Guide Agentforce de l'ingénierie contextuelle

_{Ce guide prend en charge le dernier générateur Agentforce disponible via le lanceur d'application . Reportez-vous au Guide legacy si vous gérez les agents via la configuration.}

Les agents IA révolutionnent les entreprises en augmentant l'efficacité, en réduisant le travail manuel et en créant un lieu de travail plus sophistiqué et adaptatif.

Ce guide explore les principaux éléments d'Agentforce, la plateforme Salesforce pour la création d'agents IA. Les spécialistes utilisent l'ingénierie contextuelle pour fournir aux agents Agentforce les informations, les actions et les instructions spécifiques nécessaires pour atteindre les objectifs. Nous examinerons comment Agentforce Script utilise le raisonnement hybride pour combiner l'IA générative et le contrôle déterministe.

Nous savons que les développeurs créent des agents dans de nombreux environnements différents. Nous assurons cette flexibilité pour choisir le modèle et l'environnement préférés pour le travail.

Que vous développiez dans Claude Code, Labs, Studio Agentforce ou ailleurs, il est utile de comprendre comment Agentforce gère la logique et les connexions en coulisses.

Ce que nous allons aborder :

• II. Enseignements clés
• III. Principes de base d'Agentforce
• IV. Agentforce Script
• V. Répliques vs. agents
• VI. Ingénierie contextuelle
• VII. Raisonnement d'Agentforce
• VIII. Contexte fiable
• IX. Meilleures pratiques
• X. Agentforce a-t-il besoin de Data 360 ?
• XI. Conclusion
• XII. En savoir plus

• Le raisonnement hybride pilote le moteur de raisonnement d'Agentforce. Cette approche combine la flexibilité des LLM à la fiabilité déterministe d'Agentforce Script.
• Agentforce Script vous offre un contrôle déterministe total sur le comportement des agents, en remplaçant les invites système surchargées par une logique métier structurée.
• Data 360 fait partie intégrante d'Agentforce. Il permet l'indexation et la segmentation pour la génération augmentée de récupération (RAG), l'analyse des agents et le Digital Wallet.

Un agent est un type de logiciel qui s'appuie sur l'IA générative pour déterminer quoi faire ensuite et comment le faire. Un agent peut comprendre une question (souvent appelée énoncé), déterminer de manière autonome les actions dont il a besoin pour atteindre son objectif, identifier les données nécessaires, puis prendre des mesures, avec ou sans intervention humaine.

Principales capacités des agents IA

• Les agents sont dynamiques et peuvent s'adapter à des situations, des informations et des environnements différents.
• Les agents peuvent être autonomes (agir sans intervention humaine) ou guidés pour impliquer un humain dans la boucle.
• Les agents sont différents des autres outils d'IA générative car ils peuvent planifier, raisonner et agir.

Même si les agents utilisent des modèles de langage de grande taille (LLM) pour gérer le langage naturel et l'intention, Agentforce utilise également Agentforce Script pour suivre une logique métier spécifique. Ce modèle de raisonnement hybride rend les agents plus dynamiques que l'automatisation traditionnelle, tout en restant aussi fiable qu'un logiciel codé en dur.

Studio Agentforce

Studio Agentforce est notre espace de travail unifié pour l'ensemble du cycle de vie des agents.

Studio Agentforce rassemble toutes les actions dont vous avez besoin pour créer, tester et gérer le comportement des agents. Trois composants clés de Studio Agentforce vous aident à gérer le cycle de vie du développement des agents :

• Générateur Agentforce : utilisez le générateur natif de l'IA pour rédiger des règles en langage clair. Avec Agentforce Script, un langage qui exprime le comportement fiable des agents, unifiez la configuration, la logique métier et les instructions.
• Centre de test : validez les comportements des agents avant tout déploiement.
• Observabilité Agentforce : surveillez et analysez les performances des agents pour voir où affiner la logique.

Studio Agentforce rassemble les utilisateurs techniques et non techniques. Katherine Mains de Conagra Brands décrit ce concept comme « la zone idéale en matière de conception : assez sophistiquée pour nos architectes, tout en étant suffisamment intuitive pour une prise en main immédiate par nos administrateurs ».

