add-puzzle-type
정보
이 Claude Skill은 jigsawR 패키지의 10개 이상의 모든 통합 지점에 걸쳐 새로운 퍼즐 유형을 구성합니다. 핵심 퍼즐 모듈을 생성하고, 통합 파이프라인(생성, 배치, 렌더링, 인접성)에 연결하며, ggpuzzle 레이어, 설정 파일, Shiny 앱을 포함한 패키지 인프라를 확장합니다. 완전히 새로운 퍼즐 유형을 추가하거나 통합 체크리스트를 따라 모든 구성 요소를 누락 없이 종단 간 적용을 보장해야 할 때 이 기술을 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/add-puzzle-typeClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
name: add-puzzle-type description: > 在 jigsawR 中跨所有 10+ 个流水线集成点搭建新拼图类型的脚手架。创建核心拼图模块, 将其连接到统一流水线(生成、定位、渲染、邻接),添加 ggpuzzle 的 geom/stat 图层, 更新 DESCRIPTION 和 config.yml,扩展 Shiny 应用,并创建综合测试套件。适用于 向包中添加全新的拼图类型,或按照 10 点集成检查清单确保端到端无遗漏。 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: jigsawr complexity: advanced language: R tags: jigsawr, puzzle-type, pipeline, integration, scaffold locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude translation_date: "2026-03-17"
添加拼图类型
在 jigsawR 中跨所有流水线集成点搭建新拼图类型的脚手架。
适用场景
- 向包中添加全新的拼图类型
- 按照已建立的集成检查清单(CLAUDE.md 10 点流水线)
- 确保在端到端连接新类型时不遗漏任何环节
输入
- 必需:新类型名称(小写,例如
"triangular") - 必需:几何描述(拼块如何形状和排列)
- 必需:该类型是否需要外部包(添加到 Suggests)
- 可选:标准参数之外的参数列表(grid、size、seed、tabsize、offset)
- 可选:参考实现或算法来源
步骤
第 1 步:创建核心拼图模块
创建 R/<type>_puzzle.R,包含内部生成函数:
#' 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
}
参照 R/voronoi_puzzle.R 或 R/snic_puzzle.R 的结构模式。
预期结果: 函数返回包含 $pieces、$edges、$adjacency、$metadata 的列表。
失败处理: 将返回结构与 generate_voronoi_pieces_internal() 进行比较,找出缺失的列表元素或不正确的类型。
第 2 步:连接到 jigsawR_clean.R
编辑 R/jigsawR_clean.R:
- 将
"<type>"添加到valid_types向量 - 在参数部分添加类型特定的参数提取
- 添加类型特定约束的验证逻辑
- 添加文件名前缀映射(例如
"<type>"->"<type>_")
# In valid_types
valid_types <- c("rectangular", "hexagonal", "concentric", "voronoi", "snic", "<type>")
预期结果: generate_puzzle(type = "<type>") 被接受,不出现"unknown type"错误。
失败处理: 确认类型字符串已完全按拼写添加到 valid_types,并且参数提取覆盖了所有必需的类型特定参数。
第 3 步:连接到 unified_piece_generation.R
编辑 R/unified_piece_generation.R:
- 在
generate_pieces_internal()中添加分发情况 - 如果该类型支持 PILES 记法,添加融合处理
# In the switch/dispatch
"<type>" = generate_<type>_pieces_internal(params, seed)
预期结果: 当类型被分发时,拼块成功生成。
失败处理: 确认分发情况的字符串与类型名称完全匹配,且 generate_<type>_pieces_internal 已在拼图模块中定义并导出。
第 4 步:连接到 piece_positioning.R
编辑 R/piece_positioning.R:
为新类型添加定位分发。大多数类型使用共享定位逻辑,但某些类型需要自定义处理。
预期结果: apply_piece_positioning() 无错误地处理新类型,拼块被放置在正确的坐标上。
失败处理: 检查新类型是否需要自定义定位逻辑,还是可以复用共享定位路径。如果默认路径不适用,添加分发情况。
第 5 步:连接到 unified_renderer.R
编辑 R/unified_renderer.R:
- 在
render_puzzle_svg()中添加渲染情况 - 添加边缘路径函数:
get_<type>_edge_paths() - 添加拼块名称函数:
get_<type>_piece_name()
预期结果: 为新类型生成 SVG 输出,包含正确的拼块轮廓和边缘路径。
失败处理: 验证 get_<type>_edge_paths() 返回有效的 SVG 路径数据,get_<type>_piece_name() 为每个拼块生成唯一标识符。
第 6 步:连接到 adjacency_api.R
编辑 R/adjacency_api.R:
添加邻居分发,使 get_neighbors() 和 get_adjacency() 适用于新类型。
预期结果: get_neighbors(result, piece_id) 为拼图中任意拼块返回正确的邻居。
失败处理: 检查邻接分发是否返回正确的数据结构。使用小网格测试,并根据几何形状手动验证邻居关系。
第 7 步:添加 ggpuzzle Geom 图层
编辑 R/geom_puzzle.R:
使用 make_puzzle_layer() 工厂创建 geom_puzzle_<type>():
#' @export
geom_puzzle_<type> <- function(mapping = NULL, data = NULL, ...) {
make_puzzle_layer(type = "<type>", mapping = mapping, data = data, ...)
