sf-deploy
sf CLI v2を使用したSalesforce DevOpsの自動化スキルです。メタデータのデプロイ、スクラッチ組織・サンドボックスの作成・管理、CI/CDパイプラインの構築、または`sf project deploy`によるデプロイエラーのトラブルシューティングを行う際にトリガーされます。Apex/LWCコードの記述(sf-apex/sf-lwc使用)、メタデータXMLの作成(sf-metadata使用)、組織データのクエリ(sf-data使用)には使用しないでください。
description の原文を見る
> Salesforce DevOps automation using sf CLI v2. TRIGGER when: user deploys metadata, creates/manages scratch orgs or sandboxes, sets up CI/CD pipelines, or troubleshoots deployment errors with sf project deploy. DO NOT TRIGGER when: writing Apex/LWC code (use sf-apex/sf-lwc), creating metadata XML (use sf-metadata), or querying org data (use sf-data).
SKILL.md 本文
sf-deploy: 包括的な Salesforce DevOps 自動化
このスキルを使用するのは、ユーザーがデプロイメント オーケストレーションを必要とする場合です: ドライラン検証、ターゲット指定またはマニフェストベースのデプロイ、CI/CD ワークフロー アドバイス、スクラッチ org 管理、障害の分類、Salesforce メタデータの安全なロールアウト シーケンシング。
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-deploy を使用してください:
sf project deploy start、quick、report、またはリトリーバル ワークフロー- オブジェクト、権限セット、Apex、Flow 全体のリリース シーケンシング
- CI/CD ゲート、テストレベル選択、またはデプロイメント レポート
- デプロイメント障害と依存関係の順序付けのトラブルシューティング
ユーザーが以下を行う場合は他にデリゲートしてください:
- Apex または LWC コードを記述している →
sf-apex,sf-lwc - メタデータ定義を作成している →
sf-metadata - Flow を構築している →
sf-flow - org データ操作を実行している →
sf-data - Agent Script ロジックを記述している →
sf-ai-agentscript
重要な運用ルール
sfCLI v2 のみを使用してください。- ソーストラッキングなし org では、デプロイ/リトリーバル コマンドが
--source-dir、--metadata、または--manifestなどの明示的なスコープを必要とします。 - 実際のデプロイの前に**
--dry-runを優先**してください。 - Flow の場合、安全にデプロイして検証後のみアクティベートしてください。
- テストデータ作成ガイダンスは、メタデータが検証またはデプロイされた後に
sf-dataにデリゲートしてください。
デフォルトのデプロイメント順序
| フェーズ | メタデータ |
|---|---|
| 1 | カスタムオブジェクト / フィールド |
| 2 | 権限セット |
| 3 | Apex |
| 4 | Draft としての Flow |
| 5 | Flow アクティベーション / 検証後 |
この順序付けは、多くの依存関係と FLS 障害を防ぎます。
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てください:
- ターゲット org エイリアスと環境タイプ
- デプロイメント スコープ: source-dir、メタデータ リスト、またはマニフェスト
- これが検証のみ、デプロイ、クイックデプロイ、リトリーバル、または CI/CD ガイダンスかどうか
- 必要なテストレベルとロールバック期待値
- 特殊なメタデータタイプが関係しているかどうか (Flow、権限セット、エージェント、パッケージ)
プリフライト チェック:
sf --version
sf org list
sf org display --target-org <alias> --json
test -f sfdx-project.json
推奨されるワークフロー
1. プリフライト
認証、リポジトリ構造、パッケージ ディレクトリ、およびターゲット スコープを確認してください。
2. まず検証する
sf project deploy start --dry-run --source-dir force-app --target-org <alias> --wait 30 --json
変更セットがターゲット指定されている場合は、マニフェスト またはメタデータスコープの検証を使用してください。
3. 検証が成功した場合、次の安全なワークフローを提案する
検証が成功した後、ユーザーを正しい次のアクションにガイドしてください:
- すぐにデプロイ
- 権限セットを割り当て
sf-data経由でテストデータを作成- テスト / スモークテストを実行
- 複数のデプロイ後ステップを順序付けてオーケストレート
4. 最小限の正しいスコープをデプロイする
# source-dir デプロイ
sf project deploy start --source-dir force-app --target-org <alias> --wait 30 --json
# マニフェスト デプロイ
sf project deploy start --manifest manifest/package.xml --target-org <alias> --test-level RunLocalTests --wait 30 --json
