release-package-version
О программе
Этот навык автоматизирует полный цикл выпуска пакетов R, включая увеличение номеров версий, обновление NEWS.md, создание git-тегов и релизов на GitHub. Он предназначен для ситуаций, когда пакет готов к публикации новой патч-, минорной или мажорной версии, либо после принятия в CRAN. Ключевые функции обрабатывают повышение версий на основе семантического версионирования и настройку версии для разработки после релиза.
Быстрая установка
Claude Code
Рекомендуетсяnpx 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/release-package-versionСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
name: release-package-version description: > 发布 R 包新版本,包括版本号递增、NEWS.md 更新、git 标签创建、 GitHub release 创建及发布后开发版本设置。适用于包已准备好发布 新的补丁、次要或主要版本、CRAN 接受后创建对应的 GitHub release, 或在发布后立即设置开发版本递增的场景。 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, versioning, release, git-tags, changelog
发布包版本
执行 R 包版本发布的完整周期。
适用场景
- 准备好发布新版本(缺陷修复、功能或破坏性变更)
- CRAN 接受后,创建对应的 GitHub release
- 设置发布后的开发版本
输入
- 必需:已准备好发布变更的包
- 必需:发布类型:patch(0.1.0 -> 0.1.1)、minor(0.1.0 -> 0.2.0)或 major(0.1.0 -> 1.0.0)
- 可选:是否提交至 CRAN(默认:否,单独使用
submit-to-cran技能)
步骤
第 1 步:确定版本递增类型
遵循语义化版本规范:
| 变更类型 | 版本递增 | 示例 |
|---|---|---|
| 仅缺陷修复 | Patch | 0.1.0 -> 0.1.1 |
| 新功能(向后兼容) | Minor | 0.1.0 -> 0.2.0 |
| 破坏性变更 | Major | 0.1.0 -> 1.0.0 |
预期结果: 根据自上次发布以来的变更性质,确定正确的递增类型(patch、minor 或 major)。
失败处理: 若不确定,查看自上次标签以来的 git log 并对每个变更分类。任何破坏性 API 变更都需要 major 递增。
第 2 步:更新版本
usethis::use_version("minor") # 或 "patch" 或 "major"
此命令更新 DESCRIPTION 中的 Version 字段并在 NEWS.md 中添加标题。
预期结果: DESCRIPTION 版本已更新。NEWS.md 有该发布版本的新章节标题。
失败处理: 若 usethis::use_version() 不可用,手动更新 DESCRIPTION 中的 Version 字段,并在 NEWS.md 中添加 # packagename x.y.z 标题。
第 3 步:更新 NEWS.md
在新版本标题下填写发布说明:
# packagename 0.2.0
## New Features
- Added `new_function()` for processing data (#42)
- Support for custom themes in `plot_results()` (#45)
## Bug Fixes
- Fixed crash when input contains all NAs (#38)
- Corrected off-by-one error in `window_calc()` (#41)
## Minor Improvements
- Improved error messages for invalid input types
- Updated documentation examples
使用 issue/PR 编号以便追溯。
预期结果: NEWS.md 包含按类别组织的完整面向用户变更摘要,并附有 issue/PR 编号以便追溯。
失败处理: 若难以重建变更记录,使用 git log --oneline v<previous>..HEAD 列出自上次发布以来的所有提交,并对其分类。
第 4 步:最终检查
devtools::check()
devtools::spell_check()
urlchecker::url_check()
预期结果: devtools::check() 返回 0 个错误、0 个警告、0 个注记。拼写检查和 URL 检查未发现问题。
失败处理: 发布前修复所有错误和警告。将误报词汇添加至 inst/WORDLIST 供拼写检查器使用。替换失效的 URL。
第 5 步:提交发布版本
git add DESCRIPTION NEWS.md
git commit -m "Release packagename v0.2.0"
预期结果: 单个提交包含 DESCRIPTION 中的版本递增和更新后的 NEWS.md。
失败处理: 若存在其他未提交的变更,仅暂存 DESCRIPTION 和 NEWS.md。发布提交应只包含版本相关的变更。
第 6 步:打标签
git tag -a v0.2.0 -m "Release v0.2.0"
git push origin main --tags
预期结果: 注解标签 v0.2.0 已创建并推送至远程。git tag -l 在本地显示该标签;git ls-remote --tags origin 在远程确认。
失败处理: 若推送失败,检查是否有写入权限。若标签已存在,使用 git show v0.2.0 确认它指向正确的提交。
第 7 步:创建 GitHub Release
gh release create v0.2.0 \
--title "packagename v0.2.0" \
