La Guida Agentforce all'ingegneria del contesto

_{Questa guida è compatibile con l'ultima versione di Agentforce Builder disponibile tramite il programma di avvio app . Se gestisci gli agenti tramite le impostazioni, consulta la Guida alle versioni precedenti .}

Gli agenti AI stanno rivoluzionando le organizzazioni aumentando l'efficienza, riducendo le attività manuali e creando un ambiente di lavoro più sofisticato e adattivo.

Questa guida illustra gli elementi fondamentali di Agentforce, la Salesforce Platform per la creazione di agenti AI. I professionisti ricorrono all'ingegneria del contesto per fornire agli agenti Agentforce le informazioni, le azioni e le istruzioni specifiche necessarie per raggiungere gli obiettivi. Vedremo in che modo Agentforce Script utilizza il ragionamento ibrido per combinare l'AI generativa con il controllo deterministico.

Sappiamo che gli sviluppatori realizzano agenti in molti ambienti diversi. Sosteniamo questa flessibilità che consente di scegliere il modello e l'ambiente più adatti al lavoro da svolgere.

Che tu sviluppi in Claude Code, Labs, AgentforceStudio o altrove, è utile capire come Agentforce gestisce la logica e le connessioni dietro le quinte.

Di cosa parleremo:

• II. Punti salienti
• III. Nozioni di base di Agentforce
• IV. Agentforce Script
• V. Prompt e agenti
• VI. Ingegneria del contesto
• VII. In che modo ragiona Agentforce
• VIII. Contesto affidabile
• IX. Best practice
• X. Agentforce necessita di Data 360?
• XI. Conclusione
• XII. Scopri di più

• Il ragionamento ibrido è alla base del motore di ragionamento di Agentforce. Questo approccio combina la flessibilità dell'LLM con l'affidabilità deterministica di Agentforce Script.
• Agentforce Script ti offre un controllo deterministico completo sul comportamento degli agenti, sostituendo i prompt di sistema generici con una logica aziendale strutturata.
• Data 360 è parte integrante di Agentforce. Alimenta l'indicizzazione e la suddivisione in blocchi per la generazione aumentata dal recupero (RAG), gli analytics per gli agenti e il Digital Wallet.

Gli agenti sono un tipo di software che utilizza l'AI generativa per decidere quale azione intraprendere e come eseguirla. Gli agenti sono in grado di comprendere una domanda (spesso chiamata espressione), ragionare autonomamente per determinare quali azioni intraprendere per raggiungere il proprio obiettivo, identificare quali dati sono necessari e quindi agire, con o senza l'intervento umano.

Funzionalità chiave degli agenti AI

• Gli agenti sono dinamici e sanno adattarsi a situazioni, ambienti e informazioni differenti.
• Gli agenti possono essere autonomi (ossia agire senza l'intervento umano) o possono essere guidati, affinché coinvolgano un essere umano nell'azione.
• Gli agenti sono diversi dagli altri strumenti di intelligenza artificiale generativa perché sono in grado di pianificare, ragionare e agire.

Mentre gli agenti utilizzano Large Language Model (LLM) per gestire il linguaggio naturale e l'intento, Agentforce impiega anche Agentforce Script per seguire una logica aziendale specifica. Questo modello di ragionamento ibrido rende gli agenti più dinamici rispetto all'automazione tradizionale, pur mantenendo la stessa affidabilità del software con codice fisso.

Agentforce Studio

Agentforce Studio è il nostro spazio di lavoro unificato per l'intero ciclo di vita degli agenti.

Agentforce Studio riunisce tutte le azioni necessarie per creare, testare e gestire il comportamento degli agenti. Tre componenti chiave di Agentforce Studio ti aiutano a gestire il ciclo di vita dello sviluppo degli agenti:

• Agentforce Builder: utilizza il generatore basato sull'AI per redigere le regole in un linguaggio semplice. Utilizza Agentforce Script, un linguaggio che descrive il comportamento affidabile degli agenti unificando configurazione, logica di business e istruzioni.
• Centro test: convalida i comportamenti degli agenti prima di implementarli
• Agentforce Osservabilità: monitora e analizza le prestazioni degli agenti per individuare gli aspetti da perfezionare.

Agentforce Studio colma il divario tra utenti esperti e non esperti. Katherine Mains di Conagra Brands descrive questa situazione come "ideale per la progettazione: abbastanza avanzata per i nostri architetti, ma anche abbastanza intuitiva da consentire ai nostri amministratori di metterci subito all'opera".

Agentforce è il framework che offre la prevedibilità di cui la tua azienda ha bisogno per andare oltre le semplici FAQ e dedicarsi ad attività di alto valore. Il ragionamento ibrido e Agentforce Script uniscono controllo e creatività. Il contesto intelligente fornisce agli agenti i dati giusti al momento giusto. Agentforce Studio offre uno spazio di lavoro unificato per la gestione dell'intero sistema.

