Agent Skills by ALSEL
Anthropic Claudeデータ・分析⭐ リポ 0品質スコア 50/100

presentational-container-pattern

UIの描画とデータ取得・ビジネスロジックを分離するプレゼンテーション/コンテナパターンを解説します。テスタビリティや再利用性を高めるために、ビューとロジックを明確に切り離したい場面で活用してください。

description の原文を見る

Teaches the presentational/container pattern for separating view and logic. Use when you want to isolate data fetching and business logic from UI rendering for better testability and reuse.

SKILL.md 本文

Container/Presentational パターン

React では、関心の分離を強制する方法の 1 つとして、Container/Presentational パターンを使用できます。このパターンを使用することで、ビューとアプリケーションロジックを分離できます。

使用する場合

  • データ取得ロジックと UI レンダリングの間に明確な分離が欲しい場合に使用してください
  • プレゼンテーショナルコンポーネントを再利用可能で、テストしやすくするために役立ちます

使用しない場合

  • 2 つのファイルへの分割がオーバーヘッドになるだけで、意味のあるメリットがない小さなコンポーネントの場合
  • Hooks がデータロジックをカプセル化し、別個のコンテナコンポーネントが冗長になる場合
  • 1 回限りのビューで、どちらのレイヤーにも再利用の可能性がない場合

指示

  • コンテナコンポーネントはデータ取得と状態を処理し、プレゼンテーショナルコンポーネントはレンダリングを処理します
  • 最新の React では、同じ関心の分離のためにカスタム Hooks をコンテナコンポーネントより優先します
  • プレゼンテーショナルコンポーネントは props を通じてデータを受け取る純粋な関数として保ちます
  • このパターンはアーキテクチャを真に簡潔にする場合にのみ使用してください。小さなコンポーネントでは避けてください

詳細

6 つの犬の画像を取得し、画面にレンダリングするアプリケーションを作成したいとします。

理想的には、このプロセスを 2 つの部分に分離することで、関心の分離を強制したいと思います。

  1. プレゼンテーショナルコンポーネント: データがユーザーにどのように表示されるかを気にするコンポーネント。この例では、犬の画像のリストをレンダリングすることです。
  2. コンテナコンポーネント: どのデータがユーザーに表示されるかを気にするコンポーネント。この例では、犬の画像を取得することです。

犬の画像を取得することはアプリケーションロジックに対応し、画像を表示することはビューに対応しています。

プレゼンテーショナルコンポーネント

プレゼンテーショナルコンポーネントは props を通じてデータを受け取ります。その主な機能は、受け取ったデータをスタイルを含めて望み通りに表示することであり、そのデータを変更しないことです。

犬の画像を表示する例を見てみましょう。犬の画像をレンダリングする場合、API から取得された各犬の画像をマッピングし、それらの画像をレンダリングしたいだけです。そのために、props を通じてデータを受け取り、受け取ったデータをレンダリングする関数型コンポーネントを作成できます。

DogImages コンポーネントはプレゼンテーショナルコンポーネントです。プレゼンテーショナルコンポーネントは通常、ステートレスです。UI の目的でステートが必要な場合を除き、独自の React ステートを含みません。受け取るデータは、プレゼンテーショナルコンポーネント自体によって変更されません。

プレゼンテーショナルコンポーネントはコンテナコンポーネントからデータを受け取ります。

コンテナコンポーネント

コンテナコンポーネントの主な機能は、含んでいるプレゼンテーショナルコンポーネントにデータを渡すことです。コンテナコンポーネント自身は、通常、そのデータを気にするプレゼンテーショナルコンポーネント以外のコンポーネントはレンダリングしません。それら自体は何もレンダリングしないため、通常、スタイルも含みません。

この例では、犬の画像を DogsImages プレゼンテーショナルコンポーネントに渡したいです。その前に、外部 API からの画像を取得する必要があります。このデータを取得し、画面に表示するために DogImages プレゼンテーショナルコンポーネントにこのデータを渡すコンテナコンポーネントを作成する必要があります。

これら 2 つのコンポーネントを組み合わせることで、アプリケーションロジックの処理をビューと分離することが可能になります。

Hooks

多くの場合、Container/Presentational パターンを React Hooks に置き換えることができます。Hooks の導入により、開発者はコンテナコンポーネントがそのステートを提供する必要なく、簡単にステートフルネスを追加できるようになりました。

