sf-data
Salesforceのデータ操作を130点満点のスコアリングで支援するスキルです。テストデータの作成、一括インポート/エクスポート、`sf data` CLIコマンドの実行、ApexテストのDataFactoryパターン構築が必要な場面でトリガーされます。なお、SOQLクエリの記述のみの場合は`sf-soql`、Apexテストの実行は`sf-testing`、メタデータのデプロイは`sf-deploy`をそれぞれ使用してください。
description の原文を見る
> Salesforce data operations with 130-point scoring. TRIGGER when: user creates test data, performs bulk import/export, uses sf data CLI commands, or needs data factory patterns for Apex tests. DO NOT TRIGGER when: SOQL query writing only (use sf-soql), Apex test execution (use sf-testing), or metadata deployment (use sf-deploy).
SKILL.md 本文
Salesforce データ操作エキスパート (sf-data)
ユーザーが Salesforce データ操作 を必要とする場合、このスキルを使用します: レコード CRUD、一括インポート/エクスポート、テストデータ生成、クリーンアップスクリプト、または Apex、Flow、統合動作の検証用データファクトリパターン。
このスキルがタスクを所有する場合
以下の作業が含まれる場合は sf-data を使用します:
sf dataCLI コマンド- レコードの作成、更新、削除、upsert、エクスポート、またはツリーのインポート/エクスポート
- リアリスティックなテストデータ生成
- 一括データ操作とクリーンアップ
- データシーディング/ロールバック用の Apex 匿名スクリプト
以下の場合は他へ委任してください:
- SOQL のみ記述 →
sf-soql - Apex テストを実行または修復 →
sf-testing - メタデータを最初にデプロイ →
sf-deploy - スキーマ/フィールド定義を発見 →
sf-metadata
重要なモード決定
ユーザーが希望するモードを確認してください:
| モード | 使用する場合 |
|---|---|
| スクリプト生成 | org に触れずに再利用可能な .apex、CSV、JSON アセットを求めている場合 |
| リモート実行 | 実際の org でレコードを今すぐ作成/変更する場合 |
ユーザーがスクリプトのみを希望している場合は、リモート実行を想定しないでください。
最初に収集すべき必須コンテキスト
以下を確認するか推測してください:
- 対象オブジェクト
- org エイリアス(リモート実行が必要な場合)
- 操作タイプ: クエリ、作成、更新、削除、upsert、インポート、エクスポート、クリーンアップ
- 予想ボリューム
- これがテストデータ、マイグレーションデータ、または一度限りのトラブルシューティングデータかどうか
- 最初に存在する必要がある親子関係
コア操作ルール
sf-dataは、ユーザーが明示的にローカルスクリプト生成を希望しない限り、リモート org データ に対して機能します。- オブジェクトとフィールドは、データ作成前に既に存在している必要があります。
- 自動化テストでは、バルク動作が重要な場合は 251+ レコード を推奨します。
- 大規模またはノイズの多いデータセットを作成する前に、常にクリーンアップを検討してください。
- 生成されたテストデータで実在の PII を使用しないでください。
- 直線的な CRUD には CLI-first を推奨; 操作が真にサーバー側のオーケストレーションを必要とする場合は匿名 Apex を使用してください。
メタデータが不足している場合は停止し、以下へ委任してください:
sf-metadataまたはsf-deploy
推奨ワークフロー
1. 前提条件の確認
オブジェクト/フィールド可用性、org 認証、および必要な親レコードを確認してください。
2. スキーマが不確実な場合は describe-first プレフライト検証を実行
レコードを作成または更新する前に、オブジェクト describe データを使用して以下を検証してください:
- 必須フィールド
- 作成可能 vs 非作成可能フィールド
- ピックリスト値
- 関連性フィールドと親要件
例パターン:
sf sobject describe --sobject ObjectName --target-org <alias> --json
有用なフィルタ:
# 必須 + 作成可能フィールド
jq '.result.fields[] | select(.nillable==false and .createable==true) | {name, type}'
# 1 つのフィールドの有効なピックリスト値
jq '.result.fields[] | select(.name=="StageName") | .picklistValues[].value'
# 作成時に設定できないフィールド
jq '.result.fields[] | select(.createable==false) | .name'
3. 最小の正しいメカニズムを選択
| 必要な操作 | デフォルトアプローチ |
|---|---|
| 小規模な一度限りの CRUD | sf data 単一レコードコマンド |
| 大規模インポート/エクスポート | sf data ... bulk による Bulk API 2.0 |
| 親子シードセット | ツリーのインポート/エクスポート |
| 再利用可能なテストデータセット | ファクトリ/匿名 Apex スクリプト |
| 可逆的な実験 | クリーンアップスクリプトまたはセーブポイントベースのアプローチ |
4. アセットを実行または生成
assets/ の組み込みテンプレートを使用してください(適用可能な場合):
assets/factories/assets/bulk/assets/cleanup/assets/soql/assets/csv/assets/json/
5. 結果を検証
作成または更新後、カウント、関連性、およびレコード ID を確認してください。