Agentforce est le framework qui fournit la prévisibilité dont votre entreprise a besoin pour dépasser les simples FAQ et accéder à des tâches à forte valeur ajoutée. Le raisonnement hybride et Agentforce Script combinent contrôle et créativité. Le contexte intelligent fournit aux agents les bonnes données au bon moment. Studio Agentforce offre un espace de travail unifié pour gérer l'ensemble du système.

Data 360 propose un certain nombre de fonctionnalités qui rendent Agentforce extensible. Voici un aperçu de ces composants :

Examinons Agentforce Script de plus près, le modèle qui structure le raisonnement d'un agent.

Agentforce Script est notre langage de script Agentforce qui sert de base textuelle pour la création et la gouvernance des agents. Il fonctionne comme un langage unifié qui exprime l'ensemble du comportement d'un agent. Ce fichier unique regroupe la configuration, la logique métier, les actions et les instructions de raisonnement. Au lieu de traiter le langage naturel et le code comme des éléments distincts, les spécialistes utilisent ce modèle pour gérer l'ensemble de l'architecture des agents en un seul endroit.

Dans les actions agentiques qui utilisent uniquement l'IA générative , les utilisateurs s'appuient sur de longues répliques en langage naturel, ce qui peut conduire à des résultats de tâches incohérents et imprévisibles. Agentforce Script change la donne. Le raisonnement hybride avec script combine le langage naturel avec des instructions déterministes basées sur des règles.

Les dirigeants obtiennent des résultats immédiats avec ce niveau de contrôle. Scott Van Dusen, associé et directeur des opérations chez Equitable Trust, note que Agentforce Script est incroyablement puissant. Il trouve la capacité à manipuler les flux et les actions nettement plus robuste que les approches basées uniquement sur des LLM. « J'ai bien plus de facilité à le contrôler », explique Scott Van Dusen.

Grant Roberson, administrateur Agentforce chez Datasite, déclare que Script est « largement supérieur » aux agents fondés sur le prompt engineering.

« Avant, je multipliais les paragraphes d'instructions répétitives pour essayer de forcer le comportement », avoue Grant Roberson. « Avec Script, il est facile de supprimer ce bruit et de le remplacer par une logique conditionnelle qui vous permet de faire confiance à vos agents pour qu'ils fassent exactement ce que vous voulez. »

Script vous permet de passer de la création de répliques à l'orchestration évolutive. Dans la mesure où il utilise un format textuel structuré, votre équipe peut mettre à jour, réviser et régir le comportement des agents, comme le code traditionnel.

Agentforce Script organise les capacités des agents grâce à une syntaxe déclarative. Il traite les instructions, les actions et les sous-agents comme des composants modulaires. Cette structure fournit au moteur de raisonnement une cartographie claire des ressources tout en définissant des limites pour maintenir l'agent dans son champ d'application. Ces scripts déplacent les workflows du raisonnement probabiliste vers des résultats garantis en réduisant les appels LLM et en prévenant les erreurs logiques.

Architecture et modularité

Vous trouverez ci-dessous une liste des meilleures pratiques structurelles organisées par principes de conception modulaire, pour vous aider à créer un agent maintenable et prévisible.

• Créez de petits scripts distincts pour des tâches spécifiques telles que les vérifications d'identité. Cela facilite la maintenance du système, car vous pouvez mettre à jour un seul script lorsque les politiques commerciales changent sans affecter d'autres parties de l'agent. Vous pouvez également appliquer ces scripts courants à plusieurs sous-agents pour garantir une expérience cohérente.
• Organisez les actions dans le script en fonction de l'intention spécifique qu'elles servent. Donnez des noms aux sous-agents et aux actions qui décrivent clairement leur fonction, car le moteur de raisonnement utilise ces noms pour sélectionner le meilleur parcours.
• Adoptez une approche déterministe en sandwich où le code gère le début et la fin de chaque interaction. Utilisez la voix naturelle de l'IA pour la partie intermédiaire afin de fournir un contrôle total sur la saisie et la résolution des conversations.

Gestion des données et du contexte

Vous trouverez ci-dessous une liste de techniques de gestion des données organisées par traitement des sessions, pour vous aider à réduire la latence et à améliorer la personnalisation.

