sf-diagram-nanobananapro
Nano Banana Pro を利用した Salesforce ビジュアルのAI画像生成スキルです。ユーザーがPNG/SVG出力、UIモックアップ、ワイヤーフレーム、ビジュアルERD、または「画像を生成して」「モックアップを作って」と要求した際にトリガーされます。テキストベースのMermaid図(sf-diagram-mermaidを使用)や非ビジュアルのドキュメント作業にはトリガーしないでください。
description の原文を見る
> AI-powered image generation for Salesforce visuals via Nano Banana Pro. TRIGGER when: user asks for PNG/SVG output, UI mockups, wireframes, visual ERDs, or says "generate image" / "create mockup". DO NOT TRIGGER when: text-based Mermaid diagrams (use sf-diagram-mermaid), or non-visual documentation tasks.
SKILL.md 本文
sf-diagram-nanobananapro: Salesforce Visual AI スキル
ユーザーがレンダリングされたビジュアルを必要とする場合にこのスキルを使用します。テキスト図ではなく、ERD、UI モックアップ、アーキテクチャ図、スライド対応画像、または Nano Banana Pro を使用した画像編集に対応します。
ハードゲート: 前提条件を最初に確認
このスキルを使用する前に、必ず前提条件チェックを実行してください:
~/.claude/skills/sf-diagram-nanobananapro/scripts/check-prerequisites.sh
前提条件チェックに失敗した場合は、以下のセットアップガイダンスに従ってください:
references/gemini-cli-setup.md
このスキルが対応するタスク
ユーザーが以下を望む場合は sf-diagram-nanobananapro を使用します:
- PNG / SVG スタイルの画像出力
- レンダリングされた ERD またはアーキテクチャ図
- LWC または Experience Cloud のモックアップ / ワイヤーフレーム
- Mermaid を超えたビジュアルの改善
- 以前に生成した画像の編集
以下の場合は他のスキルに委譲してください:
- Mermaid またはテキストのみの図 →
sf-diagram-mermaid - ERD のメタデータ検出 →
sf-metadata - モックアップ後の LWC 実装 →
sf-lwc - Apex のレビュー / 実装 →
sf-apex
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:
- 画像の種類: ERD、UI モックアップ、アーキテクチャ図、または画像編集
- 対象となるスコープと主要なエンティティ / システム
- 目標品質: ドラフト vs プレゼンテーション vs プロダクションアセット
- 優先スタイルとアスペクト比
- ユーザーがクイックモードまたはインタビュー駆動型プロンプト構築を望んでいるか
インタビューファースト ワークフロー
ユーザーが明確にクイック/シンプル/ただ生成してを指定していない限り、まず明確化の質問をしてください。
最小質問セット
| リクエスト種別 | 確認すること |
|---|---|
| ERD / スキーマ | オブジェクト、ビジュアルスタイル、目的、追加要素 |
| UI モックアップ | コンポーネントタイプ、オブジェクト/コンテキスト、デバイス/レイアウト、スタイル |
| アーキテクチャ図 | システム、境界、プロトコル、強調点 |
| 画像編集 | 何を残すか、何を変更するか、出力品質 |
質問バンク: references/interview-questions.md
クイックモードのデフォルト
ユーザーが「クイック」「シンプル」「ただ生成して」と言った場合、以下にデフォルト設定してください:
- プロフェッショナルスタイル
- 1K ドラフト出力
- 有用な場合は凡例を含める
- まず 1 つの画像を生成してから反復
推奨ワークフロー
1. 入力情報を収集
以下のいずれが必要かを判断します:
- オブジェクトリスト / メタデータ
- 目的: ドラフト vs プレゼンテーション vs ドキュメンテーション
- 希望する美学
- アスペクト比 / 解像度
- これが新規レンダリングか既存画像の編集か
2. 具体的なプロンプトを構築
良いプロンプトは以下を指定します:
- 主題とスコープ
- 構成 / レイアウト
- カラー処理
- ラベル / 凡例 / 関係線
- 出力品質目標
3. まずドラフトを高速生成
gemini --yolo "/generate 'Professional Salesforce ERD with Account, Contact, Opportunity; clean legend; white background; Salesforce-style colors'"
4. 最終版前に反復
自然言語の編集を使用します:
gemini --yolo "/edit 'Move Account to center, thicken relationship lines, add legend in bottom right'"
5. 制御された最終出力には Python スクリプトを使用
より高い解像度または明示的な編集入力が必要な場合はスクリプトを使用します:
uv run scripts/generate_image.py \
-p "Final production-quality Salesforce ERD with legend and field highlights" \
-f "crm-erd-final.png" \
-r 4K
完全な反復ガイド: references/iteration-workflow.md
デフォルトスタイルガイダンス
ERD については、ユーザーが別の指定をしない限り、architect.salesforce.com の美学をデフォルトとします:
- ダークボーダー + ライトフィルカード
- クラウド固有のアクセントカラー
- クリーンなラベルと関係線
- プレゼンテーション対応のホワイトスペースとヒエラルキー
スタイルガイド: references/architect-aesthetic-guide.md
一般的なパターン
| パターン | デフォルトアプローチ |
|---|---|
| ビジュアル ERD | 利用可能な場合はメタデータを取得してからドラフトをレンダリング |
| LWC モックアップ | コンポーネントテンプレート + ユーザーコンテキスト + 1 回の反復 |
| アーキテクチャ図 | システムとフローを強調、フィールドレベルの詳細を削減 |
| 画像の改善 | 再生成前に /edit で小さな変更を実施 |
| 最終プロダクションアセット | スクリプト駆動の 2K/4K 生成に切り替え |
例: references/examples-index.md
出力 / レビューガイダンス
生成後、以下のいずれかを実行します:
- Preview で開いてビジュアルを検査
- コーディングセッションで画像を添付/読み込んでマルチモーダルレビューを実施
- 最終化前にレイアウト、ラベリング、カラーを反復するかどうかをユーザーに確認
最初のパスは低コストで保ち、構成が正しくなった後にのみ高解像度出力に投資します。
クロススキル統合
| 必要事項 | 委譲先 | 理由 |
|---|---|---|
| Mermaid ファーストドラフトまたはテキスト図 | sf-diagram-mermaid | より高速な構造図作成 |
| ERD 用のオブジェクト / フィールド検出 | sf-metadata | 正確なスキーマ基礎 |
| モックアップを実装コンポーネントに変換 | sf-lwc | 設計後の実装 |
| 並行して Apex / トリガーコードをレビュー | sf-apex | コード品質フォローアップ |
リファレンスマップ
ここから開始
references/gemini-cli-setup.mdreferences/interview-questions.mdreferences/iteration-workflow.md
ビジュアルスタイル / 例
references/architect-aesthetic-guide.mdreferences/examples-index.mdassets/erd/assets/lwc/assets/architecture/assets/review/
スコアガイド
| スコア | 意味 |
|---|---|
| 70+ | 優れた画像プロンプト / ワークフロー選択 |
| 55–69 | 反復が必要な使用可能なドラフト |
| 40–54 | リクエストへの部分的な適合 |
| < 40 | 不十分な適合; 再インタビューとプロンプト再構築 |
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。