Data 360 offre una serie di funzionalità che rendono Agentforce estensibile. Ecco una rapida panoramica di tali componenti:

Diamo un'occhiata più da vicino a Agentforce Script, il modello del processo di ragionamento di un agente.

Agentforce Script è il nostro linguaggio di scripting specifico per Agentforce che funge da base testuale per la creazione e la gestione degli agenti. Funge da linguaggio unificato che descrive l'intero comportamento di un agente. Questo unico file riunisce configurazione, logica di business, azioni e istruzioni di ragionamento. Anziché considerare il linguaggio naturale e il codice come elementi distinti, i professionisti utilizzano questo modello per gestire l'intera architettura agentica da un'unica piattaforma.

Nelle azioni agentiche che utilizzano esclusivamente l'AI generativa , gli utenti si affidano a lunghi prompt in linguaggio naturale, il che può portare a risultati incoerenti e imprevedibili. Agentforce Script rivoluziona questo approccio. Il ragionamento ibrido con Script combina il linguaggio naturale con istruzioni deterministiche basate su regole.

Con questo livello di controllo, i dirigenti ottengono risultati immediati. Scott Van Dusen, socio e COO di Equitable Trust, sottolinea che Agentforce Script è incredibilmente potente. Ritiene che la capacità di manipolare flussi e azioni sia molto più efficace rispetto ai metodi basati esclusivamente su LLM. "Ho un controllo molto più efficace", afferma Van Dusen.

Grant Roberson, amministratore di Agentforce presso Datasite, ha affermato che Script è "di gran lunga migliore" degli agenti basati sull'ingegneria dei prompt.

"Un tempo inserivo ovunque interi paragrafi di istruzioni ripetitive per cercare di imporre un certo comportamento", ha detto Roberson. "Con Script è facile eliminare questo fastidio e utilizzare una logica condizionale che permette di affidarsi agli agenti, con la certezza che faranno esattamente quanto previsto".

Script permette di passare dalla creazione manuale dei prompt a un'orchestrazione scalabile. Poiché utilizza un formato strutturato basato su testo, il team può gestire le versioni, revisionare e controllare il comportamento degli agenti proprio come si farebbe con il codice tradizionale.

Agentforce Script organizza le funzionalità degli agenti tramite una sintassi dichiarativa. Considera le istruzioni, le azioni e gli agenti secondari come componenti modulari. Questa struttura fornisce al motore di ragionamento una chiara mappa delle risorse, definendo al contempo dei limiti per mantenere l'agente entro l'ambito previsto. Questi script trasformano i workflow, passando da un ragionamento probabilistico a risultati garantiti, riducendo le chiamate agli LLM e prevenendo gli errori logici.

Architettura e modularità

Di seguito è riportato un elenco di best practice strutturali, organizzate in base ai principi della progettazione modulare, per aiutarti a creare un agente facile da gestire e prevedibile.

• Crea piccoli script separati per attività specifiche, come i controlli di identità. Questo semplifica la manutenzione del sistema, poiché è possibile aggiornare un unico script quando cambiano le politiche aziendali senza influire sulle altre parti dell'agente. Questi script standard possono essere applicati anche a più agenti secondari per garantire un'esperienza coerente.
• Organizza le azioni all'interno dello script in base all'intento specifico a cui sono destinate. Assegna agli agenti secondari e alle azioni nomi che descrivano chiaramente la loro funzione, poiché il motore di ragionamento utilizza questi nomi per selezionare il percorso ottimale.
• Adotta un approccio "a sandwich" deterministico in cui il codice gestisce l'inizio e la fine di ogni interazione. Utilizza la voce naturale dell'AI nella parte centrale per avere il pieno controllo sull'avvio e la risoluzione della conversazione.

Gestione dei dati e del contesto

Di seguito è riportato un elenco di tecniche di gestione dei dati, suddivise in base alla gestione delle sessioni, volte ad aiutarti a ridurre la latenza e a migliorare la personalizzazione.

• Definisci i dati di input richiesti all'inizio di un blocco di script, in modo che l'agente raccolga informazioni sul contesto prima di tentare di eseguire un'azione. Per aumentare la velocità, è consigliabile recuperare tutti i dati necessari prima che l'agente inizi la sua attività principale. Ogni chiamata LLM aggiunge tempo all'interazione, quindi l'utilizzo di regole specifiche per raccogliere i dati in anticipo evita chiamate aggiuntive.
• Salva informazioni quali il nome o lo stato di un utente nelle variabili di sessione per gestire i dati durante una chat. Queste variabili consentono di trasmettere informazioni tra gli agenti secondari, evitando così che l'agente ripeta le domande. Inoltre, garantiscono che l'agente disponga dei dati necessari per eseguire le azioni senza ulteriori input da parte dell'utente.
• Inserisci le variabili direttamente nelle istruzioni come campi di unione. Questo aiuta l'operatore a fornire risposte personalizzate e a seguire una logica specifica basata sui dati dell'utente.