• Définissez les entrées de données requises au début d'un bloc de script afin que l'agent recueille le contexte avant de tenter d'agir. Vous devez récupérer toutes les données nécessaires avant que l'agent ne commence sa tâche principale afin d'augmenter la vitesse. Chaque appel LLM ajoute du temps à l'interaction. L'utilisation de règles spécifiques pour recueillir des informations en amont permet d'éviter des appels supplémentaires.
• Stockez des informations telles que le nom ou le statut d'un utilisateur dans des variables de session pour gérer les données pendant un chat. Ces variables vous permettent de transmettre des informations entre les sous-agents, ce qui empêche l'agent de répéter des questions. Cela garantit également que l'agent dispose des données dont il a besoin pour utiliser des actions sans intervention supplémentaire de l'utilisateur.
• Insérez des variables directement dans les instructions en tant que champs de fusion. Cela permet à l'agent de fournir des réponses personnalisées et de suivre une logique spécifique basée sur les données de l'utilisateur.

Normes de logique et de conformité

Vous trouverez ci-dessous une liste de normes de configuration organisées par logique d'exécution, pour vous aider à maintenir une conformité et une fiabilité strictes.

• Utilisez les instructions pour influencer le style de conversation tandis que le script gère la logique métier réelle. Cette séparation permet au LLM de gérer le langage tandis que le script gère les vérifications de données ou les séquences obligatoires. Cette approche déterministe élimine les conjectures souvent rencontrées dans les répliques en langage naturel.
• Appliquez une logique « if-then » pour guider un agent sur des parcours précis. Par exemple, vous pouvez programmer l'agent pour qu'il vérifie le statut de fidélité d'un client avant de lui offrir une remise.
• Définissez des critères de sortie explicites pour définir exactement quand un sous-agent doit renvoyer la conversation à l'agent principal ou fermer la session. Des limites claires garantissent que l'agent fonctionne à un niveau d'efficacité optimal.

Mise en œuvre stratégique

Vous trouverez ci-dessous une liste de directives de mise en œuvre organisées par sélection d'outils pour vous aider à choisir le parcours d'automatisation adapté à votre cas d'usage.

• Évitez de concevoir des agents qui agissent comme des chatbots simples et linéaires. Si un processus est statique et ne change jamais, utilisez un flux standard dans Flow Builder au lieu d'un agent IA. Utilisez Agentforce Script pour gérer les entrées humaines parfois désorganisées ou imprévisibles.
• Trouvez des solutions d'agents prédéfinies et des scripts réutilisables sur AgentExchange pour gagner du temps de développement. Cette place de marché comprend des actions IA prêtes à l'emploi et des intégrations tierces pour vous aider à automatiser rapidement les tâches courantes de l'entreprise. Lisez cet e-book pour en savoir plus sur les avantages d'AgentExchange.

Avant de continuer, il est important de noter que les agents ne sont pas le seul outil d'IA générative disponible sur Agentforce 360 Platform. Les modèles de réplique offrent un autre outil puissant pour créer des applications qui utilisent l'IA générative. Les modèles de réplique, intégrés dans Prompt Builder, vous permettent de définir un ensemble d'instructions structurées et réutilisables qui guident un modèle d'IA générative pour produire des sorties spécifiques. Ils peuvent référencer les données Salesforce par le biais de champs prédéfinis, de graphiques de données et de la génération augmentée de récupération ( RAG) de données contextuelles. Les modèles de réplique sont également hautement sécurisés : toutes les répliques sont acheminées via la couche de confiance de Salesforce, ce qui permet de respecter les autorisations, de masquer les données sensibles et de signaler les sorties toxiques.

Les modèles de réplique sont des interactions à un tour avec l'IA et conviennent parfaitement aux tâches ponctuelles qui ne nécessitent pas de mémoire ou de raisonnement en plusieurs étapes. Par exemple, un modèle de réplique est idéal lorsque vous devez reformuler une phrase ou résumer une requête, car il n'est pas nécessaire d'avoir un contexte continu. Lors de la conception de solutions avec des modèles de réplique, il est important de se rappeler qu'ils sont sans état (ils ne conservent pas de mémoire entre les tours) et qu'ils ne prennent pas de décisions ou n'entreprennent pas d'actions. Les modèles de réplique génèrent une réponse basée sur l'entrée et la logique que vous fournissez au moment de la conception.

