
de agent-almanac10
Générez plusieurs rapports personnalisés à partir d'un seul modèle Quarto ou R Markdown en fournissant des ensembles de paramètres et en automatisant les rendus par lots.
Cette compétence explique comment créer et rendre des rapports Quarto ou R Markdown paramétrés afin qu'un seul modèle puisse produire plusieurs sorties spécifiques à un client ou à une région. Elle couvre les définitions de paramètres YAML, l'utilisation des paramètres à l'intérieur des blocs de code, le rendu programmatique via quarto::quarto_render ou rmarkdown::render, la génération par lots via des grilles de paramètres, la validation des valeurs de paramètres et l'organisation des répertoires de sortie.
À utiliser lorsque vous devez produire le même rapport pour différentes régions, clients ou périodes ; lors de l'automatisation de rapports périodiques ; ou lors de la génération d'une suite de sorties à partir d'un seul modèle canonique. Utile également pour ajouter une validation des paramètres afin d'éviter les erreurs de rendu.
Compatibilité induite : agents capables d'exécuter des commandes shell/R ou d'orchestrer des tâches par lots (ex: automatisation de style Copilot, Claude Code, ou environnements d'agents personnalisés pouvant invoquer R/quarto).
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
Modélisation des Chaînes de Markov
Construisez et analysez des chaînes de Markov discrètes ou continues : matrices de transition, classification d'états, distributions stationnaires et temps moyens de premier passage.
Créer une Équipe
Rédiger un fichier de composition d'équipe multi-agents (modèle de coordination, membres, tâches, bloc CONFIG) pour le registre d'équipes de l'Agent Almanac.
Générer un rapport de voyage
Crée un rapport de voyage autonome basé sur Quarto (HTML/PDF) avec cartes intégrées, itinéraires quotidiens, tableaux logistiques et détails d'hébergement/transport.
Suivi d'expériences ML (MLflow)
Configurez le suivi d'expériences MLflow : serveur, autologging, stockage d'artefacts, comparaison de runs et gestion du cycle de vie pour des flux de travail ML reproductibles.