一、开始使用 Agentforce（Get Started with Agentforce）
学完本单元，你将能够：解释 Agentforce 是什么；识别 Agentforce 的主要特征；列出一些 Agentforce 的用例。（建议先完成 Generative AI Basics、Large Language Models 和 Autonomous Agents 等推荐内容。）
我们旅程的主角（The Hero of Our Journey）
认识 Linda Rosenberg，Cloud Kicks 的 Salesforce 管理员。Cloud Kicks 销售时尚舒适的运动鞋，公司正在快速发展。Linda 一直在寻找更好地服务客户、让 Cloud Kicks 员工工作更轻松的方法。她听说了很多关于 Agentforce 的事，想进一步了解如何在 Salesforce 平台上构建 AI 代理。
Linda 的目标是通过自动化耗时且重复的任务来提升员工生产力，让人们腾出时间从事更具战略性的活动。她也想为客户提供更个性化的响应，确保他们得到所需的帮助。
一天，客户 Alex 带着一系列问题联系 Cloud Kicks。在长时间等待后，这是没有 Agentforce 时互动目前的展开方式——这段对话凸显了没有自动化、全面信息和实时数据访问时客户服务的挑战：延迟和不完整的答案会打击客户体验。回到 Cloud Kicks 总部，Linda 对 Agentforce 转型像 Alex 这样的客户互动的潜力感到兴奋。
认识 Agentforce（Meet Agentforce）
Agentforce 是一个完整、可扩展、开放的平台，让你用现有的工作流、数据和集成来构建和部署 AI 代理。AI 代理是执行任务和业务互动的目标导向的 AI 应用。Agentforce 旨在做出智能决策，能发起并完成一系列任务、处理自然语言对话，并安全地提供来自业务数据的相关答案。无论用户是在桌面还是移动设备上，Agentforce 都能在各种工作流和互动中提供帮助。
最棒的是，在 Salesforce 中设置 AI 代理不需要写一行代码——你只需启用 Agentforce 然后创建代理。以下是 AI 代理开箱即用能做的一些事：
- 总结 Salesforce 记录（如商机、账户和案例）。
- 起草或修改邮件。
- 查找和更新 Salesforce 记录。
- 聚合 Salesforce 数据。
- 用知识库中的信息回答问题。
此外，用你现有的 Salesforce 平台很容易扩展 AI 代理。例如，如果你已经有一个做产品推荐的 flow，只需点击几下就能把该能力添加到代理中。
Agentforce 的特征（Agentforce Characteristics）
让我们仔细看看 Agentforce 的每一项特征，以便更熟悉你的新数字伙伴。Agentforce 有三大关键特征：可信（Trusted）、上下文相关且准确（Contextual and Accurate）、可预测（Predictable）。
可信（Trusted）
在 Salesforce，信任是我们的第一价值。这就是为什么我们把 Agentforce 这样的生成式 AI 工具以信任为核心来构建。你的 AI 代理尊重 Salesforce 标准访问控制，确保代理安全地采取行动。Agentforce 与 Einstein Trust Layer（构建在 Salesforce 平台中的安全 AI 架构）集成，让你获得生成式 AI 的好处而不损害客户数据。它的运作方式：
- 数据接地（Data grounding）：Trust Layer 用可信的公司数据为生成式提示词接地和丰富。
- 零数据保留（Zero-data retention）：你的数据保持安全，绝不被第三方大语言模型（LLM）提供商保留。
- AI 监控（AI monitoring）：AI 互动被记录，让你能看清每次用户交互。
Trust Layer 不是唯一保护你组织的东西。使用 Agentforce，你还可以配置护栏（guardrails）来引导代理行为，确保代理遵守你的业务政策和行业法规。
上下文相关且准确（Contextual and Accurate）
没有上下文，AI 模型无法理解你的业务，往往会生成不准确、通用或无用的响应。使用 Agentforce 的优势在于，构建在 Salesforce 平台上的 AI 代理天生对你的业务有深入了解：