Les modèles de réplique peuvent être utilisés seuls dans une solution d'IA intégrée , mais vous pouvez également ajouter un modèle de réplique à un agent via des actions de l'agent. L'utilisation d'un modèle de réplique seul est idéale lorsque :

• Le contexte commercial est bien compris et stable
• Le résultat souhaité suit un format prévisible, bien que la réponse elle-même ne soit pas déterministe.
• Il n'est pas nécessaire d'évaluer différentes voies ou de prendre des mesures autonomes.
• Ni le contexte permanent, ni l'état, ne sont nécessaires
• Un raisonnement en plusieurs étapes n'est pas nécessaire

Cas d'usage des modèles de réplique :

• Générer un résumé d'enregistrement structuré (par exemple, résumer des notes de cas)
• Créer des notes de réunion structurées
• Générer des modèles de réponses par e-mail
• Proposer les meilleures étapes à suivre
• Identifier une analyse des sentiments d'une requête

Gardez à l'esprit que si les modèles de réplique peuvent remplir dynamiquement des données et générer des réponses basées sur les entrées dynamiques qui sont rendues au moment de l'exécution, ils ne peuvent pas raisonner à partir d'options ou prendre des mesures.

Les agents sont des systèmes logiciels qui décident de manière autonome ce qu'il faut faire, dans quel ordre et comment le faire, en fonction de l'évolution du contexte. Les agents vont au-delà d'une simple réplique car ils peuvent planifier, raisonner, appeler des actions externes (comme des appels API ou des consultations de bases de données) et réagir en fonction des résultats. Ils peuvent choisir des voies ou des réponses différentes en fonction de ce qu'ils apprennent en cours de processus. Les agents sont les meilleurs quand :

• L'environnement ou le contexte peut changer de façon dynamique
• Plusieurs décisions ou branches sont possibles sur la base des données
• L'IA doit remplacer le jugement humain ou l'aider à faire un choix ou à prendre des mesures

Cas d'usage d'agents IA :

• Triage et acheminement des cas d'assistance entrants
• Résolution des problèmes de réservation en vérifiant les systèmes et les politiques externes
• Gérer des flux de travail en plusieurs étapes avec des boucles de rétroaction
• Rédaction d'un e-mail de réponse à une requête en fonction des détails du problème du client, avec des solutions possibles et des articles de connaissance pertinents provenant de votre site Web destiné aux clients
• Programmation d'un rendez-vous en fonction de la disponibilité du représentant de service et des préférences du client
• Détection d'événements (problèmes de mise à jour logicielle, par exemple) et lancement proactif de tâches de dépannage ou déclenchement d'une action pour invoquer un appel API afin de tenter de résoudre le problème à distance

Savoir comment le moteur de raisonnement fonctionne en coulisses est essentiel à la réussite de la mise en œuvre des agents. Au début des agents IA, nous, les spécialistes, parlions beaucoup de l'ingénierie en répliques : l'art de « pousser » un LLM à se comporter d'une certaine manière. Nous sommes maintenant passés à l'ingénierie contextuelle.

L'ingénierie contextuelle est une pratique plus globale, qui va bien au-delà de la simple rédaction d'une bonne réplique. Avec le raisonnement hybride Agentforce, vous concevez un système qui équilibre le raisonnement LLM autonome avec une logique basée sur des règles pour un contrôle déterministe.

L'ingénierie contextuelle est le successeur de l'ingénierie en répliques . Il s'agit de concevoir un système de sous-agents, d'instructions, de règles et d'actions afin de fournir à un agent les informations exactes et les limites dont il a besoin pour réussir, plutôt que d'essayer de formuler les mots parfaits pour amener un LLM à produire précisément les bonnes réponses.

Les trois leviers de l'ingénierie contextuelle

Les spécialistes utilisent Agentforce Script comme langage unifié pour exprimer des sous-agents, des instructions, des actions et des règles dans un seul langage et fichier.

