sf-datacloud-segment
Salesforce Data Cloud のセグメント作成・管理フェーズを担うスキルです。ユーザーがセグメントの作成・公開、計算済みインサイトの管理、セグメント数やメンバーシップの確認、またはオーディエンス SQLのトラブルシューティングを行う際にトリガーします。DMO/マッピング/ID解決作業(sf-datacloud-harmonize)、アクティベーション作業(sf-datacloud-act)、クエリ/検索インデックス作業(sf-datacloud-retrieve)、STDM/セッショントレース(sf-ai-agentforce-observability)には使用しないでください。
description の原文を見る
> Salesforce Data Cloud Segment phase. TRIGGER when: user creates or publishes segments, manages calculated insights, inspects segment counts or membership, or troubleshoots audience SQL in Data Cloud. DO NOT TRIGGER when: the task is DMO/mapping/identity-resolution work (use sf-datacloud-harmonize), activation work (use sf-datacloud-act), query/search-index work (use sf-datacloud-retrieve), or STDM/session tracing (use sf-ai-agentforce-observability).
SKILL.md 本文
sf-datacloud-segment: Data Cloud セグメント フェーズ
ユーザーがオーディエンスとインサイト作業を必要とするときにこのスキルを使用します: セグメント、計算インサイト、公開ワークフロー、メンバー数、または Data Cloud セグメント SQL のトラブルシューティング。
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-segment を使用します:
sf data360 segment *sf data360 calculated-insight *- セグメント公開ワークフロー
- メンバー数とセグメントのトラブルシューティング
- 計算インサイトの実行と検証
ユーザーが以下を行っている場合は他にデリゲートします:
- DMO、マッピング、または ID 解決をまだ構築している →
sf-datacloud-harmonize - セグメントをダウンストリームでアクティベートしている →
sf-datacloud-act - 読み取り専用 SQL または検索インデックス クエリを記述している →
sf-datacloud-retrieve
最初に収集すべき必須コンテキスト
以下を確認または推測します:
- ターゲット オーグ エイリアス
- 統一 DMO またはベース エンティティ名
- ユーザーが作成、公開、検査、またはトラブルシューティングを望んでいるかどうか
- アセットがセグメントか計算インサイトか
- 期待される成功指標: メンバー数、集計値、または公開状態
主要な操作ルール
- Data Cloud セグメント SQL を CRM SOQL と区別して扱う
- オーディエンス アセットを更新する前に共有の準備状況分類器を実行する:
node ~/.claude/skills/sf-datacloud/scripts/diagnose-org.mjs -o <org> --phase segment --json - 再現可能なセグメントと CI 作成のために再利用可能な JSON 定義を優先する
- セグメント作成動作が新しいデフォルトで不安定な場合、
--api-version 64.0を使用する - 成功を想定するのではなく、公開/実行ステップ後に数またはクエリで検証する
- 読み取り可能なメンバー詳細が必要な場合、
segment membersではなく SQL 結合を使用する
推奨ワークフロー
1. セグメント作業の準備状況を分類
node ~/.claude/skills/sf-datacloud/scripts/diagnose-org.mjs -o <org> --phase segment --json
2. 現在の状態を検査
sf data360 segment list -o <org> 2>/dev/null
sf data360 calculated-insight list -o <org> 2>/dev/null
3. 再利用可能な JSON 定義で作成
sf data360 segment create -o <org> -f segment.json --api-version 64.0 2>/dev/null
sf data360 calculated-insight create -o <org> -f ci.json 2>/dev/null
4. 明示的に公開または実行
sf data360 segment publish -o <org> --name My_Segment 2>/dev/null
sf data360 calculated-insight run -o <org> --name Lifetime_Value 2>/dev/null
5. 数またはクエリで検証
sf data360 segment count -o <org> --name My_Segment 2>/dev/null
sf data360 query sql -o <org> --sql 'SELECT COUNT(*) FROM "UnifiedssotIndividualMain__dlm"' 2>/dev/null
信号値の高い落とし穴
- セグメント作成には
--api-version 64.0が必要な場合があります segment membersは不透明 ID を返します。人間が読める形のメンバー詳細が必要な場合は SQL 結合を使用します- セグメント SQL は SOQL ではありません
- 計算インサイト アセットとセグメント SQL には異なる制限があります
- コマンドが迅速に返される場合でも、公開/実行ステップは非同期作業を開始できます
- セグメントまたは計算インサイト リストが空の場合は、通常、モジュールに到達可能だが未構成であることを意味し、利用不可ではありません
出力形式
セグメント タスク: <segment / calculated-insight>
アクション: <create / publish / inspect / troubleshoot>
ターゲット オーグ: <alias>
アーティファクト: <definition files / commands>
検証: <member count / query result / publish state>
次のステップ: <act / retrieve / follow-up>
参考資料
README.md../sf-datacloud/assets/definitions/calculated-insight.template.json../sf-datacloud/assets/definitions/segment.template.json../sf-datacloud/references/feature-readiness.md../sf-datacloud/UPSTREAM.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。