O guia do Agentforce para engenharia de contexto

_{Este guia oferece suporte ao Criador do Agentforce mais recente disponível por meio do Iniciador de aplicativos . Consulte o guia de sistemas legados se você mantém agentes por meio da Configuração.}

Os agentes de IA estão revolucionando as organizações aumentando a eficiência, reduzindo o esforço manual e criando um ambiente de trabalho mais sofisticado e adaptável.

Este guia explora os principais elementos do Agentforce, a plataforma Salesforce para criar agentes de IA. Os profissionais usam a engenharia de contexto para fornecer aos agentes do Agentforce as informações, ações e instruções específicas necessárias para atingir as metas. Vamos examinar como o Agentforce Script usa raciocínio híbrido para combinar IA generativa com controle determinístico.

Sabemos que os desenvolvedores criam agentes em muitos ambientes diferentes. Damos suporte a essa flexibilidade para escolher seu modelo e ambiente preferidos para o trabalho.

Se você cria no Claude Code, Labs, Agentforce Studio, ou em outro lugar, é útil entender como o Agentforce gerencia a lógica e as conexões nos bastidores.

O que abordaremos:

• II. Principais conclusões
• III. Fundamentos do Agentforce
• IV. Agentforce Script
• V. Prompts vs. Agentes
• VI. Engenharia de contexto
• VII. Como o Agentforce raciocina
• VIII. Contexto confiável
• IX. Práticas recomendadas
• X. O Agentforce precisa de Data 360?
• XI. Conclusão
• XII. Saiba mais

• Raciocínio híbrido impulsiona o mecanismo de raciocínio do Agentforce. Essa abordagem combina a flexibilidade do LLM com a confiabilidade determinística do Agentforce Script.
• O Agentforce Script oferece controle determinístico total sobre o comportamento do agente, substituindo prompts sobrecarregados do sistema por lógica de negócios estruturada.
• O Data 360 é parte integrante do Agentforce. Ele potencializa a indexação e a fragmentação para a geração aumentada por recuperação (RAG), análise de agentes e Digital Wallet.

Um agente é um tipo de software que usa IA generativa para tomar decisões sobre o que fazer em seguida e como fazer isso. Um agente pode entender uma pergunta (geralmente chamada de enunciado), raciocinar de forma autônoma para determinar quais ações ele precisa para atingir sua meta, identificar quais dados são necessários e, em seguida, agir, com ou sem intervenção humana.

Principais capacidades dos agentes de IA

• Os agentes são dinâmicos e podem se adaptar a diferentes situações, ambientes e informações.
• Os agentes podem ser autônomos (agir sem intervenção humana) ou podem ser guiados para envolver um humano no processo.
• Os agentes são diferentes de outras ferramentas de IA generativa porque podem planejar, raciocinar e agir.

Embora os agentes usem grandes modelos de linguagem (LLMs) para lidar com linguagem natural e intenção, o Agentforce também usa o Agentforce Script para seguir uma lógica de negócios específica. Esse modelo de raciocínio híbrido torna os agentes mais dinâmicos do que a automação tradicional, mantendo-se tão confiável quanto o software codificado.

Agentforce Studio

Agentforce Studio é nossa área de trabalho unificado para todo o ciclo de vida do agente.

O Agentforce Studio reúne todas as ações necessárias para criar, testar e gerenciar o comportamento do agente. Os três principais componentes do Agentforce Studio ajudam você a gerenciar o ciclo de vida de desenvolvimento de agentes:

• Criador do Agentforce: Use o criador nativo de IA para elaborar regras em linguagem simples. Use o Agentforce Script, uma linguagem que expressa o comportamento confiável do agente ao unificar configuração, lógica de negócios e instruções.
• Central de testes: Valide os comportamentos dos agentes antes de implantar
• Agentforce Capacidade de observação: Monitore e analise o desempenho do agente para ver onde refinar a lógica.

O Agentforce Studio preenche a lacuna entre usuários técnicos e não técnicos. Katherine Mains da Conagra Brands descreve isso como "a 'Zona de Cachinhos Dourados' do design; avançado o suficiente para nossos arquitetos, mas intuitivo o suficiente para que nossos administradores comecem imediatamente."

O Agentforce é a estrutura que fornece a previsibilidade de que sua empresa precisa para ir além de perguntas frequentes simples e avançar para trabalhos de alto valor. O raciocínio híbrido e o Agentforce Script combinam controle e criatividade. O contexto inteligente capacita os agentes com os dados certos no momento certo. O Agentforce Studio fornece um espaço de trabalho unificada para gerenciar todo o sistema.