DogImagesContainer コンポーネント内にデータ取得ロジックを置く代わりに、画像を取得してカスタムフックを作成し、犬の配列を返すことができます。

export default function useDogImages() {
  const [dogs, setDogs] = useState([]);

  useEffect(() => {
    fetch("https://dog.ceo/api/breed/labrador/images/random/6")
      .then((res) => res.json())
      .then(({ message }) => setDogs(message));
  }, []);

  return dogs;
}

このフックを使用することで、プレゼンテーショナル DogImages コンポーネントにデータを取得して送信するラップする DogImagesContainer コンテナコンポーネントが不要になります。代わりに、このフックをプレゼンテーショナル DogImages コンポーネント内で直接使用できます!

useDogImages フックを使用することで、アプリケーションロジックはビューから分離されたままです。DogImages コンポーネント内でデータを変更することなく、useDogImages フックから返されたデータを使用しているだけです。

Hooks は Container/Presentational パターンと同じく、コンポーネント内でロジックとビューを分離しやすくします。プレゼンテーショナルコンポーネントをコンテナコンポーネント内でラップするために必要だった追加レイヤーを節約できます。

メリット

Container/Presentational パターンを使用することには多くの利点があります。

Container/Presentational パターンは関心の分離を促進します。プレゼンテーショナルコンポーネントは UI を担当する純粋な関数であり、コンテナコンポーネントはアプリケーションの状態とデータを担当しています。これにより、関心の分離を簡単に強制できます。

プレゼンテーショナルコンポーネントはデータを変更せずに単に表示するため、簡単に再利用可能にできます。アプリケーション全体でプレゼンテーショナルコンポーネントを異なる目的で再利用できます。

プレゼンテーショナルコンポーネントはアプリケーションロジックを変更しないため、プレゼンテーショナルコンポーネントの外観をコードベースの知識がない人、例えばデザイナーが簡単に変更できます。プレゼンテーショナルコンポーネントがアプリケーションの多くの部分で再利用される場合、変更はアプリ全体で一貫性を保つことができます。

プレゼンテーショナルコンポーネントのテストは簡単です。通常、純粋な関数だからです。渡すデータに基づいて、コンポーネントがレンダリングするものがわかります。データストアをモックする必要はありません。

デメリット

Container/Presentational パターンは、アプリケーションロジックをレンダリングロジックから分離しやすくします。しかし、Hooks により、Container/Presentational パターンを使用せず、ステートレス関数型コンポーネントをクラスコンポーネントに書き直す必要なく、同じ結果を達成することができます。今日では、状態を使用するためにクラスコンポーネントを作成する必要がないことに注意してください。

React Hooks でも Container/Presentational パターンを使用できますが、このパターンは小さなアプリケーションでは簡単にオーバーキルになる可能性があります。

ソース

参考資料

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
patternsdev
リポジトリ
patternsdev/skills
ライセンス
MIT
最終更新
不明

Source: https://github.com/patternsdev/skills / ライセンス: MIT

関連スキル

OpenAIデータ・分析⭐ リポ 1,451

hugging-face-trackio

Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録(Python API)、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析(CLI)が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。

by gradio-app
汎用データ・分析⭐ リポ 855

btc-bottom-model

ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス(4指標、32ポイント)とウィークリー構造(9指標、68ポイント)の2カテゴリーにわたる13の指標を追跡し、0~100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR(LTH+STH)、LTH供給率、移動平均倍率(365日MA、200週MA)、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。

by star23
Anthropic Claudeデータ・分析⭐ リポ 380

protein_solubility_optimization

タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。

by SpectrAI-Initiative
Anthropic Claudeデータ・分析⭐ リポ 1,743

research-lookup

Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。

by K-Dense-AI
Anthropic Claudeデータ・分析⭐ リポ 299

tree-formatting

ggtree(R)またはiTOL(ウェブ)を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定(protein-phylogenyスキルを使用)やドメイン注釈(今後の独立したスキル)には使用しないでください。

by majiayu000
汎用データ・分析⭐ リポ 145

querying-indonesian-gov-data

インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH(ハラール認証)、BOM(食品安全)、OJK(金融適正性)、BPS(統計)、BMKG(気象・地震)、インドネシア中央銀行(為替レート)、IDX(株式)、CKAN公開データポータル、pasal.id(第三者法MCP)に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。

by suryast
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: patternsdev · patternsdev/skills · ライセンス: MIT