install-putior
关于
This skill installs and configures the `putior` R package for workflow visualization, handling both CRAN and GitHub installations along with optional dependencies. It verifies the complete annotation-to-diagram pipeline is functional. Use it for initial setup, environment preparation, or when restoring after an R upgrade or `renv` wipe.
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/install-putior在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
裝 putior
裝 putior R 包與其可選依以備標註至圖之管線。
用
- 首次於項目或環境立 putior
- 備機供工作流視覺任務
- 下游技能(analyze-codebase-workflow、generate-workflow-diagram)需 putior 已裝
- R 升或 renv 除後復環境
入
- 必:R 裝(>= 4.1.0)可訪
- 可:由 CRAN(默)或 GitHub 開發版裝
- 可:哪可選依組:MCP(
mcptools、ellmer)、交互(shiny、shinyAce)、記(logger)、ACP(plumber2)
行
一:驗 R 裝
確 R 可用且合最低版。
R.Version()$version.string
# Must be >= 4.1.0
# From WSL with Windows R
"/mnt/c/Program Files/R/R-4.5.2/bin/Rscript.exe" -e "cat(R.version.string)"
得:R 版串印,>= 4.1.0。
敗:裝或升 R。Windows:由 https://cran.r-project.org/bin/windows/base/ 下。Linux:用 sudo apt install r-base。
二:裝 putior
由 CRAN(穩)或 GitHub(開發)裝。
# CRAN (recommended)
install.packages("putior")
# GitHub dev version (if latest features needed)
remotes::install_github("pjt222/putior")
得:包無誤裝。library(putior) 靜載。
敗:CRAN 裝敗「not available for this version of R」→用 GitHub 版。GitHub 敗→察 remotes 已裝:install.packages("remotes")。
三:裝可選依
依所需功能裝可選包。
# MCP server integration (for AI assistant access)
remotes::install_github("posit-dev/mcptools")
install.packages("ellmer")
# Interactive sandbox
install.packages("shiny")
install.packages("shinyAce")
# Structured logging
install.packages("logger")
# ACP server (agent-to-agent communication)
install.packages("plumber2")
得:各包無誤裝。
敗:mcptools 敗→先確 remotes 已裝。Linux 之系依誤→裝所需庫(如 httr2 依之 sudo apt install libcurl4-openssl-dev)。
四:驗裝
行基管線確諸作。
library(putior)
# Check package version
packageVersion("putior")
# Verify core functions are available
stopifnot(
is.function(put),
is.function(put_auto),
is.function(put_diagram),
is.function(put_generate),
is.function(put_merge),
is.function(put_theme)
)
# Test basic pipeline with a temp file
tmp <- tempfile(fileext = ".R")
writeLines("# put id:'test', label:'Hello putior'", tmp)
cat(put_diagram(put(tmp)))
得:Mermaid 流程碼印至控台含 test 與 Hello putior。
關鍵默:諸掃函(
put()、put_auto()、put_generate()、put_merge())默recursive = TRUE,自動掃子目錄。此為由 0.2.0 前版默FALSE之破變。諸掃函亦受exclude參供正則檔過濾(如put("./src/", exclude = "test_"))。
若可選 shiny 包已裝→試交互沙盒:
putior::run_sandbox()
啟瀏覽器編輯,可試 PUT 標註語法並即時見繪圖。
敗:put 未找→包未正裝。以 install.packages("putior", dependencies = TRUE) 重裝。圖空→驗臨檔已造且標註語法於雙引內用單引。
驗
-
library(putior)無誤載 -
packageVersion("putior")返有效版 - 含有效 PUT 標註之檔於
put()返一列數據幀 -
put_diagram()生以flowchart開之 Mermaid 碼 - 諸所請可選依無誤載
忌
- 引錯嵌:PUT 標註於內用單引:
id:'name',非id:"name"(某脈絡衝注串分隔) - 小插件需 Pandoc:欲本地建 putior 小插件→確
.Renviron已設RSTUDIO_PANDOC - renv 隔:項目用 renv→必於 renv 庫內裝 putior。行
renv::install("putior")非install.packages("putior") - GitHub 率限:由 GitHub 裝
mcptools無GITHUB_PAT則敗。經usethis::create_github_token()設 - 版不符:既裝舊版 putior→先卸舊:
remove.packages("putior") - 裝於錯徑:路近遠異庫者→用
install.packages(..., lib = "/目標")顯指 - Windows 編譯工缺:由源裝需 Rtools。於 Windows 先裝 Rtools43+
- WSL 混:WSL 中用 Windows R 則徑必以
/mnt/c/開。勿混 Linux 原生 R - 依鏈斷:
install.packages("putior", dependencies = TRUE)拉諸所需依,免手逐一裝 - CRAN 鏡陳:選近地鏡供速。
options(repos = "https://cloud.r-project.org")宜 - 記憶不足:大依裝致失敗→擴可用記憶或分次裝
參
analyze-codebase-workflowconfigure-putior-mcpmanage-renv-dependenciesconfigure-mcp-server
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。