- Data 360：Data 360 让代理动态访问完成工作所需的数据。你可以创建连接结构化与非结构化数据的强大代理，而无需从现有数仓复制数据——包括 CRM 数据、Slack 数据、公司知识文章、外部数据湖等。
- 元数据（Metadata）：元数据让代理了解你业务的上下文以及可用的动作。元数据是 Agentforce 360 平台的核心部分——平台上构建的每个字段、标签、条目和自动化都带有 Agentforce 能读取和理解的相关元数据，让代理确切知道如何使用某个 flow 或需要拉取什么数据。
利用实时数据，Agentforce 确保代理与员工和客户的互动是准确的。
可预测（Predictable）
虽然准确性对 AI 很重要，但可靠性同样关键。你能保证一个 AI 代理在给定某个提示词时总能生成相同的结果吗？历史上这对生成式 AI 来说很有挑战，因为 LLM 是概率系统，输出无法 100% 确定。但在商业环境中，很多时候你希望 AI 代理每次都完全一样地遵循组织的业务规则。
好消息是 Agentforce 让你对 AI 代理的行为有显式控制。Agent Script 是 Agentforce 中构建代理的语言，它结合了自然语言的灵活性与程序化表达式的可靠性。这意味着你的 AI 代理在需要时可以遵循一个明确、可预测的路径。
使用 Agentforce 的更好体验（A Better Experience with Agentforce）
现在你知道 Agentforce 如何增强无缝的客户互动并自动化繁琐任务，让我们重新审视最初的对话，看看 Agentforce 的转型效果。第一个大不同是：客户不必再等待——AI 代理立即加入对话并向客户 Alex 打招呼。
太有帮助了！每个问题都用具体细节回答，没有任何停顿或含糊的响应。这正是 Cloud Kicks 希望客户联系客服时得到的互动。Linda 被说服了，迫不及待要开始使用 Agentforce。
二、探索 Agentforce（Explore Agentforce）
学完本单元，你将能够：定义什么是子代理和动作；解释标准子代理/动作与自定义子代理/动作的区别。
Agentforce 如何工作（How Agentforce Works）
在设置 Agentforce 之前，Linda 想了解它的运作机制。Agentforce 有四个基本组件：代理（agent）、它的子代理（subagents）和动作（actions），以及推理引擎（reasoning engine）。
代理（The Agent）
Agentforce 帮助你创建、定制和测试执行任务和业务互动的 AI 代理。目前你可以为员工和客户构建并启动代理。几个例子：
- Agentforce Employee Agent：通过无缝构建在 Salesforce 界面中的员工代理，帮助员工处理各种工作流和任务。
- Agentforce Sales Coach：提供个性化辅导，帮助销售代表应对具有挑战性的对话并提升业绩。
- Agentforce for Service：自主解决常见问询并处理来电案例，智能地支持你的客户。
- Agentforce SDR：通过处理新增或更新的线索、发送定制介绍邮件、回复邮件并将合格线索与销售代表连接，扩展你的销售团队并充分利用销售管道。
这些 AI 代理是目标导向且自主的，能执行业务任务并做出数据驱动的决策。但这究竟是如何发生的？这就涉及到子代理和动作。
子代理与动作（Subagents and Actions）
代理由子代理（subagents）组成，它们定义了代理能做的不同工作。子代理包含指令（instructions），告诉代理如何做决策以及应该做什么、不应该做什么。定义子代理时，你设定了清晰的边界和上下文来控制代理的行为。
子代理还包含一组动作（actions），代理用它来完成工作。例如，一个 Order Management 子代理可能包含这些动作：Get Order by Order ID、Get Order by Email Address、Look Up Return Status、Create Return Label。
当用户提问或提出请求时，代理挑选正确的子代理，并在该子代理内启动相应的动作。这让代理聚焦于当前对话最相关的任务和数据。与子代理一样，动作也包含一组指令——动作指令至关重要，因为它们告诉代理这个动作做什么。动作的名称、描述、输入和输出决定了何时以及如何使用该动作。指令越好，动作表现得越可预测，互动就越可靠。
标准代理与自定义代理（Standard and Custom Agents）
