sf-datacloud
Salesforce Data Cloud の「接続→準備→統合→セグメント→アクション」という複数フェーズにまたがるパイプライン全体をオーケストレーションするスキルです。マルチステップの Data Cloud パイプライン構築・トラブルシューティング、データスペースやデータキットの管理、`sf data360` を用いたクロスフェーズワークフローが必要な際にトリガーしてください。単一フェーズのみの作業・STDM/セッショントレース/parquet テレメトリ・標準 CRM の SOQL・Apex 実装など、専用スキルが存在するタスクには使用しないでください。
description の原文を見る
> Salesforce Data Cloud product orchestrator for connect→prepare→harmonize→segment→act workflows. TRIGGER when: user needs a multi-step Data Cloud pipeline, asks to set up or troubleshoot Data Cloud across phases, manages data spaces or data kits, or wants a cross-phase `sf data360` workflow. DO NOT TRIGGER when: work is isolated to a single phase (use the matching sf-datacloud-* skill), the task is STDM/session tracing/parquet telemetry (use sf-ai-agentforce-observability), standard CRM SOQL (use sf-soql), or Apex implementation (use sf-apex).
SKILL.md 本文
sf-datacloud: Salesforce Data Cloud オーケストレーター
ユーザーが単一の分離されたコマンドファミリーではなく、プロダクトレベルの Data Cloud ワークフロー ガイダンスを必要とする場合に、このスキルを使用してください:パイプライン設定、フェーズ間のトラブルシューティング、データ スペース、データ キット、またはタスクが Connect、Prepare、Harmonize、Segment、Act、Retrieve のいずれに属するかの判断。
このスキルは、sf-skills ハウス スタイルに意図的に従いながら、外部 sf data360 コマンド サーフェスをランタイムとして使用します。プラグインはこのリポジトリに含まれていません。
このスキルがタスクを担当する場合
以下の作業が含まれる場合、sf-datacloud を使用します:
- マルチフェーズ Data Cloud セットアップまたは修復
- データ スペース(
sf data360 data-space *) - データ キット(
sf data360 data-kit *) - ヘルス チェック(
sf data360 doctor) - CRM から統合プロファイルへのパイプライン設計
- 取り込み → 調和 → セグメンテーション → アクティベーションへの移動方法の決定
- ルート原因がまだ不明なフェーズ間トラブルシューティング
ユーザーが 1 つの領域に集中している場合は、フェーズ固有のスキルにデリゲートしてください:
| フェーズ | このスキルを使用 | 典型的なスコープ |
|---|---|---|
| Connect | sf-datacloud-connect | 接続、コネクタ、ソース検出 |
| Prepare | sf-datacloud-prepare | データ ストリーム、DLO、変換、DocAI |
| Harmonize | sf-datacloud-harmonize | DMO、マッピング、ID 解決、データ グラフ |
| Segment | sf-datacloud-segment | セグメント、計算インサイト |
| Act | sf-datacloud-act | アクティベーション、アクティベーション ターゲット、データ アクション |
| Retrieve | sf-datacloud-retrieve | SQL、検索インデックス、ベクタル検索、非同期クエリ |
ユーザーが以下を行っている場合は、ファミリー外にデリゲートしてください:
- セッション トレーシング / STDM テレメトリを抽出 →
sf-ai-agentforce-observability - CRM SOQL のみを作成 →
sf-soql - CRM ソース データをロード →
sf-data - 不足している CRM スキーマを作成 →
sf-metadata - ダウンストリーム Apex または Flow ロジックを実装 →
sf-apex、sf-flow
最初に収集すべき必須コンテキスト
以下について質問するか推測してください:
- ターゲット org エイリアス
- プラグインが既にインストールされリンクされているかどうか
- ユーザーが設計ガイダンス、読み取り専用検査、またはライブ変更を望んでいるかどうか
- 関連するデータ ソース:CRM オブジェクト、外部データベース、ファイル取り込み、ナレッジなど
- 望ましい結果:統合プロファイル、セグメント、アクティベーション、ベクタル検索、分析、またはトラブルシューティング
- ユーザーがデフォルト データ スペースまたはカスタム データ スペースで作業しているかどうか