O Data 360 fornece vários recursos que tornam o Agentforce extensível. Aqui está uma rápida visão desses componentes:

Vamos dar uma olhada mais de perto no Agentforce Script, o modelo para o processo de raciocínio de um agente.

Agentforce Script é nossa linguagem de script específica do Agentforce que serve como base em texto para criar e governar agentes. Ele funciona como uma linguagem unificada que expressa todo o comportamento de um agente. Esse arquivo único reúne configuração, lógica de negócios, ações e instruções de raciocínio. Em vez de tratar a linguagem natural e o código como elementos separados, os profissionais usam esse blueprint para gerenciar toda a arquitetura do agente em um só lugar.

Em ações agênticas que usam apenas IA generativa , os usuários dependem de prompts longos em linguagem natural, o que pode levar a resultados de tarefas inconsistentes e imprevisíveis. O Agentforce Script altera isso. O raciocínio híbrido com Script combina linguagem natural com instruções determinísticas baseadas em regras.

Os líderes veem resultados imediatos com esse nível de controle. Scott Van Dusen, parceiro e diretor de operações da Equitable Trust, observa que o Agentforce Script é incrivelmente poderoso. Ele acha a capacidade de manipular fluxos e ações muito mais robusta do que os métodos apenas de LLM. "Estou tendo muito mais sucesso controlando isso", diz Van Dusen.

Grant Roberson, administrador do Agentforce na Datasite, disse que o Script é "anos-luz melhor" do que os agentes projetados por prompts.

"Eu costumava ter parágrafos de instruções repetitivas em todos os lugares para tentar forçar o comportamento", disse Roberson. "Com o Script, é fácil remover esse ruído e substituí-lo por uma lógica condicional que permite que você confie que seus agentes façam exatamente o que você quer que eles façam."

O Script afasta você da criação de prompts e leva à orquestração escalável. Como ele usa um formato estruturado e baseado em texto, sua equipe pode versionar, revisar e controlar o comportamento do agente da mesma forma que o código tradicional.

O Agentforce Script organiza os recursos do agente por meio de sintaxe declarativa. Ele trata instruções, ações e subagentes como componentes modulares. Essa estrutura fornece ao mecanismo de raciocínio um mapa claro de recursos, ao mesmo tempo que define limites para manter o agente dentro do escopo pretendido. Esses scripts movem os fluxos de trabalho do raciocínio probabilístico para resultados garantidos, reduzindo as chamadas de LLM e evitando erros lógicos.

Arquitetura e modularidade

A seguir, há uma lista de práticas recomendadas estruturais organizadas por princípios de design modular para ajudar você a criar um agente sustentável e previsível.

• Crie scripts pequenos e separados para tarefas específicas, como verificações de identidade. Isso facilita a manutenção do sistema, pois você pode atualizar um único script quando as políticas de negócios mudam, sem afetar outras partes do agente. Você também pode aplicar esses scripts comuns em vários subagentes para garantir uma experiência consistente.
• Organize as ações no script com base na intenção específica que elas atendem. Dê aos subagentes e ações nomes que descrevam claramente sua função, pois o mecanismo de raciocínio usa esses nomes para selecionar o melhor caminho.
• Adote uma abordagem em camadas determinísticas em que o código lida com o início e o fim de cada interação. Use a voz natural da IA na parte intermediária para garantir controle total sobre o início e a resolução da conversa.

Gerenciamento de dados e contexto

A seguir, há uma lista de técnicas de gerenciamento de dados organizadas por tratamento de sessão para ajudar você a reduzir a latência e melhorar a personalização.

• Defina as entradas de dados necessárias no início de um bloco de script para que o agente reúna o contexto antes de tentar agir. Para aumentar a velocidade, você deve buscar todos os dados necessários antes que o agente comece sua tarefa principal. Cada chamada de LLM adiciona tempo à interação, portanto, usar regras específicas para coletar fatos antecipadamente evita chamadas extras.
• Armazene fatos como o nome ou o status de um usuário em variáveis de sessão para gerenciar dados durante um chat. Essas variáveis permitem que você passe informações entre subagentes, o que impede que o agente repita perguntas. Isso também garante que o agente tenha os dados de que precisa para usar ações sem entrada extra do usuário.
• Insira variáveis diretamente nas instruções como campos de mesclagem. Isso ajuda o agente a fornecer respostas personalizadas e seguir uma lógica específica com base nos dados do usuário.

