MCP HubMCP Hub
Вернуться к навыкам

build-parameterized-report

pjt222
Обновлено 6 days ago
19 просмотров
17
2
17
Посмотреть на GitHub
Метаautomationdesign

О программе

Этот навык позволяет разработчикам создавать параметризованные отчеты Quarto или R Markdown, которые генерируют множество вариаций из одного шаблона. Он охватывает определение параметров, программную генерацию отчетов и пакетное создание для автоматизированных рабочих процессов. Используйте его для формирования отчетов для конкретных отделов, персонализированных выводов для клиентов или автоматизации регулярных отчетов с различными входными данными.

Быстрая установка

Claude Code

Рекомендуется
Основной
npx skills add pjt222/agent-almanac -a claude-code
Команда плагинаАльтернативный
/plugin add https://github.com/pjt222/agent-almanac
Git клонированиеАльтернативный
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/build-parameterized-report

Скопируйте и вставьте эту команду в Claude Code для установки этого навыка

Документация

建參報

造受參之報,自一模生多客變。

  • 為異部、域、期生同報
  • 自模造客專報
  • 建濾於具子之儀
  • 自定期報附異入

  • :報模(Quarto 或 R Markdown)
  • :參定(名、類、默)
  • :批生之參值列
  • :生報之出目

一:YAML 定參

Quarto(report.qmd):

---
title: "Sales Report: `r params$region`"
params:
  region: "North America"
  year: 2025
  include_forecast: true
format:
  html:
    toc: true
---

R Markdown(report.Rmd):

---
title: "Sales Report"
params:
  region: "North America"
  year: 2025
  include_forecast: true
output: html_document
---

得: YAML 頭含 params: 塊附名參,各有正類默值。

敗: 渲敗報「object 'params' not found」→確 params: 塊於 YAML 首縮對。Quarto params 必於 YAML 頂,非 format: 下嵌。

二:碼中用參

```{r}
#| label: filter-data

data <- full_dataset |>
  filter(region == params$region, year == params$year)

nrow(data)
```

## Overview for `r params$region`

This report covers the `r params$region` region for `r params$year`.

```{r}
#| label: forecast
#| eval: !expr params$include_forecast

# This chunk only runs when include_forecast is TRUE
forecast_model <- forecast::auto.arima(data$sales)
forecast::autoplot(forecast_model)
```

得: 碼塊以 params$name 引參,條塊以 Quarto #| eval: !expr params$flag。行內 R 表如 `r params$region` 渲動文。

敗: params$name 返 NULL→驗參名於 YAML 與碼全合(區大小)。察默值類正。

三:以客參渲

單渲:

# Quarto
quarto::quarto_render(
  "report.qmd",
  execute_params = list(region = "Europe", year = 2025)
)

# R Markdown
rmarkdown::render(
  "report.Rmd",
  params = list(region = "Europe", year = 2025),
  output_file = "report-europe-2025.html"
)

得: 單報以客參值成渲,覆 YAML 默。出檔於所述徑造。

敗: Quarto 渲敗→察 quarto CLI 已裝且於 PATH。R Markdown 敗→驗 rmarkdown 已裝。確參名於 execute_params(Quarto)或 params(R Markdown)合 YAML 定。

四:批渲多報

regions <- c("North America", "Europe", "Asia Pacific", "Latin America")
years <- c(2024, 2025)

# Generate all combinations
combinations <- expand.grid(region = regions, year = years, stringsAsFactors = FALSE)

# Render each
purrr::pwalk(combinations, function(region, year) {
  output_name <- sprintf("report-%s-%d.html",
    tolower(gsub(" ", "-", region)), year)

  quarto::quarto_render(
    "report.qmd",
    execute_params = list(region = region, year = year),
    output_file = output_name
  )
})

得: 每域年組一 HTML。

敗: 察參名於 YAML 與碼全合。確諸參值有效。

五:加參驗

#| label: validate-params

stopifnot(
  "Region must be a valid region" = params$region %in% valid_regions,
  "Year must be numeric" = is.numeric(params$year),
  "Year must be reasonable" = params$year >= 2020 && params$year <= 2030
)

得: 驗碼塊於每渲始行,若參出範或類誤則以清誤止。

敗: stopifnot() 生無益訊→換顯 if (!cond) stop("message") 呼以清診。

六:組出

# Create output directory
output_dir <- file.path("reports", format(Sys.Date(), "%Y-%m"))
dir.create(output_dir, recursive = TRUE, showWarnings = FALSE)

# Render with output path
quarto::quarto_render(
  "report.qmd",
  execute_params = list(region = region),
  output_file = file.path(output_dir, paste0("report-", region, ".html"))
)

得: 出檔書於日戳子目附述名(如 reports/2025-06/report-europe.html)。

敗: dir.create() 敗→察父目存且可書。Windows 上驗徑長不過 260 字。

  • 報以默參渲
  • 報以每組客參渲
  • 參處前驗
  • 出檔命述
  • 條段依參正渲
  • 批生於諸組完

  • 參名不合:YAML 名必全合碼 params$name
  • 類強轉:YAML 或解 year: 2025 為整,而碼候字元。必顯。
  • 條評:Quarto 用 #| eval: !expr params$flag,非 eval = params$flag
  • 檔覆:無唯出名→每渲覆前
  • 批記:久批或積記。宜用 callr::r() 為隔。

  • create-quarto-report — 基 Quarto 文設
  • generate-statistical-tables — 適參之表
  • format-apa-report — 參化學術報

GitHub репозиторий

pjt222/agent-almanac
Путь: i18n/wenyan-ultra/skills/build-parameterized-report
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Похожие навыки

content-collections

Мета

Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.

Просмотреть навык

polymarket

Мета

Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.

Просмотреть навык

creating-opencode-plugins

Мета

Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.

Просмотреть навык

sglang

Мета

SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.

Просмотреть навык