build-parameterized-report
关于
This skill enables developers to create parameterized Quarto or R Markdown reports that can be rendered with different inputs to generate multiple variations. It covers parameter definitions, programmatic rendering, and batch generation for automating repetitive reporting tasks. Use it when you need to generate the same report structure for different departments, clients, time periods, or data subsets from a single template.
快速安装
Claude Code
推荐npx 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/build-parameterized-report在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
建參之報
建受參之報,以諸入自一範生諸變。
用時
- 為異部、區、時段生同報
- 自範建客特之報
- 建篩至特子集之盤
- 以異入自動化週期報
入
- 必要:報範(Quarto 或 R Markdown)
- 必要:參定(名、類、默)
- 可選:批生之參值列
- 可選:輸出報之目
法
第一步:於 YAML 定參
Quarto(report.qmd):
---
title: "Sales Report: `r params$region`"
params:
region: "North America"
year: 2025
include_forecast: true
format:
html:
toc: true
---
R Markdown(report.Rmd):
---
title: "Sales Report"
params:
region: "North America"
year: 2025
include_forecast: true
output: html_document
---
得: YAML 頭含 params: 塊,諸名參各有正類之默值。
敗則: 若渲失以「object 'params' not found」,確 params: 塊正縮於 YAML 頭。Quarto 中 params 必居 YAML 頂級,非嵌 format: 下。
第二步:於碼用參
```{r}
#| label: filter-data
data <- full_dataset |>
filter(region == params$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$name 引參,條件塊用 #| eval: !expr params$flag(Quarto)。內聯 R 表如 `r params$region` 生動文。
敗則: 若 params$name 返 NULL,驗參名於 YAML 與碼引全合(別大小)。察默值之類正。
第三步:以自訂參渲
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: 單報以自訂參值覆 YAML 默而成渲。輸出檔建於所指之路。
敗則: Quarto 敗者,察 quarto CLI 已裝且於 PATH。R Markdown 敗者,驗 rmarkdown 已裝。確 execute_params(Quarto)或 params(R Markdown)中參名全合 YAML 定。
第四步:批渲諸報
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: 每區年之合生一 HTML 檔。
敗則: 察 YAML 與碼間參名全合。確諸參值有效。
第五步:加參之驗
#| 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: 驗碼塊於各渲之始行,若參逾範或類誤則以明錯止。
敗則: 若 stopifnot() 之錯言不明,改為明 if (!cond) stop("message") 以清診。
第六步:組輸出
# 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: 輸出檔書於日戳之子目,含述名(如 reports/2025-06/report-europe.html)。
敗則: 若 dir.create() 敗,察父目存而可書。Windows 上驗路不過 260 字。
驗
- 報以默參成渲
- 報以諸自訂參集成渲
- 參於處前已驗
- 輸出檔以述名名之
- 條件段依參正渲
- 批生於諸合皆畢
陷
- 參名不合:YAML 名必全合碼中
params$name之引 - 型強轉:YAML 或解
year: 2025為整而碼望字。宜明 - 條件估:Quarto 用
#| eval: !expr params$flag,非eval = params$flag - 檔覆寫:無獨輸名,每渲覆前
- 批模之記:久批或累記。考用
callr::r()以隔
參
create-quarto-report- 基 Quarto 檔立generate-statistical-tables- 適參之表format-apa-report- 參之學報
GitHub 仓库
相关推荐技能
content-collections
元Content Collections 是一个 TypeScript 优先的构建工具,可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计,提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。
polymarket
元这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持,涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流,可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。
creating-opencode-plugins
元该Skill帮助开发者创建OpenCode插件,用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式,适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。
sglang
元SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。