Padrões de lógica e conformidade

A seguir, há uma lista de padrões de configuração organizados por lógica de execução para ajudar você a manter conformidade e confiabilidade rigorosas.

• Use instruções para influenciar o estilo de conversa enquanto o script lida com a lógica de negócios real. Essa separação permite que o LLM lide com a linguagem enquanto o script gerencia verificações de dados ou sequências obrigatórias. Essa abordagem determinística elimina as suposições frequentemente encontradas em prompts de linguagem natural.
• Aplique a lógica se-então para guiar um agente por caminhos específicos. Por exemplo, você pode programar o agente para verificar o status de fidelidade de um cliente antes que ele ofereça um desconto.
• Defina critérios explícitos de saída para definir exatamente quando um subagente deve entregar a conversa de volta ao agente principal ou fechar a sessão. Limites claros garantem que o agente opere com eficiência máxima.

Implementação estratégica

A seguir, há uma lista de diretrizes de implementação organizadas por seleção de ferramentas para ajudar você a escolher o caminho de automação certo para seu caso de uso.

• Evite projetar agentes para agir como chatbots simples e lineares. Se um processo for estático e nunca mudar, use um fluxo padrão no Flow Builder em vez de um agente de IA. Reserve o Agentforce Script para lidar com entradas humanas confusas ou imprevisíveis.
• Encontre soluções de agente predefinidas e scripts reutilizáveis no AgentExchange para economizar tempo de desenvolvimento. Esse marketplace inclui ações de IA prontas para uso e integrações de terceiros para ajudar você a automatizar tarefas comerciais comuns rapidamente. Saiba mais sobre o AgentExchange Advantage neste e-book.

Antes de continuarmos, é importante observar que os agentes não são a única ferramenta de IA generativa disponível no Agentforce 360 Platform. Os modelos de prompt são outra ferramenta poderosa para criar aplicativos que usam IA generativa. Os modelos de prompts, criados no Prompt Builder, permitem que você defina um conjunto de instruções estruturadas e reutilizáveis que orientam um modelo de IA generativa a produzir saídas específicas. Eles podem referenciar dados do Salesforce por meio de campos predefinidos, gráficos de dados e geração aumentada por recuperação de dados contextuais ( RAG) . Os modelos de prompt também são altamente seguros, todos os prompts são roteados pela camada de confiança da Salesforce, respeitando permissões, mascarando dados confidenciais e sinalizando saídas tóxicas.

Os modelos de prompt são interações de turno único com IA e são ideais para tarefas pontuais que não exigem memória ou raciocínio em várias etapas. Por exemplo, um modelo de prompt é ideal quando você precisa reformular uma frase ou resumir um caso, porque o contexto contínuo não é necessário. Ao projetar soluções com modelos de prompt, é importante lembrar que eles são stateless (não retêm memória entre turnos) e que não tomam decisões nem realizam ações. Os modelos de prompt geram uma resposta com base na entrada e na lógica que você fornece no momento do design.

Os modelos de prompts podem ser usados sozinhos em uma solução de IA incorporada ou você pode adicionar um modelo de prompts a um agente por meio de ações do agente. Usar um modelo de prompts sozinho é ideal quando:

• O contexto de negócios é bem compreendido e estável.
• A saída desejada segue um formato previsível, embora a resposta em si não seja determinística.
• Não há necessidade de avaliar caminhos diferentes ou tomar ações autônomas.
• O contexto, ou estado, contínuo não é necessário.
• O raciocínio em várias etapas não é necessário.

Casos de uso do modelo de prompts:

• Geração de resumo de registro estruturado, como resumir notas de caso
• Criação de notas de reunião estruturadas.
• Geração de respostas de email modeladas.
• Sugestão das próximas ações recomendadas.
• Identificação de análise de sentimento de um caso.

Lembre-se de que, embora os modelos de prompts possam preencher dados dinamicamente e gerar respostas com base nas entradas dinâmicas que são renderizadas em tempo de execução, eles não podem raciocinar por meio de opções ou agir.

Agentes são sistemas de software que decidem de forma autônoma o que fazer, em que ordem e como fazê-lo, com base na evolução do contexto. Os agentes vão além de um único prompt, pois podem planejar, raciocinar, solicitar ações externas (como chamadas de API ou pesquisas de banco de dados) e reagir com base nos resultados. Eles podem escolher caminhos ou respostas diferentes, dependendo do que aprenderem no meio do processo. Os agentes são melhores quando:

• O ambiente ou o contexto podem mudar dinamicamente.
• Várias decisões ou ramificações são possíveis com base nos dados.
• A IA precisa substituir ou ajudar o julgamento humano na hora de fazer uma escolha ou agir.

