如何在小修改后仅重新编织R Markdown修改部分以生成PDF？

以下是几种实用方法，帮你避免每次微小修改都重新运行整个脚本：

1. 用knitr的缓存功能（最常用） #

直接在耗时的代码块中添加cache=TRUE参数，knitr会自动保存代码块的运行结果，后续编织时只要代码块内容、依赖的数据/变量没变化，就会直接调用缓存，不用重新运行：

```{r 耗时分析模块, cache=TRUE}
# 这里放你的长耗时代码

如果多个代码块有依赖关系（比如B块依赖A块的结果），给B块加`dependson="耗时分析模块"`参数，确保A块更新时B块也会重新运行。

你也可以全局开启缓存，在脚本开头设置：
```r
```{r setup, include=FALSE}
knitr::opts_chunk$set(cache=TRUE)

还能通过`cache.path`指定缓存文件的存储目录，方便管理：
```r
knitr::opts_chunk$set(cache.path = "cache/")

注意：如果修改了代码块外的全局变量或依赖数据，需要手动删除对应缓存目录，或者用cache.extra参数绑定依赖的变量（比如cache.extra = list(data_version = 1)），当绑定的变量变化时自动触发重新运行。

2. 拆分脚本+预存计算结果 #

把长耗时的计算逻辑单独拎出来写成独立R脚本，运行一次后将结果保存为RDS或RData文件：

# 单独的计算脚本：long_computation.R
result <- long_running_function()
saveRDS(result, "long_computation_result.rds")

然后在主R Markdown脚本中直接加载预存的结果，不用每次重新计算：

```{r load_result, include=FALSE}
result <- readRDS("long_computation_result.rds")

只有当你需要更新计算逻辑或数据时，才重新运行那个独立的计算脚本。

## 3. 用工作流工具追踪依赖
如果脚本涉及多步骤复杂依赖，可以用`targets`或`drake`这类工具：
- 定义每个步骤的「目标」（比如原始数据、预处理结果、分析结果、最终文档）
- 工具会自动追踪每个目标的依赖关系，只有当依赖项发生变化时，才重新运行对应的步骤
- 编织R Markdown时直接调用已经生成的目标结果，完全跳过未变更的步骤

内容的提问来源于stack exchange，提问作者Ian