MCP HubMCP Hub
Вернуться к навыкам

build-parameterized-report

pjt222
Обновлено 2 days ago
3 просмотров
17
2
17
Посмотреть на GitHub
Метаautomationdesign

О программе

Этот навык позволяет разработчикам создавать параметризованные отчёты в Quarto или R Markdown, которые можно рендерить с разными входными данными для генерации множества вариаций. Он охватывает определение параметров, программный рендеринг и пакетную генерацию. Используйте его, когда вам требуется автоматизировать создание одного и того же отчёта для разных отделов, клиентов, временных периодов или для построения дашбордов с определёнными фильтрами.

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


name: build-parameterized-report description: > Crear informes parametrizados en Quarto o R Markdown que pueden renderizarse con diferentes entradas para generar múltiples variaciones. Cubre definiciones de parámetros, renderizado programático y generación por lotes. Usar al generar el mismo informe para diferentes departamentos, regiones o períodos de tiempo; crear informes específicos por cliente desde una plantilla; construir dashboards que filtren subconjuntos específicos; o automatizar informes recurrentes con entradas variables. license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: reporting complexity: intermediate language: R tags: quarto, parameterized, batch, automation, reporting locale: es source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16

Construir Informe Parametrizado

Crear informes que aceptan parámetros para generar múltiples variaciones personalizadas desde una sola plantilla.

Cuándo Usar

  • Generar el mismo informe para diferentes departamentos, regiones o períodos de tiempo
  • Crear informes específicos por cliente desde una plantilla
  • Construir dashboards que filtren subconjuntos específicos
  • Automatizar informes recurrentes con diferentes entradas

Entradas

  • Requerido: Plantilla de informe (Quarto o R Markdown)
  • Requerido: Definiciones de parámetros (nombres, tipos, valores por defecto)
  • Opcional: Lista de valores de parámetros para generación por lotes
  • Opcional: Directorio de salida para los informes generados

Procedimiento

Paso 1: Definir Parámetros en YAML

Para Quarto (report.qmd):

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

Para R Markdown (report.Rmd):

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

Esperado: El encabezado YAML contiene un bloque params: con parámetros nombrados, cada uno con un valor por defecto del tipo correcto.

En caso de fallo: Si el renderizado falla con "object 'params' not found", asegurar que el bloque params: esté correctamente indentado bajo el frontmatter YAML. Para Quarto, params debe estar en el nivel superior del YAML, no anidado bajo format:.

Paso 2: Usar Parámetros en el Código

```{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)
```

Esperado: Los bloques de código referencian parámetros mediante params$name y los bloques condicionales usan #| eval: !expr params$flag para Quarto. Las expresiones R en línea como `r params$region` renderizan texto dinámico.

En caso de fallo: Si params$name devuelve NULL, verificar que el nombre del parámetro coincida exactamente entre la definición YAML y la referencia en el código (sensible a mayúsculas). Verificar que los valores por defecto sean del tipo correcto.

Paso 3: Renderizar con Parámetros Personalizados

Renderizado individual:

# 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"
)

Esperado: Un solo informe se renderiza exitosamente con valores de parámetros personalizados que anulan los valores por defecto del YAML. El archivo de salida se crea en la ruta especificada.

En caso de fallo: Si el renderizado de Quarto falla, verificar que la CLI quarto esté instalada y en el PATH. Si el renderizado de R Markdown falla, verificar que rmarkdown esté instalado. Asegurar que los nombres de parámetros en execute_params (Quarto) o params (R Markdown) coincidan exactamente con las definiciones YAML.

Paso 4: Renderizar Múltiples Informes por Lotes

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
  )
})

Esperado: Un archivo HTML por cada combinación región-año.

En caso de fallo: Verificar que los nombres de parámetros coincidan exactamente entre YAML y código. Asegurar que todos los valores de parámetros sean válidos.

Paso 5: Agregar Validación de Parámetros

#| 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
)

Esperado: El bloque de código de validación se ejecuta al inicio de cada renderizado y se detiene con un error informativo si algún parámetro está fuera de rango o tiene el tipo incorrecto.

En caso de fallo: Si stopifnot() produce mensajes de error poco útiles, cambiar a llamadas explícitas if (!cond) stop("message") para diagnósticos más claros.

Paso 6: Organizar la Salida

# 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"))
)

Esperado: Los archivos de salida se escriben en un subdirectorio con fecha y nombres descriptivos (p. ej., reports/2025-06/report-europe.html).

En caso de fallo: Si dir.create() falla, verificar que el directorio padre exista y sea escribible. En Windows, verificar que la longitud de la ruta no exceda 260 caracteres.

Validación

  • El informe se renderiza con parámetros por defecto
  • El informe se renderiza con cada conjunto de parámetros personalizados
  • Los parámetros se validan antes del procesamiento
  • Los archivos de salida tienen nombres descriptivos
  • Las secciones condicionales se renderizan correctamente según los parámetros
  • La generación por lotes se completa para todas las combinaciones

Errores Comunes

  • Discrepancia en nombres de parámetros: Los nombres YAML deben coincidir exactamente con las referencias params$name en el código
  • Coerción de tipos: YAML puede interpretar year: 2025 como entero pero el código espera carácter. Ser explícito.
  • Evaluación condicional: Usar #| eval: !expr params$flag no eval = params$flag en Quarto
  • Sobrescritura de archivos: Sin nombres de salida únicos, cada renderizado sobrescribe el anterior
  • Memoria en modo por lotes: Las ejecuciones largas por lotes pueden acumular memoria. Considerar usar callr::r() para aislamiento.

Habilidades Relacionadas

  • create-quarto-report - configuración básica de documentos Quarto
  • generate-statistical-tables - tablas que se adaptan a parámetros
  • format-apa-report - informes académicos parametrizados

GitHub репозиторий

pjt222/agent-almanac
Путь: i18n/es/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