Casos de uso de agentes de IA

• Triagem e direcionamento de casos de suporte recebidos.
• Resolução de problemas de reserva verificando sistemas e políticas externas.
• Gerenciamento de fluxos de trabalho de várias etapas com ciclos de feedback.
• Elaboração de e-mail de resposta ao caso com base nos detalhes do problema do cliente, com possíveis soluções e artigos de conhecimento relevantes do seu site voltado para o cliente.
• Agendamento de consulta com base na disponibilidade do representante de atendimento e na preferência do cliente.
• Detecção de eventos, como problemas de atualização de software, e geração proativa de tarefas de solução de problemas ou tentativa de resolução remota por meio do acionamento de uma ação para invocar uma chamada de API.

Saber como o mecanismo de raciocínio funciona nos bastidores é fundamental para a implementação bem-sucedida do agente. Nos primeiros dias dos agentes de IA, nós, profissionais, conversávamos muito sobre engenharia de prompts: a arte de "persuadir" um LLM a se comportar. Agora, evoluímos para engenharia de contexto.

Engenharia de contexto é uma prática mais holística, indo muito além de apenas escrever um bom prompt. Com o raciocínio híbrido do Agentforce, você projeta um sistema que equilibra o raciocínio LLM autônomo com lógica baseada em regras para controle determinístico.

A engenharia de contexto é a sucessora da engenharia de prompts . Isso envolve projetar um sistema de subagentes, instruções, regras e ações para fornecer a um agente as informações e limites exatos de que ele precisa para ser bem-sucedido, em vez de tentar criar as palavras perfeitas na tentativa de convencer um LLM a fornecer exatamente as respostas certas.

As três alavancas da engenharia de contexto

Os profissionais usam o Agentforce Script como a linguagem unificada para expressar subagentes, instruções, ações e regras em um único idioma e arquivo.

1. Subagentes. Isso define agentes especializados e sua experiência.
2. Instruções. Eles fornecem orientação para o fluxo, tom e intenção da conversa.
3. Ações e regras. Eles executam ações e aplicam a lógica comercial obrigatória.

Vamos analisar mais de perto os subagentes, instruções e ações, três partes importantes de metadados que você define cada vez que cria um agente com o Agentforce.

Os subagentes são a base dos recursos do seu agente, definindo o que ele pode fazer e os tipos de solicitações dos clientes que ele pode atender. Pense neles como departamentos especializados com experiência específica, ações que levam à ação e instruções. Quando um cliente envia uma mensagem, seu agente primeiro determina qual "departamento" (subagente) deve lidar com a solicitação e, em seguida, usa as diretrizes e ferramentas personalizadas desse subagente para ajudar o cliente.

As instruções são as diretrizes que orientam como as conversas são tratadas em um subagente, orientando a seleção de ações, definindo padrões de conversação e fornecendo contexto comercial. Subagentes claros e distintos evitam a sobreposição e garantem que o mecanismo de raciocínio classifique corretamente as solicitações dos clientes. As instruções devem ser claras, específicas e acionáveis para orientar o agente de forma eficaz.

Seu agente usa ações para obter informações ou executar tarefas. Ao definir ações, é fundamental entender como o mecanismo de raciocínio as processa. O mecanismo analisa as ações disponíveis com base em seus nomes, descrições e entradas, bem como nas instruções do subagente e no contexto da conversa. O Agentforce vem com várias ações padrão de agentes, e você pode criar ações personalizadas de agentes para ampliar ainda mais sua implementação. Sempre verifique se uma ação padrão pode ser usada antes de criar uma ação personalizada. Projete ações tendo em mente a reutilização, pois elas podem ser usadas em vários subagentes. Abaixo está uma lista das ações personalizadas do agente disponíveis e quando você deve usá-las.

O mecanismo de raciocínio usa subagentes, instruções, ações e regras para realizar o trabalho. Como o Agentforce Script serve como a definição completa do agente, ele elimina a caixa preta do roteamento probabilístico. Em resumo, o mecanismo de raciocínio:

• Classifica subagentes: O mecanismo faz a correspondência de uma mensagem do cliente com o subagente mais apropriado com base em seu nome e descrição.
• Executa lógica com script: O mecanismo executa as instruções e regras com script ditadas pelo Script. Isso acontece antes que o sistema avalie instruções não determinísticas.
• Aplica ações: Se uma tarefa exigir dados externos ou uma atualização, o mecanismo executará as ações necessárias e coletará os resultados.
• Verificação de fundamentação: Antes de enviar uma resposta final, o mecanismo garante que a resposta seja baseada em informações precisas de ações ou instruções e segue as diretrizes fornecidas no Script e nas instruções.

