# 在 REPL 中按 ] 进入 Pkg 模式
# (v1.11) pkg>

# 或在代码中使用
using Pkg

# 激活项目环境
Pkg.activate(".")

# 查看当前环境
Pkg.status()

# 添加依赖到当前项目
Pkg.add(["DataFrames", "CSV", "Plots"])

# 添加开发依赖（仅测试/文档使用）
Pkg.add("Test"; target=:test)

using Pkg

# 在指定路径创建新包
Pkg.generate("MyAwesomePkg")
# 创建 MyAwesomePkg/ 目录，包含 Project.toml 和 src/MyAwesomePkg.jl

# src/MyAwesomePkg.jl
module MyAwesomePkg

using LinearAlgebra
using Statistics

# 导出公共 API
export compute, analyze, MyResult

# 包含子文件
include("core.jl")
include("utils.jl")

# 文档字符串
"""
    compute(x::AbstractVector)

计算向量的统计数据。

# 示例
```julia
result = compute([1.0, 2.0, 3.0])

using UUIDs
uuid4()  # 生成随机 UUID

# Manifest.toml 片段（自动生成，不要手动编辑）
[[DataFrames]]
deps = ["Compat", "DataAPI", "InvertedIndices", "LinearAlgebra", ...]
git-tree-sha1 = "abc123..."
uuid = "a93c6f00-e57d-5684-b7b6-d8193f3e46c0"
version = "1.6.1"

[[Compat]]
git-tree-sha1 = "def456..."
uuid = "34da2185-b29b-5c13-b0c7-acf172513d20"
version = "4.10.0"

# 将本地包添加为开发依赖
Pkg.develop(path="/path/to/MyAwesomePkg")

# 或使用 URL
Pkg.develop(url="https://github.com/user/MyAwesomePkg.jl.git")

# 开发模式下，代码修改立即生效（无需重新安装）

using Revise
using MyAwesomePkg

# 修改 MyAwesomePkg 的代码后，更改自动加载
# 无需重启 Julia 或重新 import

# 1. 激活项目
Pkg.activate(".")

# 2. 开发模式添加本地包
Pkg.develop(path="../MyAwesomePkg")

# 3. 启用 Revise
using Revise
using MyAwesomePkg

# 4. 编辑代码，更改自动生效
# 5. 运行测试验证
Pkg.test("MyAwesomePkg")

# test/runtests.jl
using MyAwesomePkg
using Test

@testset "MyAwesomePkg.jl" begin
    @testset "compute" begin
        # 基本功能
        result = compute([1.0, 2.0, 3.0])
        @test result.mean ≈ 2.0
        @test result.n == 3

        # 边界情况
        result_single = compute([5.0])
        @test result_single.mean ≈ 5.0
        @test result_single.std ≈ 0.0
    end

    @testset "MyResult" begin
        r = MyResult(1.0, 0.5, 10)
        @test r.mean == 1.0
        @test r.std == 0.5
        @test r.n == 10
    end

    @testset "类型稳定性" begin
        @inferred compute([1.0, 2.0, 3.0])
    end
end

# 在 Pkg 模式下
# (v1.11) pkg> test

# 或代码中
Pkg.test("MyAwesomePkg")

# 带覆盖率
Pkg.test("MyAwesomePkg"; coverage=true)

# docs/make.jl
using Documenter
using MyAwesomePkg

makedocs(
    sitename = "MyAwesomePkg.jl",
    modules = [MyAwesomePkg],
    pages = [
        "首页" => "index.md",
        "快速入门" => "getting-started.md",
        "API 参考" => "api.md",
    ],
    format = Documenter.HTML(
        prettyurls = get(ENV, "CI", nothing) == "true"
    )
)

# 部署到 GitHub Pages
deploydocs(
    repo = "github.com/user/MyAwesomePkg.jl.git",
    devbranch = "main"
)

"""
    compute(x::AbstractVector; corrected::Bool=true) -> MyResult

计算向量的均值和标准差。

# 参数
- `x`: 输入数据向量
- `corrected`: 是否使用修正的样本标准差（默认 true）

# 返回值
返回 `MyResult` 结构体，包含 `mean`、`std`、`n` 字段。

# 示例
```julia
data = [1.0, 2.0, 3.0, 4.0, 5.0]
result = compute(data)
result.mean  # 3.0
result.std   # 1.5811...

# 1. 修改版本号
# Project.toml: version = "1.1.0"

# 2. 提交并推送
# git commit -am "Bump version to 1.1.0"
# git tag v1.1.0
# git push --tags

# 3. 重新注册
# @JuliaRegistrator register

[compat]
julia = "1.9"           # 支持 Julia 1.9 及以上
DataFrames = "1"         # 支持 DataFrames 1.x
Plots = "1.38"          # 支持 Plots 1.38.x 及以上（<2.0）
SomePackage = "=2.1.0"  # 精确版本

using Pkg
Pkg.add("PkgTemplates")

using PkgTemplates

t = Template(;
    user="yourname",
    plugins=[
        License(; name="MIT"),
        Git(; manifest=false),
        GitHubActions(; coverage=true),
        Documenter{GitHubActions}(),
        Tests(; project=true),
        Citation(; key="mykey"),
    ],
)

t("MyNewPkg")

t = Template(;
    user="yourname",
    dir="~/julia-dev",
    plugins=[
        License(; name="MIT"),
        Git(; manifest=false, ssh=true),
        GitHubActions(;
            coverage=true,
            extra_versions=["1.10", "nightly"],
        ),
        Documenter{GitHubActions}(),
        Tests(; project=true),
        Codecov(),
        Coveralls(),
    ],
)