Salesforce 为 Agentforce 提供了一些开箱即用的标准子代理和动作，让你快速上手。但你也可以创建自定义子代理和动作，赋予 AI 代理执行你业务特定任务的能力。让我们看看两者，以便决定何时使用标准与自定义。
标准子代理（Standard Subagents）
Salesforce 为常见用例提供标准子代理库。标准子代理是预定义的，并带有一组针对各种业务场景的常用动作。它们是许多组织的绝佳起点：覆盖广泛任务，非常适合快速实施。几个 Salesforce 提供的子代理示例：
- General CRM：处理与 Salesforce CRM 数据相关的用户请求，如识别、总结或更新记录、起草或完善邮件、聚合数据、查找 Salesforce 对象。
- Close Deals：基于过往成交、对话信号和客户情绪，为销售人员提供成交建议，并回答产品定价问题、提供帮助成交的计划建议。
- Marketing Campaigns：在 Marketing Cloud 中起草引人入胜、符合品牌的简报和活动。
请记住，一些子代理是为特定云或许可证设计的，可能需要额外的权限或许可证。
自定义子代理（Custom Subagents）
自定义子代理帮助你定制代理以满足特定业务需求。定义与你独特流程和要求一致的子代理、动作和指令。回到 Cloud Kicks 看看他们如何用自定义子代理：Cloud Kicks 提供各种定制运动鞋，订单履行流程相当复杂。Linda 预感到一个 Shipping Management 自定义子代理可以帮助客户解决库存和发货问题。
例如，客户可能会问：「蓝色运动鞋有货吗？我下周能拿到吗？」自定义子代理及其分配的动作会引导代理检查库存、查看发货选项并确认交付日期。
标准动作与自定义动作（Standard and Custom Actions）
动作让代理执行任务——从简单查询到复杂操作。与标准子代理类似，Salesforce 提供标准动作库，一些对所有有 Agentforce 访问权的用户可用，另一些则需要特定云或产品的额外许可证。
标准动作（Standard Actions）
以下是 Salesforce 提供的几个标准动作（其中一些是系统动作，很关键且无法移除）：
- Query Records：基于用户请求和特定条件（如字段值）查找并检索 Salesforce 记录。例如：「找出本季度将关闭的所有未结商机，按创建日期排序。」
- Summarize Record：总结单个 Salesforce CRM 记录。例如：「为 Acme 交易创建摘要。」
- Draft or Revise Email：创建邮件草稿或根据用户输入修改生成邮件的最新版本。例如：「帮我写一封给 Acme 的 Steve 的介绍邮件。」
- Answer Questions with Knowledge：基于相关知识文章的信息回答用户问题。例如：「超过 30 天退货的政策是什么？」（需要 Knowledge 许可证。）
自定义动作（Custom Actions）
如果你需要为业务特定的流程和工作流定制代理，就为子代理创建自定义动作。最棒的是？你不必从零开始——自定义动作使用你已经熟悉和喜爱的 Salesforce 技术。创建自定义动作时，你把它构建在现有平台功能之上，如可调用（invocable）和 REST Apex 类、自动启动的 flow、提示词模板和外部服务。
例如，你可以用 flow 连接 MuleSoft API，或用 Apex 和 flow 连接第三方 API；也可以用 Apex 或 flow 通过 Data 360 访问互动数据、网站数据或第三方数据。把这些功能在 Agentforce 中开放，你就解锁了大量价值和使用场景。
Agentforce 的最后一个构建块（The Final Building Block of Agentforce）
现在 Linda 理解了子代理和动作如何工作，是时候介绍在幕后编排一切的强大组件了：推理引擎（reasoning engine）。
三、认识推理引擎（Meet the Reasoning Engine）
学完本单元，你将能够：定义什么是推理引擎；解释推理引擎如何工作；从 Agentforce Studio 应用导航到 Agentforce Builder；描述 Agentforce Builder 的主要特征。
把一切组合起来（Putting It All Together）
子代理和动作是代理的构建块，相当强大，对吧？但代理如何知道在对话中何时启动这些子代理呢？让我们认识 Agentforce 背后的推理引擎。