Aqui está um passo a passo detalhado do que acontece dentro do mecanismo de raciocínio sempre que um agente é invocado.

Para obter um mergulho ainda mais profundo, consulte o Guia do Agentforce para alcançar um comportamento confiável do agente: Uma estrutura para 6 níveis de determinismo

Os profissionais devem entender a distinção entre filtragem e instruções para criar agentes precisos. Filtros controlam o que o LLM vê e o que ele pode fazer em cada turno de uma conversa, e funcionam em vários níveis. Os filtros podem ser aplicados a subagentes, ações e recuperadores, dando aos profissionais controle refinado sobre quais subagentes estão disponíveis, o que esses subagentes podem fazer, e qual conteúdo o modelo recupera em cada etapa.

Pense no assistente virtual de um banco. Quando um cliente pergunta sobre seu financiamento imobiliário, um subagente com escopo para crédito imobiliário entra em ação. Seu filtro garante que o LLM veja apenas documentos hipotecários, não dados de cartão de crédito ou registros de investimento. Mas, nessa mesma conversa, a ação que obtém a taxa atual do cliente usa seu próprio filtro mais restrito, limitado à conta desse cliente. O cliente recebe uma resposta precisa, e dados irrelevantes nunca entram em cena.

Os filtros podem ser definidos como estáticos (pré-configurados na configuração) ou dinâmicos (passados em tempo de execução do contexto de conversa ou entradas de prompt). Com pré-filtros de recuperação aprimorados, os profissionais agora podem aplicar até 10 filtros dinâmicos por recuperador, combiná-los com lógica E/OU e usar operadores COMO para correspondência de padrões. Isso reduz o ruído de recuperação e mantém a janela de contexto focada no conteúdo mais relevante. Em fluxos de trabalho de desenvolvimento de software, por exemplo, os profissionais podem aplicar filtros de contexto específicos de ação para dar a um agente flexibilidade na interpretação de prompts do usuário, mantendo-o rigoroso sobre o estado atual da base de código.

O Agentforce Script fornece o mais alto nível de controle determinístico ao codificar sequências e regras específicas para o agente seguir. Essa abordagem impede o loop de prompt doom, em que as instruções se tornam muito longas ou confusas para que o LLM siga com precisão.

Embora filtros e o Agentforce Script forneçam controle no nível do sistema, os profissionais também devem fornecer uma maneira de verificar a precisão. Citações oferecem aos usuários uma trilha de auditoria clara para cada resposta, conectando o contexto interno que o agente usou à resposta apresentada.

O mecanismo de raciocínio orquestra esses quatro componentes para resolver solicitações com uma combinação de flexibilidade e controle. Considere um cliente que disse "eu pedi um suéter vermelho ontem, mas preciso mudar o endereço de entrega."

1. Classificação do subagente. O mecanismo analisa a mensagem do cliente e executa a classificação de subagente. Ele faz a correspondência da solicitação com o subagente "Pedido de alteração" porque o nome e a descrição se alinham com a tarefa.
2. Arranjo de contexto. O mecanismo executa a montagem de contexto para criar a memória do agente. Ele reúne as instruções do subagente, o script e as ações disponíveis.
3. Execução do Agentforce Script. O mecanismo executa o Agentforce Script para executar a lógica de negócios determinística. O script verifica o status do pedido do suéter vermelho. Se o pedido permanecer no depósito, o script permitirá que o agente avance com a alteração.
4. Raciocínio baseado em instruções. As instruções orientam o agente durante a conversa. Eles definem o tom e orientam o agente a pedir ao cliente o novo endereço de entrega.
5. Aplicação de ações. O agente seleciona e executa a ação "Atualizar envio do pedido". Ele passa o ID do pedido e o novo endereço ao sistema para concluir a atualização.
6. Resposta fundamentada. O agente entrega uma confirmação final ao cliente. Ele realiza uma verificação de fundamentação e inclui uma citação para verificar a fonte das informações.

