sf-datacloud-harmonize
Salesforce Data CloudのHarmonizeフェーズを扱うスキルです。DMO、マッピング、リレーションシップ、ID解決、統合プロファイル、データグラフ、ユニバーサルIDに関する作業時にトリガーしてください。ストリーム/DLOのみの処理(sf-datacloud-prepare)、セグメント/インサイト(sf-datacloud-segment)、データ取得/検索(sf-datacloud-retrieve)、STDM/セッショントレース(sf-ai-agentforce-observability)が対象の場合はトリガーしないでください。
description の原文を見る
> Salesforce Data Cloud Harmonize phase. TRIGGER when: user works with DMOs, mappings, relationships, identity resolution, unified profiles, data graphs, or universal IDs. DO NOT TRIGGER when: the task is only about streams/DLOs (use sf-datacloud-prepare), segments/insights (use sf-datacloud-segment), retrieval/search (use sf-datacloud-retrieve), or STDM/session tracing (use sf-ai-agentforce-observability).
SKILL.md 本文
sf-datacloud-harmonize: Data Cloud Harmonize Phase
このスキルは、ユーザーがスキーマ調和と統合作業を必要とする場合に使用します: DMO、フィールドマッピング、関連付け、アイデンティティ解決、統一プロファイル、データグラフ、またはユニバーサルIDルックアップ。
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-datacloud-harmonize を使用します:
sf data360 dmo *sf data360 identity-resolution *sf data360 data-graph *sf data360 profile *sf data360 universal-id lookup
ユーザーが以下を実施している場合は他にデリゲートします:
- ストリームをまだ取り込み中または DLO を構築中 →
sf-datacloud-prepare - セグメント ロジックまたは計算インサイトに取り組み中 →
sf-datacloud-segment - SQL、describe、または search-index ワークフローを実行中 →
sf-datacloud-retrieve
最初に収集する必要があるコンテキスト
以下を質問するか推測します:
- ソース DLO とターゲット DMO の名前
- タスクがスキーマ作成、マッピング、IR、またはグラフ関連であるかどうか
- ターゲット org エイリアス
- ルールセットが既に存在するかどうか
- ユーザーが希望する統一エンティティ モデル
コア運用ルール
- マッピングを作成する前に DMO スキーマを検査します。
- 調和アセットを変更する前に共有の準備状況分類器を実行します:
node ~/.claude/skills/sf-datacloud/scripts/diagnose-org.mjs -o <org> --phase harmonize --json。 - カタログを参照する場合は
dmo list --allを推奨しますが、高速な準備状況チェックには最初のページのdmo listを使用します。 - サポートされていない describe フローを発明する代わりに、
query describeまたはdmo get --jsonを使用します。 - アイデンティティ解決の実行は非同期として扱い、実行後に結果を確認します。
- 統一プロファイルの作業を STDM/セッション トレース作業から分離しておきます。
推奨ワークフロー
1. 調和作業の準備状況を分類
node ~/.claude/skills/sf-datacloud/scripts/diagnose-org.mjs -o <org> --phase harmonize --json
2. カタログを検査
sf data360 dmo list --all -o <org> 2>/dev/null
sf data360 identity-resolution list -o <org> 2>/dev/null
3. マッピング前にスキーマを検査
sf data360 query describe -o <org> --table ssot__Individual__dlm 2>/dev/null
sf data360 dmo get -o <org> --name ssot__Individual__dlm --json 2>/dev/null
4. 意図的にマッピングを作成または確認
sf data360 dmo mapping-list -o <org> --source Contact_Home__dll --target ssot__Individual__dlm 2>/dev/null
sf data360 dmo map-to-canonical -o <org> --dlo Contact_Home__dll --dmo ssot__Individual__dlm --dry-run 2>/dev/null
5. マッピングが信頼できる場合にのみ IR を実行
sf data360 identity-resolution create -o <org> -f ir-ruleset.json 2>/dev/null
sf data360 identity-resolution run -o <org> --name Main 2>/dev/null
高シグナル注意点
dmo listは通常--allを使用すべきです。query describeまたはdmo get --jsonを使用します;dmo describeコマンドはありません。- マッピング関連のコマンドは API バージョンの違いに敏感です。
- 統一 DMO 名は汎用的ではなく、ルールセット固有です。
- データグラフの定義はフィールド選択と関連付けの形状に敏感です。
dmo listは動作するがidentity-resolution listがゲートされている場合、それを完全な Data Cloud の障害ではなくフェーズ固有のギャップとして扱います。
出力形式
Harmonize task: <dmo / mapping / relationship / ir / data-graph>
Source/target: <dlo → dmo or ruleset/graph names>
Target org: <alias>
Artifacts: <json files / commands>
Verification: <passed / partial / blocked>
Next step: <segment / retrieve / follow-up>
参考資料
README.md../sf-datacloud/assets/definitions/dmo.template.json../sf-datacloud/assets/definitions/mapping.template.json../sf-datacloud/assets/definitions/relationship.template.json../sf-datacloud/assets/definitions/identity-resolution.template.json../sf-datacloud/assets/definitions/data-graph.template.json../sf-datacloud/references/feature-readiness.md
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。