1. Sous-agents. Ils définissent les agents spécialisés et leur expertise.
2. Instructions. Elles fournissent des conseils sur le flux de conversation, le ton et l'intention.
3. Actions et règles. Elles exécutent des actions et appliquent une logique métier obligatoire.

Examinons de plus près les sous-agents, les instructions et les actions, trois éléments importants de métadonnées que vous définissez chaque fois que vous créez un agent avec Agentforce.

Les sous-agents sont à la base des capacités de votre agent. Ils définissent ce qu'il peut faire et les types de demandes des clients qu'il peut traiter. Considérez-les comme des services spécialisés dotés d'une expertise spécifique, d'actions menant à l'action et d'instructions. Lorsqu'un client envoie un message, votre agent détermine d'abord quel « service » (sous-agent) doit traiter la demande, puis utilise les directives et les outils personnalisés de ce sous-agent pour aider le client.

Les instructions sont les directives qui déterminent la manière dont les conversations sont traitées dans le cadre d'un sous-agent, en guidant le choix des actions, en définissant des modèles de conversation et en fournissant un contexte commercial. Des sous-agents clairs et distincts évitent les chevauchements et permettent au moteur de raisonnement de classer correctement les demandes des clients. Les instructions doivent être claires, spécifiques et exploitables pour guider efficacement l'agent.

Votre agent utilise des actions pour obtenir des informations ou effectuer des tâches. Lors de la définition des actions, il est essentiel de comprendre comment le moteur de raisonnement les traite. Le moteur examine les actions disponibles en fonction de leurs noms, de leurs descriptions et de leurs entrées, ainsi que des instructions du sous-agent et du contexte de la conversation. Agentforce est livré avec un certain nombre d'actions d'agent standard, et vous pouvez créer des actions d'agent personnalisées pour étendre davantage votre mise en œuvre. Vérifiez toujours si une action standard peut être utilisée avant de créer une action personnalisée. Concevez des actions en vue de leur réutilisation, car elles peuvent être utilisées par plusieurs sous-agents. Vous trouverez ci-dessous une liste des actions personnalisées de l'agent disponibles et des cas où vous devez les utiliser :

Le moteur de raisonnement utilise des sous-agents, des instructions, des actions et des règles pour accomplir les tâches. Comme Agentforce Script constitue la définition complète de l'agent, il élimine l'effet d'opacité du routage probabiliste. En bref, le moteur de raisonnement va :

• Classer le sous-agent : le moteur fait correspondre un message client au sous-agent le plus approprié en fonction de son nom et de sa description.
• Exécuter la logique scriptée : le moteur exécute les instructions scriptées et les règles dictées par le script. Cela se produit avant que le système n'évalue les instructions non déterministes.
• Appliquer les actions : si une tâche nécessite des données externes ou une mise à jour, le moteur exécute les actions nécessaires et collecte les résultats.
• Vérifier la contextualisation : avant d'envoyer une réponse finale, le moteur s'assure que la réponse est basée sur des informations précises provenant d'actions ou d'instructions, et suit les directives fournies dans le script et les instructions.

Voici une description étape par étape de ce qui se passe dans le moteur de raisonnement lorsqu'un agent est invoqué.

Pour en savoir plus, consultez le Guide Agentforce pour parvenir à un comportement fiable des agents : un framework pour 6 niveaux de déterminisme

Les spécialistes doivent comprendre la distinction entre le filtrage et les instructions pour créer des agents précis. Les filtres contrôlent ce que le LLM voit et ce qu'il peut faire à chaque tour d'une conversation, et ils fonctionnent à plusieurs niveaux. Les filtres peuvent être appliqués aux sous-agents, aux actions et aux extracteurs, ce qui permet aux spécialistes de contrôler précisément quels sous-agents sont disponibles, ce que ces sous-agents peuvent faire et quel contenu le modèle récupère à chaque étape.

Imaginez l'assistant virtuel d'une banque. Lorsqu'un client demande des informations sur son prêt hypothécaire, un sous-agent dédié au prêt immobilier entre en jeu. Son filtre garantit que le LLM ne voit que les documents hypothécaires, pas les données des cartes de crédit ou les enregistrements d'investissement. Toutefois, dans cette même conversation, l'action qui extrait le taux actuel du client applique un filtre plus précis, restreint au compte du client. Le client obtient une réponse précise, et les données non pertinentes n'entrent jamais en ligne de compte.

