targets流程中嵌套Rmd文件的依赖未被识别，如何处理？

我搭建了一个targets流程，用于训练多个模型并最终生成一个flexdashboard（或Rmd文件）汇总模型。汇总用的Rmd文件通过tarchetypes::tar_render()纳入流程，自身依赖管理正常，但问题在于该文件通过knitr::knit_expand()引用了单模型汇总的模板Rmd文件，模板里的额外依赖（比如示例中的varimp1和varimp2）没被targets捕获。想知道能不能手动添加这些依赖，或者有没有更优的方法创建这种按模型生成章节的动态Rmd文件。

最小可复现示例（MWE） #

以下流程复现了问题：最终输出output.Rmd，为每个模型调用一次template.Rmd。当前依赖关系中，output目标并未依赖varimp1/2，但模板文件实际用到了这两个目标，导致output可能因varimp1/2不存在或过期而无法生成。

_targets.R #

library(targets)
library(tarchetypes)

# 虚拟函数
train_model <- function(id) {
  return(id)
}
get_var_imp <- function(mdl, seed) {
  # seed参数用于轻松更改并使结果失效
  set.seed(seed)
  return(data.frame(x = runif(1), y = runif(1)))
}

list(
  tar_target(model1, train_model(id = "model1")),
  tar_target(model2, train_model(id = "model2")),
  
  tar_target(varimp1, get_var_imp(model1, seed = 1)),
  tar_target(varimp2, get_var_imp(model2, seed = 2)),
  
  tar_target(template_file, "template.Rmd", format = "file"),
  tar_render(output, "output.Rmd")
)

output.Rmd #

---
title: "Output"
output: rmarkdown::html_document
---

# 通用章节

```{R}
# 这些依赖可被正常识别
model1 <- tar_read(model1)
model2 <- tar_read(model2)

为每个模型创建新章节

models <- c("model1", "model2")
NAME_MAP <- c(
  model1 = "第一个模型",
  model2 = "第二个模型"
)
txt <- sapply(models, \(target_name) knitr::knit_expand(tar_read(template_file)))

r paste(knitr::knit(text = txt), collapse = '\n')

### `template.Rmd`
```r
```{r, echo=FALSE}
# 该依赖可被识别，因已在output.Rmd中存在
mdl <- tar_read_raw("{{target_name}}")
mdl_name <- NAME_MAP[["{{target_name}}"]]

# 该依赖未被识别！=================================
vi <- tar_read_raw(gsub("model", "varimp", "{{target_name}}"))

特征重要性如下：

# 或对mdl执行其他操作
vi

生成的文档会为每个模型生成对应章节，展示特征重要性内容。

---

# 解决方案

### 方法1：手动添加依赖到`tar_render`
`tar_render()`支持通过`deps`参数手动指定额外依赖，这样targets就能识别到varimp1/2是output目标的前置依赖。修改`_targets.R`中的`tar_render`部分：
```r
tar_render(output, "output.Rmd", deps = c(varimp1, varimp2))

这种方法简单直接，适合依赖数量少且固定的场景。

方法2：显式加载依赖让targets自动识别 #

在output.Rmd的开头显式加载所有需要的varimp目标，即使代码里没直接用到，targets的静态分析也会捕获这些依赖：

```{r, include=FALSE}
# 显式加载依赖，让targets识别
tar_load(varimp1)
tar_load(varimp2)

如果模型数量多，可以用循环动态加载：
```r
```{r, include=FALSE}
models <- c("model1", "model2")
lapply(models, function(m) {
  tar_load_raw(gsub("model", "varimp", m))
})

### 方法3：使用动态分支+独立渲染章节（更优解）
如果模型数量较多或后续可能扩展，推荐用targets的动态分支功能，先为每个模型生成独立的章节片段，再汇总到最终文档。

#### 修改`_targets.R`
```r
library(targets)
library(tarchetypes)

train_model <- function(id) {
  return(id)
}
get_var_imp <- function(mdl, seed) {
  set.seed(seed)
  return(data.frame(x = runif(1), y = runif(1)))
}

# 定义模型列表
tar_target(model_ids, c("model1", "model2"))

# 动态分支训练模型
tar_target(model, train_model(id = model_ids), pattern = map(model_ids))

# 动态分支生成特征重要性
tar_target(varimp, get_var_imp(model, seed = model_ids), pattern = map(model, model_ids))

# 动态分支生成单个模型的章节片段
tar_target(model_section, {
  # 渲染模板生成章节文本
  template <- readLines("template.Rmd")
  txt <- knitr::knit_expand(text = template, target_name = model_ids)
  knitr::knit(text = txt, quiet = TRUE)
}, pattern = map(model_ids, model, varimp), format = "file")

# 汇总所有章节生成最终文档
tar_render(output, "output.Rmd", deps = model_section)

修改output.Rmd

---
title: "Output"
output: rmarkdown::html_document
---

# 通用章节

```{r}
model_ids <- tar_read(model_ids)

为每个模型创建新章节

r paste(sapply(tar_read(model_section), readLines), collapse = '\n')

这种方法的优势是：
- targets能自动追踪每个模型及其依赖的varimp，分支间相互独立，更新单个模型时无需重新渲染所有章节
- 代码结构更清晰，扩展性更强，新增模型只需修改`model_ids`即可

---

内容的提问来源于stack exchange，提问作者David