- org が既に
scripts/diagnose-org.mjsで分類されているかどうか - 現在失敗しているコマンド ファミリーがあるかどうか
プラグインの可用性または org の準備状況が不確実な場合は、以下から始めてください:
references/plugin-setup.mdreferences/feature-readiness.mdscripts/verify-plugin.shscripts/diagnose-org.mjsscripts/bootstrap-plugin.sh
コア動作ルール
- 外部
sf data360プラグイン ランタイムを使用してください;コマンド レイヤーを再実装またはベンダリングしないでください。 - タスクがローカライズされたら、最小のフェーズ固有スキルを優先してください。
- 変更が多い作業の前に、準備状況の分類を実行してください。1 つの失敗したコマンドから推測するのではなく、
scripts/diagnose-org.mjsを優先してください。 sf data360コマンドについては、stderr 出力がデバッグに必要な場合を除き、2>/dev/nullでリンク プラグイン警告ノイズを抑制してください。- Data Cloud SQL と CRM SOQL を区別してください。
sf data360 doctorをフル プロダクト準備チェックとして扱わないでください;現在のアップストリーム コマンドは検索インデックス サーフェスのみをチェックします。query describeをユニバーサル テナント プローブとして扱わないでください;より広い準備状況が確認された後、既知の DMO/DLO テーブルでのみ使用してください。- Data Cloud 固有の API バージョン回避策を、それらが重要な場合は保持してください。
- org 固有のワークショップ ペイロードではなく、汎用で再利用可能な JSON 定義ファイルを優先してください。
推奨ワークフロー
1. ランタイムと認証を確認する
以下を確認してください:
sfがインストールされている- Data Cloud コミュニティ プラグインがリンクされている
- ターゲット org が認証されている
推奨チェック:
sf data360 man
sf org display -o <alias>
bash ~/.claude/skills/sf-datacloud/scripts/verify-plugin.sh <alias>
sf data360 doctor を唯一のゲートではなく、広いヘルス シグナルとして扱ってください。部分的にプロビジョニングされた org では、コネクタ、DMO、またはセグメントなどの読み取り専用コマンド ファミリーがまだ機能している場合でも失敗する可能性があります。
2. 何かを変更する前に準備状況を分類する
共有分類器をまず実行してください:
node ~/.claude/skills/sf-datacloud/scripts/diagnose-org.mjs -o <org> --json
テーブル名が実在することがわかった後に限り、クエリプレーン プローブを使用してください:
node ~/.claude/skills/sf-datacloud/scripts/diagnose-org.mjs -o <org> --phase retrieve --describe-table MyDMO__dlm --json
分類器を使用して、以下を区別してください:
- 空だが有効なモジュール
- フィーチャー ゲート付きモジュール
- クエリプレーン の問題
- ランタイム/認証の失敗
3. 読み取り専用コマンドで既存状態を検出する
分類後、対象となる検査を使用してください:
sf data360 doctor -o <org> 2>/dev/null
sf data360 data-space list -o <org> 2>/dev/null
sf data360 data-stream list -o <org> 2>/dev/null
sf data360 dmo list -o <org> 2>/dev/null
sf data360 identity-resolution list -o <org> 2>/dev/null
sf data360 segment list -o <org> 2>/dev/null
sf data360 activation platforms -o <org> 2>/dev/null
4. フェーズをローカライズする
タスクをルーティングしてください:
- ソース/コネクタの問題 → Connect
- 取り込み/DLO/ストリームの問題 → Prepare
- マッピング/IR/統合プロファイルの問題 → Harmonize
- オーディエンスまたはインサイトの問題 → Segment
- ダウンストリーム プッシュの問題 → Act
- SQL/検索/インデックスの問題 → Retrieve
5. 可能な場合は決定論的なアーティファクトを選択する
ワンショットの手動ステップではなく、JSON 定義ファイルと反復可能スクリプトを優先してください。汎用テンプレートは以下に存在します:
assets/definitions/data-stream.template.jsonassets/definitions/dmo.template.jsonassets/definitions/mapping.template.jsonassets/definitions/relationship.template.jsonassets/definitions/identity-resolution.template.jsonassets/definitions/data-graph.template.jsonassets/definitions/calculated-insight.template.jsonassets/definitions/segment.template.jsonassets/definitions/activation-target.template.jsonassets/definitions/activation.template.jsonassets/definitions/data-action-target.template.jsonassets/definitions/data-action.template.jsonassets/definitions/search-index.template.json
6. 各フェーズの後に検証する
典型的な検証:
- ストリーム/DLO が存在する
- DMO/マッピング が存在する
- ID 解決実行が完了した
- 統合レコードまたはセグメント数が正常に見える
- アクティベーション/検索インデックス ステータスが健全である
高信号なゴッチャ
connection listには--connector-typeが必要です。dmo list --allは完全なカタログが必要な場合に便利ですが、最初のページのdmo listは準備状況チェックで十分であり、はるかに高速です。- セグメント作成には
--api-version 64.0が必要になる場合があります。 segment membersは不透明 ID を返します。人間が読める詳細については、SQL ジョインを使用してください。sf data360 doctorは、一部の読み取り専用コマンドがまだ機能している場合でも、部分的にプロビジョニングされた org で失敗する可能性があります。対象となるスモーク チェックにフォールバックしてください。query describeエラー(Couldn't find CDP tenant IDまたはDataModelEntity ... not foundなど)はクエリプレーン の手がかりであり、プロダクト全体が無効になっていない場合もあります。- 多くの長時間実行ジョブは、コマンドが素早く復帰した場合でも、実際には非同期です。
- 一部の Data Cloud 操作には、CLI ランタイムの外で UI セットアップが必要です。
出力形式
終了時に、以下の順序でレポートしてください:
- タスク分類
- ランタイム ステータス
- 準備状況分類
- 関連フェーズ
- 使用されたコマンドまたはアーティファクト
- 検証結果
- 次の推奨ステップ
推奨される形式:
Data Cloud task: <setup / inspect / troubleshoot / migrate>
Runtime: <plugin ready / missing / partially verified>
Readiness: <ready / ready_empty / partial / feature_gated / blocked>
Phases: <connect / prepare / harmonize / segment / act / retrieve>
Artifacts: <json files, commands, scripts>
Verification: <passed / partial / blocked>
Next step: <next phase, setup guidance, or cross-skill handoff>
クロススキル統合
| 必要事項 | デリゲート先 | 理由 |
|---|---|---|
| CRM ソース データをロードまたはクリーン | sf-data | 取り込み前にソース レコードをシードまたは修正 |
| 不足している CRM スキーマを作成 | sf-metadata | Data Cloud は既存のオブジェクト/フィールドを期待 |
| 権限またはバンドルをデプロイ | sf-deploy | 環境準備 |
| Data Cloud 出力に対して Apex を作成 | sf-apex | コード実装 |
| セグメンテーション/アクティベーション後の Flow 自動化 | sf-flow | 宣言型オーケストレーション |
| セッション トレーシング / STDM / parquet 分析 | sf-ai-agentforce-observability | 異なる Data Cloud ユースケース |
リファレンス マップ
ここから始める
README.mdreferences/plugin-setup.mdreferences/feature-readiness.mdUPSTREAM.md
フェーズ スキル
sf-datacloud-connectsf-datacloud-preparesf-datacloud-harmonizesf-datacloud-segmentsf-datacloud-actsf-datacloud-retrieve
決定論的ヘルパー
scripts/bootstrap-plugin.shscripts/verify-plugin.shscripts/diagnose-org.mjsassets/definitions/
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
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。