Les filtres peuvent être définis comme statiques (préconfigurés lors de la configuration) ou dynamiques (transmis à l'exécution à partir du contexte de conversation ou des entrées de prompts). Avec les pré-filtres améliorés d'extraction, les spécialistes peuvent désormais appliquer jusqu'à 10 filtres dynamiques par extracteur, les combiner avec la logique AND/OR et utiliser des opérateurs LIKE pour une correspondance avancée. Cela réduit le bruit de récupération et maintient la fenêtre de contexte centrée sur le contenu le plus pertinent. Dans les workflows de développement logiciel, par exemple, les spécialistes peuvent appliquer des filtres contextuels spécifiques à une action pour donner à un agent la flexibilité nécessaire pour interpréter les prompts utilisateur tout en respectant strictement l'état actuel de la base de code.

Agentforce Script fournit le plus haut niveau de contrôle déterministe en encodant des séquences et des règles spécifiques que l'agent doit suivre. Cette approche évite la boucle infernale de prompts (prompt doom loop), où les instructions deviennent trop longues ou confuses pour que le LLM puisse les suivre avec précision.

Bien que les filtres et Agentforce Script fournissent un contrôle au niveau du système, les spécialistes doivent également fournir un moyen de vérifier l'exactitude. Les citations donnent aux utilisateurs un audit clair pour chaque réponse, en reliant le contexte interne utilisé par l'agent à la réponse qu'il a présentée.

Le moteur de raisonnement orchestre ces quatre composants pour résoudre les demandes avec un mélange de flexibilité et de contrôle. Prenons l'exemple d'un client : « J'ai commandé un pull-over rouge hier, mais je dois modifier l'adresse de livraison. »

1. Classification des sous-agents. Le moteur analyse le message du client et effectue une classification des sous-agents. Il fait correspondre la demande au sous-agent « Modifier la commande », car le nom et la description correspondent à la tâche.
2. Assemblage contextuel. Le moteur effectue un assemblage contextuel pour créer la mémoire de l'agent. Il regroupe les instructions, le script et les actions disponibles du sous-agent.
3. Exécution d'Agentforce Script. Le moteur exécute Agentforce Script pour réaliser une logique métier déterministe. Le script vérifie le statut de la commande du pull-over rouge. Si la commande reste dans l'entrepôt, le script permet à l'agent de procéder à la modification.
4. Raisonnement basé sur des instructions. Les instructions guident l'agent tout au long de la conversation. Elles définissent le ton et guident l'agent à demander au client la nouvelle adresse de livraison.
5. Application de l'action. L'agent sélectionne et exécute l'action « Mettre à jour l'expédition de la commande ». Il transmet l'ID de la commande et la nouvelle adresse au système pour terminer la mise à jour.
6. Réponse contextualisée. L'agent remet une confirmation finale au client. Il effectue une vérification de la contextualisation et inclut une citation pour vérifier la source de l'information.

La réussite de l'ingénierie contextuelle nécessite l'intégration fluide des sous-agents, des instructions, du script et des actions. Ces quatre éléments travaillent de concert pour garantir que l'agent reste dans un cadre de pertinence et de précision optimales. Les sous-agents définissent une expertise spécialisée. Les instructions fournissent des conseils et un ton conversationnels. Agentforce Script ajoute une couche de contrôle déterministe pour appliquer les règles métier. Les actions permettent à l'agent d'exécuter des actions et d'accéder aux données en temps réel. Cette stratégie combinée garantit que votre agent reste à la fois utile et hautement fiable.

La réussite de l'ingénierie contextuelle nécessite de savoir où placer votre logique.

• Utilisez les actions et Agentforce Script pour le contrôle. Déplacez les règles métier critiques et les workflows en plusieurs étapes vers Agentforce Script ou des actions. Cela comprend des calculs complexes et un séquencement obligatoire.
• Utilisez les instructions pour le comportement. Guidez le flux de conversation et définissez le ton de la réponse à l'aide d'instructions.

