sf-skills

Salesforce Skills Library封面

图1：Salesforce sf-skills 官方技能库概览

想象一下这样的场景：你是一名 Salesforce 开发者，凌晨两点需要快速写一段 Apex 代码处理客户订单批量的更新逻辑——但你不确定 SOQL 查询怎么写、Trigger 的最佳实践是什么、要不要加 with sharing、测试类覆盖率怎么覆盖到 75% 以上。传统做法是翻文档、查博客、问同事，一套流程下来半小时过去了。而现在，你只需要对 AI 编程助手说一句「帮我生成一个订单服务类」，AI 就能自动调用 Salesforce 官方提供的 generating-apex 技能，生成符合 Salesforce 架构规范（Service-Selector-Domain 分层）的生产级代码。这就是 sf-skills 的核心价值——把 Salesforce 官方最佳实践封装成 AI 可理解的技能指令，让 AI 编程工具真正成为 Salesforce 开发者的效率倍增器。

背景：Salesforce AI 开发者工具生态的快速扩张

2024 年是 AI 编程工具爆发的一年。Claude Code、Cursor、GitHub Copilot、OpenCode 相继支持多工具调用，而 Salesforce 作为全球最大的企业 SaaS 平台（超过 15 万企业客户），其开发者生态也在快速 AI 化。Salesforce 官方早在 2024 年就推出了 Agentforce 平台，允许开发者构建 AI Agent 来自动化业务流程。

然而，AI Agent 要精准操作 Salesforce 元数据（Apex 类、Flow、Permission Set、LWC 组件等），需要知道 Salesforce 的专有规范：哪些是推荐的设计模式、哪些命名空间不能随便用、SOQL 和 SOSL 的语法差异、Apex 测试覆盖率要求是什么。这正是 sf-skills 的切入点——Salesforce 官方维护了一套经过内部验证的 Agent 技能库，AI 工具只要加载这些技能，就能像 Salesforce 内部工程师一样"懂行"。

sf-skills 由 forcedotcom（Salesforce 官方 CLI 工具团队）维护，2025 年 11 月首次发布，截止 2026 年 6 月已迭代至 v1.18.0，持续高频更新——从 CHANGELOG 可见，几乎每周都有新版本发布。

什么是 Agent Skills：类比理解

把 sf-skills 理解成一个「AI 编程工具的 Salesforce 专用工具箱」。它遵循开放的 Agent Skills 规范，每个技能（skill）是一个自包含的目录，包含：

目录/文件	作用
`SKILL.md`	技能说明文档（含 YAML frontmatter 元数据），告诉 AI「什么时候用、怎么用」
`scripts/`	可执行脚本（TypeScript、Python、Bash），AI 可调用执行实际操作
`references/`	参考示例代码（如 `AccountService.cls`、`AccountSelector.cls`），提供真实代码风格参照
`assets/`	模板文件（如 13 个 Apex 类模板）和辅助资源

这就像给 AI 编程工具配备了一份 Salesforce 开发者的「经验笔记本」——里面有操作手册、有代码范例、有模板工具，拿来就能用。

核心技能：覆盖 Salesforce 全生命周期

sf-skills 仓库包含 70 个技能目录，覆盖以下主要类别：

Apex 开发类

最核心的技能之一是 generating-apex（Apex 类生成）。它定义了完整的 Apex 代码生成规范，包括：

类类型分类：Service（业务逻辑）、Selector（数据查询）、Domain（字段验证）、Batch（批量处理）、Queueable（异步队列）、Schedulable（定时任务）、Invocable（Flow 调用）、DTO（数据传输对象）、REST Resource（API 端点）等 13 种子类型。
强制设计规则：with sharing 访问控制、inherited sharing 用于 Selector 层、with sharing 默认、public 访问级别、@TestVisible 用于测试访问私有成员等。
模板系统：assets/ 目录下为每种类别提供了标准模板文件（如 service.cls、batch.cls、selector.cls），包含 ApexDoc 注释、Database.Stateful 注释等。
参考示例：references/ 目录提供 AccountService.cls（账户去重服务）、AccountSelector.cls（SOQL 查询封装）、AccountDeduplicationBatch.cls（批量处理示例）等真实代码参考。

配套的 generating-apex-test 技能确保 AI 生成的每个 Apex 类都有对应的测试类，满足 Salesforce 强制要求的 75% 代码覆盖率。

Flow 和 SOQL 类

generating-flow 技能支持 Flow（Salesforce 流程自动化引擎）的生成，querying-soql 技能处理 SOQL 查询的规范写法，handling-sf-data 技能处理 Salesforce 数据的 CRUD 操作。

LWC 和 UI Bundle 类

generating-lwc-components 技能生成 Lightning Web Components（LWC），generating-ui-bundle-custom-app、generating-ui-bundle-features 等技能覆盖 React 前端 UI Bundle 的脚手架生成。这与 Salesforce 的新版 Agentforce Conversation Client 直接集成。

Salesforce 平台特色类

generating-permission-set 生成 Permission Set（权限集），确保 AI 生成的代码附带正确的权限配置；generating-custom-object 生成自定义对象定义，包含字段、布局、Tab 和 Permission Set；debugging-apex-logs 处理 Apex 日志调试；running-apex-tests 执行 Apex 测试。