6. 制限されたリトライ戦略を適用
作成が失敗した場合:
- 主要 CLI 形式を 1 回試します
- 修正されたパラメータで 1 回再試します
- describe を再実行/仮定を検証します
- 異なるメカニズムにピボットするか、手動での回避策を提供します
同じ失敗コマンドを無限に繰り返さないでください。
7. クリーンアップガイダンスを提供
データが作成されるたびに、正確なクリーンアップコマンドまたはロールバックアセットを提供してください。
高シグナルルール
バルク安全性
- 大量のデータに一括操作を使用します
- 適切な場合は 251+ レコードでオートメーション機密動作をテストしてください
- バルクシナリオで 1 レコードずつのパターンを避けてください
データ整合性
- 必須フィールドを含めます
- 作成前にピックリスト値を検証してください
- 親 ID と関連性の整合性を確認してください
- 検証ルールと重複制約を考慮してください
- 入力ペイロードから非作成可能フィールドを除外してください
クリーンアップ規律
次のいずれかを推奨します:
- ID による削除
- パターンによる削除
- 作成日時ウィンドウによる削除
- スクリプトベースのテスト実行用ロールバック/セーブポイントパターン
一般的な失敗パターン
| エラー | 可能性のある原因 | デフォルト修正方向 |
|---|---|---|
INVALID_FIELD | 間違ったフィールド API 名または FLS の問題 | スキーマとアクセスを確認してください |
REQUIRED_FIELD_MISSING | 必須フィールドが省略されている | describe データから必須値を含めてください |
INVALID_CROSS_REFERENCE_KEY | 悪い親 ID | 親を最初に作成/確認してください |
FIELD_CUSTOM_VALIDATION_EXCEPTION | 検証ルールがレコードをブロック | 有効なテストデータを使用するか、セットアップを調整してください |
| 無効なピックリスト値 | describe-backed 値の代わりに推測値 | まずピックリスト値を検査してください |
| 書き込み不可フィールドエラー | フィールドが作成不可/更新不可 | ペイロードから削除してください |
| バルク制限/タイムアウト | ボリュームに対する間違ったツール | バルク/段階的インポートに切り替えてください |
出力形式
完了時に、この順序でレポートしてください:
- 実行された操作
- オブジェクトと数
- ターゲット org またはローカルアーティファクトパス
- レコード ID/出力ファイル
- 検証結果
- クリーンアップ指示
推奨される形式:
データ操作: <create / update / delete / export / seed>
オブジェクト: <object + counts>
ターゲット: <org エイリアスまたはローカルパス>
アーティファクト: <record ids / csv / apex / json files>
検証: <passed / partial / failed>
クリーンアップ: <正確な削除またはロールバックガイダンス>
クロススキル統合
| 必要な操作 | 委任先 | 理由 |
|---|---|---|
| オブジェクト/フィールド構造を発見 | sf-metadata | 正確なスキーマの根拠 |
| バルク機密 Apex 検証を実行 | sf-testing | テスト実行とカバレッジ |
| 不足しているスキーマを最初にデプロイ | sf-deploy | メタデータの準備 |
| データを消費する本番ロジックを実装 | sf-apex または sf-flow | 動作実装 |
リファレンスマップ
ここから始めてください
references/sf-cli-data-commands.mdreferences/test-data-best-practices.mdreferences/orchestration.mdreferences/test-data-patterns.mdreferences/test-data-factory-usage.md
クエリ/バルク/クリーンアップ
references/soql-relationship-guide.mdreferences/relationship-query-examples.mdreferences/bulk-operations-guide.mdreferences/cleanup-rollback-guide.mdreferences/cleanup-rollback-example.md
例/制限
references/crud-workflow-example.mdreferences/bulk-testing-example.mdreferences/anonymous-apex-guide.mdreferences/governor-limits-reference.mdassets/
スコアガイド
| スコア | 意味 |
|---|---|
| 117+ | 強力な本番安全データワークフロー |
| 104–116 | 改善の余地がある良好な操作 |
| 91–103 | 許容可能だがレビュー推奨 |
| 78–90 | 危険なパターンが存在する部分的操作 |
| < 78 | 修正まで実施禁止 |
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
- jaganpro
- リポジトリ
- jaganpro/sf-skills
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/jaganpro/sf-skills / ライセンス: MIT
関連スキル
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。
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。
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。
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。
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。
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。