--notes-file NEWS.md
或使用:
usethis::use_github_release()
预期结果: GitHub release 已创建,发布说明在仓库的 Releases 页面上可见。
失败处理: 若 gh release create 失败,确认 gh CLI 已通过身份验证(gh auth status)。若 usethis::use_github_release() 失败,在 GitHub 上手动创建 release。
第 8 步:设置开发版本
发布后,切换至开发版本:
usethis::use_dev_version()
此命令将版本改为 0.2.0.9000 以表示开发中。
git add DESCRIPTION NEWS.md
git commit -m "Begin development for next version"
git push
预期结果: DESCRIPTION 版本现为 0.2.0.9000(开发版本)。NEWS.md 有开发版本的新标题。变更已推送至远程。
失败处理: 若 usethis::use_dev_version() 不可用,手动将 DESCRIPTION 中的版本改为 x.y.z.9000,并在 NEWS.md 中添加 # packagename (development version) 标题。
验证清单
- DESCRIPTION 中的版本与预期发布版本匹配
- NEWS.md 有完整、准确的发布说明
-
R CMD check通过 - Git 标签与版本匹配(如
v0.2.0) - GitHub release 存在且含发布说明
- 已设置发布后开发版本(x.y.z.9000)
常见问题
- 忘记推送标签:
git push单独不推送标签,使用--tags或git push origin v0.2.0 - NEWS.md 格式:使用与 pkgdown/CRAN 期望格式匹配的 markdown 标题
- 对错误的提交打标签:始终在版本递增提交之后打标签,而非之前
- CRAN 版本已存在:CRAN 不接受已发布的版本,始终递增版本号
- 发布版本中包含开发版本:切勿将
.9000版本提交至 CRAN
相关技能
submit-to-cran— 版本发布后的 CRAN 提交create-github-release— 通用 GitHub release 创建setup-github-actions-ci— 发布版本时触发 pkgdown 重建build-pkgdown-site— 文档站点反映新版本
GitHub репозиторий
Похожие навыки
llamaguard
ДругоеLlamaGuard — это модель от Meta с 7–8 миллиардами параметров для модерации входных и выходных данных больших языковых моделей по шести категориям безопасности, таким как насилие и разжигание ненависти. Она обеспечивает точность 94–95% и может быть развернута с помощью vLLM, Hugging Face или Amazon SageMaker. Используйте этот навык, чтобы легко интегрировать фильтрацию контента и защитные механизмы в ваши ИИ-приложения.
cost-optimization
ДругоеЭтот навык Claude помогает разработчикам оптимизировать облачные расходы за счет правильного подбора ресурсов, стратегий тегирования и анализа затрат. Он предоставляет framework для сокращения облачных расходов и внедрения управления затратами в AWS, Azure и GCP. Используйте его, когда вам нужно проанализировать расходы на инфраструктуру, оптимизировать ресурсы или уложиться в бюджетные ограничения.
quantizing-models-bitsandbytes
ДругоеЭтот навык выполняет квантизацию LLM до 8-битной или 4-битной точности с использованием библиотеки bitsandbytes, обеспечивая сокращение использования памяти на 50-75% при минимальной потере точности. Он идеально подходит для запуска больших моделей при ограниченной памяти GPU или для ускорения вывода, поддерживая форматы INT8, NF4 и FP4. Навык интегрируется с HuggingFace Transformers и позволяет использовать обучение QLoRA и 8-битные оптимизаторы.
dispatching-parallel-agents
ДругоеЭтот навык Claude распределяет нескольких агентов для исследования и устранения трёх и более независимых проблем параллельно. Он предназначен для сценариев с несвязанными сбоями, которые можно устранить без общего состояния или зависимостей. Ключевая возможность — параллельное решение проблем, где за каждую независимую предметную область назначается отдельный агент для максимальной эффективности.
