Как научить Cursor и Claude Code нормально писать под Salesforce

Если вы пробовали генерировать Apex-триггеры или компоненты Lightning Web Components через ChatGPT или стандартный Cursor, то наверняка видели типичные ошибки. Модель путает контексты триггеров, забывает про SOQL-лимиты внутри циклов или собирает XML-манифесты со старыми версиями API. Приходится писать огромные системные промпты и вручную прикладывать куски документации к каждому запросу.

В Salesforce решили подойти к проблеме системно и выложили репозиторий sf-skills. Это набор готовых инструкций, шаблонов и исполняемых скриптов, упакованных по открытому стандарту агентских навыков.

sf-skills/
├── skills/               # Директории с конкретными воркфлоу
│   ├── platform-apex-generate/
│   ├── platform-custom-object-generate/
│   ├── automation-flow-generate/
│   └── ...
├── samples/              # Примеры приложений
└── scripts/

Что такое Agent Skills

Идея формата проста. Вместо того чтобы скармливать LLM длинный и неструктурированный текст, каждый навык оформляют как отдельную папку с четкой архитектурой:

• SKILL.md — обязательный файл с инструкциями и метаданными в YAML front matter. В нем описано, когда и как агенту применять этот навык.
• scripts/ — исполняемые скрипты на Python, Bash или JavaScript, которые агент может запускать для валидации или генерации артефактов.
• references/ — справочные материалы и выжимки из документации по конкретной теме.
• assets/ — готовые шаблоны, схемы метаданных и таблицы соответствий.

Репозиторий следует спецификации agentskills.io. Это значит, что навыки не привязаны намертво к внутренним сервисам компании. Их можно подключить к любому инструменту, который поддерживает этот открытый формат.

Как подключить к своему редактору

Если вы работаете во внутренней среде Agentforce Vibes, навыки подтягиваются и обновляются автоматически. Для привычных инструментов разработчика вроде Claude Code, OpenCode или Cursor подключение занимает одну команду в терминале:

npx skills add forcedotcom/sf-skills

Утилита скачивает нужные бандлы и регистрирует их в конфигурации ассистента. После этого агент понимает специфические команды и правила работы с платформой без дополнительных уточнений в чате.

Что внутри библиотеки

В репозитории собраны воркфлоу под разные слои платформы.

Генерация серверного кода включает в себя правила создания классов Apex, правильное написание SOQL-запросов с учетом безопасности FLS (Field-Level Security) и шаблоны для юнит-тестов. Ассистент перестает генерировать пустые ассерты ради покрытия строчек.

Для декларативной разработки есть навыки создания кастомных объектов, полей и permission sets. Агент собирает валидные XML-файлы метаданных, которые можно сразу деплоить через Salesforce CLI без ручной правки тегов.

Отдельный блок посвящен автоматизациям и интерфейсам. Сюда входят воркфлоу для создания Flow и компонентов Lightning Web Components (LWC), включая вспомогательные UI-бандлы на React.

В папке samples лежат примеры готовых приложений. Например, шаблон UI-бандла синхронизируется напрямую с npm-пакетом @salesforce/ui-bundle-template-app-react-sample-b2e через GitHub Actions. Можно запустить синхронизацию локально:

npm install
npm run sync-react-b2e-sample

На что обратить внимание

Проект находится в стадии активной переработки. Разработчики честно предупреждают в README: структура папок и названия навыков могут меняться без обратной совместимости. Здесь нет гарантий стабильности, привычных для GA-релизов Salesforce API.

Если вы форкаете репозиторий или вносите локальные правки, будьте готовы разрешать конфликты при обновлениях из upstream. На данный момент проект набрал чуть меньше 900 звезд на GitHub, но база коммитов обновляется практически ежедневно.

Стоит ли пробовать

Если вы регулярно пишете под Salesforce и пользуетесь AI-ассистентами в терминале или IDE, проект определенно сэкономит время. Вам больше не придется вручную напоминать модели структуру XML для Custom Field или объяснять правила написания mock-классов для HTTP-вызовов в Apex.

Начать проще всего с установки через npx skills add в тестовом проекте, чтобы посмотреть, как ваша привычная модель справляется с генерацией метаданных по новым инструкциям.