Data Cloud 类

近年来 Salesforce Data Cloud 成为战略重点，sf-skills 中包含 activating-datacloud、connecting-datacloud、getting-datacloud-schema、harmonizing-datacloud、segmenting-datacloud、orchestrating-datacloud 等大量 Data Cloud 相关技能，覆盖数据激活、连接、Schema 管理、协调和分割等全流程。

技术架构：TypeScript + Node.js 的验证体系

sf-skills 的技术栈非常聚焦：

工具链：Node.js (>=18) + TypeScript + npm
验证：scripts/validate-skills.ts — TypeScript 脚本，遍历 skills/ 目录
      使用 js-yaml 解析 SKILL.md 的 YAML frontmatter
包管理：package.json (npm)，发布为 @salesforce/afv-skills
模板引擎：纯文本模板（.cls 文件中用 {ClassName} 等占位符）

validate-skills.ts 是整个项目的质量门禁。它定义了严格的结构检查规则：

目录结构检查：skills/ 下只能有目录，不能有散落文件；每个技能目录必须包含 SKILL.md。
命名规范：技能目录名必须符合 kebab-case（如 generating-apex），最多 64 字符。
YAML Frontmatter 验证：--- 分隔符必须有，name 和 description 字段必须存在。
内容检查：读取 SKILL.md 内容后还会验证格式规范。

这套验证机制确保了所有技能的质量一致性——即使是社区贡献者提交的技能，也必须经过自动化检查才能合入主干。

Apex类生成模板

图2：Apex 类生成模板示例，包含 ApexDoc 注释和最佳实践占位符

使用方式：Agentforce 与通用 AI 工具双支持

sf-skills 的使用方式分两类：

官方渠道（Agentforce Vibes）：Salesforce 官方的 Agentforce Vibes 平台自动安装和更新技能库，开发者无需手动操作。这是 Salesforce 力推的官方 AI 开发模式。

通用 AI 编程工具：通过 npx skills add forcedotcom/sf-skills 命令安装，支持 OpenCode、Claude Code、Codex、Cursor 等主流 AI 编程工具。这意味着任何支持 skills 协议的工具都能"解锁" Salesforce 开发能力。

代码本身不需要本地安装——skills/ 目录通过 npm 包 @salesforce/afv-skills 发布，版本 v1.18.0，每周持续迭代。

局限与挑战

sf-skills 虽然覆盖全面，但仍有明显局限：

1. 强依赖 Salesforce 平台：技能本质上是 Salesforce 元数据的抽象，不适用于其他 CRM 或 PaaS 平台。对于非 Salesforce 开发者，sf-skills 几乎没有迁移价值。

2. 社区贡献质量参差：虽然有 validate-skills.ts 自动验证，但规范检查无法覆盖代码逻辑质量。社区技能的准确性、时效性依赖贡献者水平。

3. Prompt 注入风险：AI Agent 读取 SKILL.md 执行操作时，若 Skill 描述被恶意篡改（如注入 Prompt 注入指令），可能导致 AI 执行非预期操作。这在共享技能库场景下需要额外的安全审计机制。

4. 版本碎片化：Salesforce 每年发布三次大版本（春、夏、冬），API 版本持续演进（如 v66.0 为最低要求），技能描述需要与最新 API 版本保持同步，维护成本不低。

行业意义：企业级 Agent 工具生态的标杆实践

sf-skills 的意义不仅在于工具本身，更在于它代表了一种趋势：企业级 SaaS 平台正在将自身能力标准化为 AI Agent 可消费的技能包。

Salesforce 之外，Atlassian（Confluence/Jira）、Microsoft（365 Copilot）、ServiceNow 等平台都在探索类似的「平台能力 AI 化」路径。sf-skills 的开放规范（遵循 agentskills.io 标准）使得这种模式可以被复制——任何 SaaS 平台都可以参照 sf-skills 的结构，向 AI 工具开放自己的 API 能力。

从 GitHub Star 增长曲线来看（581 ★，2025年11月至2026年6月约7个月），sf-skills 的增长速度在 Salesforce 官方仓库中属于中等偏快，与同期 Salesforce Labs 推出的其他开发者工具（如 SFDX 相关插件）持平。考虑到它面向的受众相对垂直（AI 编程工具用户 × Salesforce 开发者），这个增长表现已经相当可观。

总结

sf-skills 是 Salesforce 官方推出的 Agent Skills 工具库，为 AI 编程工具（Claude Code、OpenCode、Cursor 等）提供 Salesforce 平台专用技能。70+ 技能覆盖 Apex 开发、Flow 自动化、LWC 组件、Data Cloud 操作等全生命周期，配合 validate-skills.ts 自动验证体系，确保技能质量一致性。对于 Salesforce 开发者而言，接入 sf-skills 意味着 AI 编程助手从"通用助手"升级为"懂 Salesforce 规范的专属工程师"，开发效率提升显著。但它本质上是一个 Salesforce 平台工具，对非 Salesforce 开发者没有直接价值。

项目信息：forcedotcom/sf-skills | ⭐ 581 | Forks 208 | 语言 TypeScript/Node.js | 创建于 2025-11 | 最新 v1.18.0 (2026-06-19) | 许可 CC-BY-NC-4.0