Agent Skills by ALSEL
Anthropic Claudeデータ・分析⭐ リポ 0品質スコア 50/100

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 startquickreport、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

  • sf CLI 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
3Apex
4Draft としての Flow
5Flow 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:

  1. すぐにデプロイ
  2. 権限セットを割り当て
  3. sf-data 経由でテストデータを作成
  4. テスト / スモークテストを実行
  5. 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:

  1. 認証
  2. リポジトリ / org 状態を検証
  3. 静的分析
  4. ドライランデプロイ
  5. テスト + カバレッジ ゲート
  6. デプロイ
  7. 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-agentforce Agent 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-flowFlow 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-datadescribe-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.md
  • references/deployment-workflows.md
  • references/deployment-report-template.md

特殊なデプロイメント セーフティ

  • references/trigger-deployment-safety.md
  • references/agent-deployment-guide.md
  • references/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

OpenAIデータ・分析⭐ リポ 1,451

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。

by gradio-app
汎用データ・分析⭐ リポ 855

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。

by star23
Anthropic Claudeデータ・分析⭐ リポ 380

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。

by SpectrAI-Initiative
Anthropic Claudeデータ・分析⭐ リポ 1,743

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。

by K-Dense-AI
Anthropic Claudeデータ・分析⭐ リポ 299

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。

by majiayu000
汎用データ・分析⭐ リポ 145

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。

by suryast
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: jaganpro · jaganpro/sf-skills · ライセンス: MIT