# Spring '26 関連テスト選択を含むマニフェスト デプロイ
sf project deploy start --manifest manifest/package.xml --target-org <alias> --test-level RunRelevantTests --wait 30 --json
# 検証に成功した後のクイックデプロイ
sf project deploy quick --job-id <validation-job-id> --target-org <alias> --json
5. 検証する
sf project deploy report --job-id <job-id> --target-org <alias> --json
その後、テスト、Flow の状態、権限割り当て、およびスモークテスト動作を検証してください。
6. 明確に報告する
デプロイされたもの、失敗したもの、スキップされたもの、および次の安全なアクションを要約してください。
出力テンプレート: references/deployment-report-template.md
高シグナル障害パターン
| エラー / 症状 | 可能性の高い原因 | デフォルト修正方向 |
|---|---|---|
FIELD_CUSTOM_VALIDATION_EXCEPTION | 検証ルールまたは不適切なテストデータ | データまたはルール タイミングを調整 |
INVALID_CROSS_REFERENCE_KEY | 不足している依存関係 | 参照メタデータを最初に含める |
CANNOT_INSERT_UPDATE_ACTIVATE_ENTITY | トリガー / Flow / 検証 副作用 | 自動化スタックと失敗ロジックを検査 |
| デプロイ中にテストが失敗 | 不具合のあるコードまたは脆弱なテスト | ターゲット指定されたテストを実行、根本原因を修正、再検証 |
| 権限セットでフィールド/オブジェクトが見つからない | 順序が間違っている | オブジェクト/フィールドを権限セットの前にデプロイ |
| Flow が無効 / バージョン競合 | 依存関係またはアクティベーション問題 | Draft としてデプロイ、検証、次にアクティベート |
完全なワークフロー: references/orchestration.md, references/trigger-deployment-safety.md
CI/CD ガイダンス
デフォルト パイプライン形状:
- 認証
- リポジトリ / org 状態を検証
- 静的分析
- ドライランデプロイ
- テスト + カバレッジ ゲート
- デプロイ
- 検証 + 通知
- org ポリシーとリリース リスクがそれを許可する場合、Apex 重点デプロイメントに
--test-level RunRelevantTestsの使用を検討してください。 - これを
sf-apexに記載されている@IsTest(testFor=...)および@IsTest(isCritical=true)などの最新 Apex テスト アノテーションと組み合わせてください。
静的分析は現在 Code Analyzer v5 (sf code-analyzer) を使用します。廃止された sf scanner ではなく。
深いリファレンス: references/deployment-workflows.md
Agentforce デプロイメント ノート
このスキルを使用して、エージェントの周囲でデプロイメント/パブリッシング シーケンシングをオーケストレートしてください。ただし、オーサリング決定については、エージェント固有のスキルを使用してください:
sf-ai-agentscript.agentオーサリングと検証用sf-ai-agentforceAgent Builder / Prompt Builder / メタデータ設定用
エージェント DevOps の詳細 (Agent: 疑似メタデータ、パブリッシュ/アクティベート、org 間の同期を含む) については、以下を参照してください:
references/agent-deployment-guide.md
クロススキル統合
| 必要なもの | デリゲート先 | 理由 |
|---|---|---|
| カスタム オブジェクト / フィールド作成 | sf-metadata | デプロイ前にメタデータを定義 |
| Apex コンパイル / レビュー / 修正 | sf-apex | コード オーサリングと修復 |
| Flow 作成 / 修復 | sf-flow | Flow オーサリングとアクティベーション ガイダンス |
| テストデータまたはシードレコード | sf-data | describe-first データ設定とクリーンアップ |
| Agent Script ビルド/パブリッシュ準備状態 | sf-ai-agentscript | エージェント固有の正確性 |
リファレンス マップ
ここから開始
references/orchestration.mdreferences/deployment-workflows.mdreferences/deployment-report-template.md
特殊なデプロイメント セーフティ
references/trigger-deployment-safety.mdreferences/agent-deployment-guide.mdreferences/deploy.sh
スコア ガイド
| スコア | 意味 |
|---|---|
| 90+ | 強力なデプロイメント計画と実行ガイダンス |
| 75–89 | マイナー レビュー項目付きの優れたデプロイ ガイダンス |
| 60–74 | デプロイメント リスクの部分的なカバレッジ |
| < 60 | 信頼度が不十分; ロールアウト前に計画を厳密化 |
完了形式
デプロイメント目標: <検証 / デプロイ / リトリーバル / パイプライン>
ターゲット org: <エイリアス>
スコープ: <source-dir / メタデータ / マニフェスト>
結果: <成功 / 失敗 / 部分>
重要な検出事項: <エラー、順序付け、テスト、スキップされたアイテム>
次のステップ: <安全なフォローアップ アクション>
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。