}
预期结果: ggplot() + geom_puzzle_<type>(aes(...)) 无错误渲染。
失败处理: 验证 make_puzzle_layer() 接收到正确的类型字符串,且 geom 函数通过 @export 在 NAMESPACE 中导出。
第 8 步:添加 Stat 分发
编辑 R/stat_puzzle.R:
- 添加类型特定的默认参数
- 在
compute_panel()中添加分发情况
预期结果: stat 图层正确计算拼图几何,并生成预期数量的多边形。
失败处理: 检查 compute_panel() 分发情况是否返回包含必需列(x、y、group、piece_id)的数据框,且默认参数对新类型是合理的。
第 9 步:更新 DESCRIPTION
编辑 DESCRIPTION:
- 在 Description 字段文本中添加新类型
- 将任何新包添加到
Suggests:(如有外部依赖) - 更新
Collate:以包含新 R 文件(按字母顺序)
预期结果: devtools::document() 成功。没有关于未列出文件的 NOTE。
失败处理: 检查新 R 文件是否按字母顺序列在 Collate: 字段中,以及任何新的 Suggests 包是否拼写正确并附有版本约束。
第 10 步:更新 config.yml
编辑 inst/config.yml:
为新类型添加默认值和约束:
<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
预期结果: 配置是有效的 YAML。默认值在 generate_puzzle() 使用时能生成可用的拼图。
失败处理: 使用 yaml::yaml.load_file("inst/config.yml") 验证 YAML。确保默认 grid 和 size 值能生成合理的拼图(不会太小或太大)。
第 11 步:扩展 Shiny 应用
编辑 inst/shiny-app/app.R:
- 将新类型添加到 UI 类型选择器
- 为类型特定参数添加条件 UI 面板
- 添加服务器端生成逻辑
预期结果: Shiny 应用在下拉菜单中显示新类型,并在选择时生成拼图。
失败处理: 检查类型是否已添加到 UI 选择器的 choices 参数中,类型特定参数的条件面板是否使用 conditionalPanel(condition = "input.type == '<type>'"),以及服务器端处理程序是否传递了正确的参数。
第 12 步:创建测试套件
创建 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", { ... })
如果该类型需要外部包,用 skip_if_not_installed() 包装测试。
预期结果: 所有测试通过。除非缺少外部依赖,否则不应有跳过。
失败处理: 逐个检查每个集成点。最常见的问题是遗漏分发情况——运行 grep -rn "switch\|valid_types" R/ 查找所有分发位置。
验证清单
-
generate_puzzle(type = "<type>")产生有效输出 - 所有 10 个集成点已正确连接
-
devtools::test()通过新测试 -
devtools::check()返回 0 错误、0 警告 - Shiny 应用渲染新类型
- 配置约束被强制执行(最小/最大验证)
- 邻接和融合正确工作
- ggpuzzle geom 图层无错误渲染
-
devtools::document()成功(NAMESPACE 已更新)
常见问题
- 遗漏分发情况:忘记 10+ 个文件中的任何一个都会导致静默失败或"unknown type"错误
- 含负数的 strsplit:用
paste(a, b, sep = "-")创建邻接键时,负拼块标签会产生"1--1"这样的键。改用"|"分隔符并用"\\|"分割 - 使用
cat()输出:始终使用cli包的日志包装器(log_info、log_warn等) - Collate 顺序:DESCRIPTION 的 Collate 字段必须按字母顺序或依赖顺序排列
- Config.yml 格式:确保 YAML 有效;用
yaml::yaml.load_file("inst/config.yml")测试
相关技能
generate-puzzle— 搭建脚手架后测试新类型run-puzzle-tests— 运行完整测试套件验证集成validate-piles-notation— 测试新类型的融合write-testthat-tests— 通用测试编写模式write-roxygen-docs— 为新 geom 函数编写文档
GitHub 저장소
연관 스킬
llamaguard
기타LlamaGuard는 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.
cost-optimization
기타이 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.
quantizing-models-bitsandbytes
기타이 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.
dispatching-parallel-agents
기타이 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.
