CD 集成

在 GitHub Actions 中使用 renv 缓存 action:

- uses: r-lib/actions/setup-renv@v2

此 action 自动从 renv.lock 恢复依赖并启用缓存。

预期结果: CI 流水线从 renv.lock 恢复包并启用缓存。后续运行因缓存而更快。

失败处理: 若 CI 恢复失败,检查 renv.lock 是否已提交且为最新。对于私有 GitHub 包,确认 GITHUB_PAT 已设置为仓库密钥。

验证清单

  • renv::status() 报告无问题
  • renv.lock 已提交至版本控制
  • renv::restore() 在干净的检出上可正常工作
  • .Rprofile 条件性地激活 renv
  • CI/CD 使用 renv.lock 进行依赖解析

常见问题

  • 在错误目录中运行 renv::init():始终先确认 getwd()
  • 混用 renv 与系统库:运行 renv::init() 后,只使用项目库
  • 忘记创建快照:安装包后始终运行 renv::snapshot()
  • --vanilla 标志Rscript --vanilla 跳过 .Rprofile,导致 renv 不激活
  • 锁文件差异较大:属正常情况,renv.lock 设计为可差异化的 JSON
  • Bioconductor 包:使用 renv::install("bioc::PackageName") 并确认 BiocManager 已配置

相关技能

  • create-r-package — 包含 renv 初始化
  • setup-github-actions-ci — renv 的 CI 集成
  • submit-to-cran — CRAN 包的依赖管理

GitHub 저장소

pjt222/agent-almanac
경로: i18n/zh-CN/skills/manage-renv-dependencies
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기