manage-renv-dependencies
О программе
Этот навык помогает разработчикам на R управлять зависимостями пакетов с использованием renv для создания воспроизводимых окружений. Он охватывает инициализацию проектов, создание снимков и восстановление зависимостей, устранение неполадок и интеграцию с CI/CD. Используйте его при настройке новых проектов на R, восстановлении окружений на разных машинах или интеграции управления зависимостями в автоматизированные конвейеры.
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/manage-renv-dependenciesСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
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: 若 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: 若 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: 若 .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.lock、renv/activate.R 和 renv/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: 若 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 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.