Meilleures pratiques pour rédiger des instructions efficaces

• Définissez vos termes. Ne partez pas du principe que l'agent sait ce que signifient les termes du secteur d'activité. Par exemple, définissez la différence entre les « codes promotionnels » pour les remises et les « codes d'enregistrement » pour les garanties.
• Soyez précis sur les séquences. Si les étapes doivent se dérouler dans un certain ordre, indiquez-le clairement dans un bloc d'instructions.
• Utilisez une terminologie cohérente. Désignez les actions par leur nom exact et utilisez les mêmes termes dans toutes les instructions.
• Utilisez les formulations absolues avec discernement. Des mots tels que « toujours » et « jamais » ont un impact significatif sur la manière dont votre agent interagit.
• Fournissez des critères de décision. Aidez votre agent à choisir entre des options similaires. Par exemple, demandez à l'agent d'utiliser l'action Réinitialiser l'e-mail si l'utilisateur dispose d'un accès à la messagerie, mais d'utiliser l'action Question de sécurité s'il n'y a pas accès.

C'est une question que nos clients nous posent souvent. La réponse courte est oui. Data 360 fait partie intégrante de Agentforce, car l'architecture de Data 360 est utilisée pour certaines fonctions de Agentforce, comme l'analyse des agents et le Digital Wallet. L'infrastructure Data 360 permet également l'indexation et la recherche de données non structurées, ainsi que l'enregistrement du retour d'information et les audits. Data 360 peut aussi fournir une extensibilité supplémentaire. Les clients Agentforce peuvent également choisir d'activer des fonctionnalités telles que Utilisez votre propre lac de données (BYOL) et Utilisez votre propre modèle de langage de grande taille (BYO-LLM) pour utiliser des données et des modèles construits sur des plateformes extérieures à Salesforce avec des agents construits sur Agentforce.

De l'accès aux données provenant d'autres lacs de données en passant par la fédération de données, à l'utilisation de l'infrastructure hyperscale pour les données à l'échelle du pétaoctet, l'utilisation de l'architecture de Data 360 avec Agentforce garantit que les clients bénéficient aujourd'hui de meilleurs résultats en matière d'IA. Cette architecture puissante garantit également la viabilité à long terme pour une adoption réussie des agents, quelle que soit la taille ou la complexité des jeux de données sous-jacents qui alimentent ces agents.

Vous souhaitez savoir quelles fonctionnalités Agentforce sont optimisées par Data 360 ? Le tableau suivant détaille les fonctionnalités Agentforce fournies par défaut par Data 360, ainsi que les fonctionnalités facultatives que les clients peuvent activer pour étendre leur mise en œuvre.

Nous avons abordé les éléments clés qui permettent à Agentforce de fonctionner, notamment le moteur de raisonnement et la manière d'utiliser le script, les sous-agents, les instructions et les actions. Il est essentiel de comprendre ces éléments pour utiliser efficacement Agentforce. Utilisez ce guide pour améliorer les résultats lors de la mise en œuvre d'Agentforce. Consultez les ressources fournies pour en savoir plus.

Trouvez des blogs, des guides, des vidéos de démonstration et d'autres ressources sur Agentblazer.com et Agentforce.com

• Guides longs :
  • Guide Agentforce pour parvenir à un comportement fiable des agents : un framework pour 6 niveaux de déterminisme
  • Guide de gestion d'une entreprise agentique
  • Agentforce et génération augmentée de récupération (RAG) : de meilleures pratiques pour de meilleurs agents
  • Guide Agentforce de l'ingénierie contextuelle
    
    
• Pour les DSI :
  • Guide pratique des agents IA fiables qui fonctionnent
  • L'avantage invisible : 8 principes clés de conception de l'entreprise agentique qui ont été testés et validés par des DSI reconnus.

• Blog : Le doomprompting ne vous permettra pas d'obtenir des agents IA prévisibles, mais un nouveau langage de script peut le faire
• Blog des développeurs : Contrôlez l'accès des agents et la prise de décision à l'aide de variables et de filtres
  
  
• Trailhead : Planification d'agents : description du travail de l'agent
  
  
• Aide et documentation :
  • Instructions d'action
  • Instructions des sous-agents
  • Agents de dépannage