什么是推理引擎？（What's a Reasoning Engine?）
推理引擎就像乐团的指挥——就像指挥保持节奏并引导乐手一样，推理引擎编排子代理和动作如何处理用户请求。
驱动 Agentforce 的推理引擎叫做 Atlas 推理引擎，它是基于图的（graph-based）。你可以把它想象成一个带节点、变量和转换的流程图，让代理能遵循特定、可预测的路径。与严格基于提示词的推理引擎不同，Atlas 把代理的全局工作流与其对话技能分开。它用 Agent Script（构建代理的语言）把程序化表达式与自然语言指令结合起来，结果就是混合推理（hybrid reasoning）——既给企业所需的可预测性和控制力，又给大语言模型（LLM）带来的灵活性和创造力。
它如何工作（How It Works）
让我们跟随一条用户消息穿过 Atlas 推理引擎的路径，了解 Agentforce 代理如何推理、采取行动并生成响应：
- 第 1 步：过程始于用户输入问题或请求。
- 第 2 步：代理路由到被定义为起始子代理的子代理。
- 第 3 步：代理选定子代理后，开始按书写顺序解析子代理的推理指令。这部分是确定性的——代理在跟 LLM 对话之前就先解析程序化表达式。如果过程中代理转换到不同子代理，它会立即重定向对话。
- 第 4 步：所有推理完成后，代理用得到的指令构建一个发送给 LLM 的提示词。该提示词包含：代理级指令、最近的对话历史、解析后的指令，以及子代理可用的动作。
- 第 5 步：代理把提示词发送给 LLM 以启动推理过程并采取行动。代理用 LLM 分析提示词中的可用信息并确定下一步。LLM 可以回复用户或调用一个动作——如果回复用户，就完成推理循环并组织响应；如果执行动作，就触发该动作及与之关联的动作后逻辑。
过程可能不止于此：如果 LLM 回复用户，用户可以通过追问或转换话题继续对话，代理会恰当响应——在幕后，用户的响应会重新启动整个旅程。
魔法发生的地方（Where the Magic Happens）
现在 Linda 熟悉了 Agentforce 代理的所有组件，准备开始构建一个。让我们了解 Agentforce Builder——你创建、定制和测试可预测、上下文感知代理的一站式商店。要访问 builder，Linda 需要前往 Salesforce 中的 Agentforce Studio：
- 打开 App Launcher。
- 搜索并选择 Agentforce Studio。
- 如果看不到 All Agents 页面，点击 Agents。
Agentforce Studio 是你创建和管理 AI 代理的中心枢纽。要开始，Linda 点击 New Agent，用自然语言简单描述她想要代理做什么——这是 Cloud Kicks 的 AI 代理，帮助各种客户问题，能回答一般问题并处理订单管理、发货管理和产品推荐，能定位附近门店，还能为特定地理区域的徒步者和跑步者提供路线推荐。然后 Agentforce 在 builder 中快速生成一个新代理，给 Linda 一个绝佳的开发起步。
Builder 简介（A Brief Introduction to the Builder）
现在 Linda 已经创建了她的第一个代理，让我们帮她熟悉 Agentforce Builder。以下是 builder 的主要功能及其作用：
- Explorer（资源管理器）：在一个地方查看和导航代理的所有资产和组件，包括代理设置、子代理及其动作、代理的数据源和连接等。
- Canvas（画布）：用这种文档式编辑器修改代理或查看其详情。你可以在 Canvas 视图中用自然语言构建，或切换到 Script 视图访问带语法高亮和实时验证的脚本语言。
- Preview（预览）：通过输入话语来测试代理。在 Agentforce Builder 中预览对话时，你可以看到每条消息的代理推理和行为摘要。
- Canvas/Script：在基于自然语言的 Canvas 和基于代码的 Script 视图之间切换。
- Agentforce Assistant：用内置 AI 助手帮你构建、调试和优化代理。
行动时间（Time for Action）
Linda 现在更自信了。轮到你了——通过完成「Quick Start: Assemble Your First Agent with Agentforce」徽章亲手体验 Agentforce，然后通过 Agentforce 实施指南深入整个代理开发过程。当你脑子装满了新知识，就准备好规划、构建和定制你自己的 AI 代理了。去吧，构建一些真正了不起的代理！