정보
이 스킬은 renv를 사용하여 재현 가능한 환경을 생성하는 R 패키지 종속성 관리를 담당합니다. 초기화, 스냅샷/복원 워크플로우, 문제 해결, CI/CD 통합을 처리합니다. 종속성 관리 설정, 새 머신에서 환경 복원, 패키지 충돌 해결 시 사용하세요.
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/manage-renv-dependenciesClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
管 renv 依
以 renv 設並維可重 R 包環境。
用
- 啟新 R 項依管
- 加或更包依
- 新機上恢項環
- 調 renv 恢敗
- 合 renv 與 CI/CD
入
- 必:R 項目
- 可:現
renv.lock(恢用) - 可:私包之 GitHub PAT
行
一:啟 renv
renv::init()
此造:
renv/目(庫、設、啟腳本)renv.lock(依快照)- 更
.Rprofile載時啟 renv
得:項本地庫造。renv/ 目與 renv.lock 在。.Rprofile 更附啟腳本。
敗:掛→查網連。特包敗→先手動 install.packages() 裝後重運 renv::init()。
二:加依
常裝包:
install.packages("dplyr")
renv::install("github-user/private-pkg")
後快照記態:
renv::snapshot()
得:renv.lock 更附新包與版。renv::status() 示無失同包。
敗:renv::snapshot() 報驗誤→運 renv::dependencies() 察哪包實用,後 renv::snapshot(force = TRUE) 繞驗。
三:他機恢
renv::restore()
得:諸包裝於 renv.lock 之確版。
敗:常問題:GitHub 包敗(於 .Renviron 設 GITHUB_PAT);缺系統依(Linux 以 apt-get 裝);大包超時(恢前設 options(timeout = 600));無二進(renv 由源編;確備工具裝)。
四:更依
# Update a specific package
renv::update("dplyr")
# Update all packages
renv::update()
# Snapshot after updates
renv::snapshot()
得:目包更至新兼容版。renv.lock 快照後反新版。
敗:renv::update() 為特包敗→試以 renv::install("package@version") 直裝後快照。
五:查態
renv::status()
得:「No issues found」或失同包之明列附可行指。
敗:態報用而未記之包→運 renv::snapshot()。已記而未裝之包→運 renv::restore()。
六:配 .Rprofile 為條件啟
if (file.exists("renv/activate.R")) {
source("renv/activate.R")
}
此確即 renv 未裝(CI 環、協作者)項亦行。
得:R 會話於項目中啟時自啟 renv。無 renv 之會話仍無誤啟。
敗:.Rprofile 致誤→確 file.exists() 守存。永勿無條件呼 source("renv/activate.R")。
七:Git 配
追此文件:
renv.lock # Always commit
renv/activate.R # Always commit
renv/settings.json # Always commit
.Rprofile # Commit (contains renv activation)
忽此(已於 renv 之 .gitignore):
renv/library/ # Machine-specific
renv/staging/ # Temporary
renv/cache/ # Machine-specific cache
得:renv.lock、renv/activate.R、renv/settings.json 由 Git 追。機特目(renv/library/、renv/cache/)忽。
敗:renv/library/ 誤提→以 git rm -r --cached renv/library/ 除並加 .gitignore。
八:CI/CD 合
GitHub Actions 用 renv 緩動:
- uses: r-lib/actions/setup-renv@v2
此自由 renv.lock 附緩恢。
得:CI 管線由 renv.lock 恢包附緩啟。後運因緩包更速。
敗:CI 恢敗→查 renv.lock 提且新。私 GitHub 包→確 GITHUB_PAT 設為庫秘。
驗
-
renv::status()報無問題 -
renv.lock提於版控 -
renv::restore()於淨檢出上行 -
.Rprofile條件啟 renv - CI/CD 用
renv.lock為依解
忌
- 於誤目運
renv::init():必先驗getwd() - 混 renv 與系統庫:
renv::init()後僅用項庫 - 忘快照:裝包後必運
renv::snapshot() --vanilla旗:Rscript --vanilla略.Rprofile→ renv 不啟- 大鎖文件於 diff:常——
renv.lock設為可 diff JSON - Bioconductor 包:用
renv::install("bioc::PackageName")並確 BiocManager 配
參
create-r-package- 含 renv 啟setup-github-actions-ci- 與 renv 之 CI 合submit-to-cran- CRAN 包之依管
GitHub 저장소
Frequently asked questions
What is the manage-renv-dependencies skill?
manage-renv-dependencies is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform manage-renv-dependencies-related tasks without extra prompting.
How do I install manage-renv-dependencies?
Use the install commands on this page: add manage-renv-dependencies to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does manage-renv-dependencies belong to?
manage-renv-dependencies is in the Other category, tagged ai, api and automation.
Is manage-renv-dependencies free to use?
Yes. manage-renv-dependencies is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
연관 스킬
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.
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.
이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.
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.