A engenharia de contexto bem-sucedida exige a integração perfeita de subagentes, instruções, scripts e ações. Esses quatro elementos trabalham juntos para manter um agente dentro dos limites de relevância e precisão ideais. Os subagentes definem expertise especializada. As instruções fornecem orientação e tom conversacionais. O Agentforce Script adiciona uma camada de controle determinístico para aplicar regras de negócios. As ações permitem que o agente execute ações e acesse dados em tempo real. Essa estratégia combinada garante que seu agente permaneça útil e altamente confiável.

A engenharia de contexto bem-sucedida exige saber onde colocar sua lógica.

• Use as ações e Agentforce Script para controle. Mova regras de negócios críticas e fluxos de trabalho de várias etapas para o Agentforce Script ou ações. Isso inclui cálculos complexos e sequenciamento obrigatório.
• Use as instruções para comportamento. Guie o fluxo da conversa e defina o tom de resposta usando as instruções.

Práticas recomendadas para escrever instruções eficazes

• Defina seus termos. Não presuma que o agente saiba o que os termos do setor significam. Por exemplo, defina a diferença entre "Códigos promocionais" para descontos e "Códigos de registro" para garantias.
• Seja específico sobre as sequências. Se as etapas precisarem acontecer em uma determinada ordem, declare-as claramente em um bloco de instruções.
• Use terminologia consistente. Consulte as ações pelo nome exato e use os mesmos termos em todas as instruções.
• Seja intencional com absolutos. Palavras como "sempre" e "nunca" têm um impacto significativo na forma como seu agente interage.
• Forneça critérios de decisão. Ajude seu agente a escolher entre opções semelhantes. Por exemplo, instrua o agente a usar a ação "Redefinição de e-mail" se o usuário tiver acesso a e-mail, mas use a ação "Pergunta de segurança" se não tiver.

Essa é uma pergunta que ouvimos com frequência de nossos clientes. A resposta curta é sim. O Data 360 é parte integrante do Agentforce porque a arquitetura do Data 360 é usada para determinados recursos do Agentforce, como análise de agentes e Digital Wallet. A infraestrutura do Data 360 também viabiliza a indexação e a pesquisa de dados não estruturados, bem como logs de feedback e trilhas de auditoria. O Data 360 também pode fornecer extensibilidade adicional. Os clientes do Agentforce também podem optar por ativar recursos como Bring Your Own Lake (BYOL) e Bring Your Own Large Language Model (BYO-LLM) para usar dados e modelos criados em plataformas fora do Salesforce com agentes baseados no Agentforce.

Desde acessar dados de outros data lakes por meio da federação de dados até usar a infraestrutura de hiperescala para dados em escala de petabytes, utilizar a arquitetura do Data 360 com o Agentforce garante que os clientes obtenham melhores resultados de IA hoje. Essa arquitetura poderosa também garante a viabilidade de longo prazo para a adoção bem-sucedida de agentes, não importa quão grandes ou complexos sejam os conjuntos de dados subjacentes que alimentam esses agentes.

Curioso para saber quais recursos específicos do Agentforce são movidos por Data 360? A tabela a seguir detalha os recursos do Agentforce que o Data 360 fornece por padrão, juntamente com os recursos opcionais que os clientes podem habilitar para estender sua implementação.

Abordamos os principais elementos que fazem o Agentforce funcionar, incluindo o mecanismo de raciocínio e como usar scripts, subagentes, instruções e ações. Compreender esses componentes é fundamental para usar o Agentforce de forma eficaz. Use este guia para melhorar os resultados à medida que você implementa o Agentforce. Confira os recursos fornecidos para saber mais.

Encontre blogs, guias, vídeos de demonstração e mais recursos em Agentblazer.com e Agentforce.com

• Guias longos:
  • Guia do Agentforce para alcançar um comportamento confiável do agente: Uma estrutura para 6 níveis de determinismo
  • O Guia para operar uma empresa agêntica
  • Agentforce e RAG: Práticas recomendadas para melhores agentes
  • Um guia do Agentforce para engenharia de contexto
    
    
• Para CIOs:
  • Um guia prático para agentes de IA confiáveis que funcionam
  • A vantagem invisível: 8 princípios-chave de design corporativo agêntico que foram testados e validados por CIOs nomeados.

• Blog: O Doomprompting não trará agentes de IA previsíveis, mas uma nova linguagem de script pode
• Blog do desenvolvedor: Controle o acesso do agente e a tomada de decisões com variáveis e filtros
  
  
• Trailhead: Planejamento de agentes: Descreva o trabalho do agente
  
  
• Documentação de ajuda:
  • Instruções da ação
  • Instruções do subagente
  • Agentes de solução de problemas