create-quarto-report
О программе
Этот навык создает документы Quarto для воспроизводимых отчетов, презентаций и веб-сайтов. Он обрабатывает конфигурацию YAML, блоки кода, форматы вывода и преобразование в HTML/PDF/Word. Используйте его для анализа со встроенным кодом или для перехода с R Markdown.
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/create-quarto-reportСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
Create Quarto Report
Repro Quarto doc → reports / presentations / websites.
Use When
- Repro analysis report
- Presentation w/ embedded code
- Gen HTML/PDF/Word from code
- Migrate R Markdown → Quarto
In
- Required: Topic + audience
- Required: Out fmt (html, pdf, docx, revealjs)
- Optional: Data + analysis code
- Optional: Bib (.bib)
Do
Step 1: Create Doc
report.qmd:
---
title: "Analysis Report"
author: "Author Name"
date: today
format:
html:
toc: true
toc-depth: 3
code-fold: true
theme: cosmo
self-contained: true
execute:
echo: true
warning: false
message: false
bibliography: references.bib
---
Got: report.qmd exists w/ valid YAML (title, author, date, format, exec).
If err: Validate YAML header — --- delimiters match, indent correct. format: = supported (html, pdf, docx, revealjs).
Step 2: Content + Chunks
## Introduction
This report analyzes the relationship between variables X and Y.
## Data
```{r}
#| label: load-data
library(dplyr)
library(ggplot2)
data <- read.csv("data.csv")
glimpse(data)
```
## Analysis
```{r}
#| label: fig-scatter
#| fig-cap: "Scatter plot of X vs Y"
#| fig-width: 8
#| fig-height: 6
ggplot(data, aes(x = x_var, y = y_var)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm") +
theme_minimal()
```
As shown in @fig-scatter, there is a positive relationship.
## Results
```{r}
#| label: tbl-summary
#| tbl-cap: "Summary statistics"
data |>
summarise(
mean_x = mean(x_var),
sd_x = sd(x_var),
mean_y = mean(y_var),
sd_y = sd(y_var)
) |>
knitr::kable(digits = 2)
```
See @tbl-summary for descriptive statistics.
Got: Sections w/ {r} chunks + #| opts (labels, captions, dims).
If err: Verify ```{r} syntax (not inline). #| inside chunk (not YAML). Label prefix matches xref type (fig-, tbl-).
Step 3: Chunk Opts
Common (#|):
#| label: chunk-name # Required for cross-references
#| echo: false # Hide code
#| eval: false # Show but don't run
#| output: false # Run but hide output
#| fig-width: 8 # Figure dimensions
#| fig-height: 6
#| fig-cap: "Caption text" # Enable @fig-name references
#| tbl-cap: "Caption text" # Enable @tbl-name references
#| cache: true # Cache expensive computations
Got: Opts via #| syntax, labels = xref naming conv.
If err: #| (Quarto-native), not legacy {r, option=value}. Labels alphanumeric + hyphens only.
Step 4: Xrefs + Citations
See @fig-scatter for the visualization and @tbl-summary for statistics.
This approach follows @smith2023 methodology.
::: {#fig-combined layout-ncol=2}
{#fig-plotA}
{#fig-plotB}
Combined figure caption
:::
Got: Xrefs (@fig-name, @tbl-name) resolve. Citations (@key) match .bib.
If err: Verify labels exist w/ correct prefix (fig-, tbl-). .bib keys exact (case-sensitive). bibliography: in YAML.
Step 5: Render
quarto render report.qmd
# Specific format
quarto render report.qmd --to pdf
quarto render report.qmd --to docx
# Preview with live reload
quarto preview report.qmd
Got: Out file in fmt.
If err:
- No quarto → install https://quarto.org/docs/get-started/
- PDF err →
quarto install tinytex - R pkg err → install
Step 6: Multi-Fmt Out
format:
html:
toc: true
theme: cosmo
pdf:
documentclass: article
geometry: margin=1in
docx:
reference-doc: template.docx
Render all: quarto render report.qmd
Got: All fmts gen, correct styling per target.
If err: 1 fail, others OK → check fmt-specific. PDF → LaTeX engine (quarto install tinytex). DOCX → valid ref template if set. Fmt opts nested under each format key.
Check
- Renders no err
- All chunks execute
- Xrefs resolve (fig, tbl, cite)
- TOC accurate
- Out fmt fits audience
Traps
- No label prefix: Fig xref needs
fig-, tbl needstbl- - Cache invalid: Cached chunks don't re-run on upstream change. Delete
_cache/→ force. - PDF no LaTeX: Install TinyTeX OR
pdf-engine: weasyprint(CSS-based) - RMD syntax in Quarto: Use
#|not{r, echo=FALSE}
→
format-apa-report— APA academic reportsbuild-parameterized-report— param multi-reportsgenerate-statistical-tables— pub-ready tableswrite-vignette— Quarto vignettes in R pkgs
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот 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.
polymarket
МетаЭтот 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.
creating-opencode-plugins
МетаЭтот 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.
sglang
МетаSGLang — 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.