Logica e standard di conformità

Di seguito è riportato un elenco di standard di configurazione organizzati in base alla logica di esecuzione, pensato per aiutarti a garantire piena conformità e affidabilità.

• Utilizza le istruzioni per influenzare lo stile della conversazione, mentre il copione gestisce la logica di business vera e propria. Questa separazione consente all'LLM di gestire il linguaggio, mentre lo script si occupa dei controlli sui dati o delle sequenze obbligatorie. Questo approccio deterministico elimina le incertezze che spesso caratterizzano i prompt in linguaggio naturale.
• Applica la logica "se-allora" per guidare un agente lungo percorsi specifici. Ad esempio, puoi programmare l'agente in modo che verifichi lo stato di fedeltà di un cliente prima di offrirgli uno sconto.
• Imposta criteri di uscita espliciti per definire con precisione quando un agente secondario deve reindirizzare la conversazione all'agente principale o chiudere la sessione. Confini chiari garantiscono che l'agente operi al massimo dell'efficienza.

Implementazione strategica

Di seguito è riportato un elenco di linee guida per l'implementazione, suddivise in base alla scelta dello strumento, per aiutarti a scegliere il percorso di automazione più adatto al tuo caso d'uso.

• Evita di progettare agenti che si comportino come semplici chatbot lineari. Se un processo è statico e non cambia mai, utilizza un flusso standard in Flow Builder anziché un agente AI. Riserva Agentforce Script per gestire input umani disordinati o imprevedibili.
• Trova soluzioni predefinite per gli agenti e script riutilizzabili su AgentExchange per risparmiare tempo nello sviluppo. Questo marketplace offre azioni basate sull'AI pronte all'uso e integrazioni di terze parti per aiutarti ad automatizzare rapidamente le attività aziendali più comuni. Scopri di più sui vantaggi di AgentExchange in questo e-book.

Prima di continuare, è importante sottolineare che gli agenti non sono l'unico strumento di AI generativa disponibile in Agentforce 360 Platform. I modelli di prompt sono un ulteriore potente strumento per la creazione di applicazioni che utilizzano l'AI generativa. I modelli di prompt, integrati nel Prompt Builder, consentono di definire una serie di istruzioni strutturate e riutilizzabili che guidano un modello di AI generativa per generare output specifici. Possono fare riferimento ai dati Salesforce attraverso campi predefiniti, grafici dati e la generazione aumentata dal recupero ( RAG) dati contestuale. I modelli di prompt sono anche estremamente sicuri: tutti i prompt vengono instradati attraverso il trust layer di Salesforce, rispettando le autorizzazioni, mascherando i dati sensibili e segnalando gli output tossici.

I modelli di prompt sono interazioni a turno singolo con l'AI e sono ideali per attività una tantum che non richiedono memoria né ragionamento in più passaggi. Ad esempio, un modello di prompt è la soluzione ideale quando è necessario riformulare una frase o riassumere un caso, poiché non è necessario un contesto continuo. Quando si definiscono soluzioni con modelli di prompt, è importante ricordare che sono stateless (non conservano memoria tra i turni) e che non prendono decisioni né intraprendono azioni. I modelli di prompt generano una risposta in base all'input e alla logica forniti in fase di progettazione.

I modelli di prompt possono essere utilizzati singolarmente in una soluzione di AI incorporata oppure possono essere aggiunti agli agenti come azioni agente. Il primo modo di utilizzo è la soluzione ideale nei seguenti casi:

• Il contesto aziendale è ben compreso e stabile
• L'output desiderato segue un formato prevedibile, anche se la risposta in sé non è deterministica
• Non serve valutare percorsi differenti o intraprendere azioni autonome
• Non sono necessari un contesto o uno stato continui
• Non è richiesto un ragionamento a più passaggi

Casi d'uso dei modelli di prompt:

• Generazione di un riepilogo strutturato dei record, come il riassunto degli appunti di un caso
• Creazione di appunti delle riunioni strutturati
• Generazione di risposte via e-mail basate su modelli
• Suggerimento delle migliori azioni successive
• Identificazione dell'analisi del sentiment di un caso

Non dimenticare che, sebbene i modelli di prompt siano in grado di compilare dinamicamente i dati e generare risposte in base agli input dinamici che vengono visualizzati in fase di esecuzione, non sanno ragionare tra diverse opzioni né eseguire azioni.

Gli agenti sono sistemi software che decidono autonomamente cosa fare, in quale ordine e in che modo, in base all'evoluzione del contesto. Gli agenti vanno oltre un singolo prompt in quanto possono pianificare, ragionare, richiamare azioni esterne (come chiamate API o ricerche in database) e reagire in base ai risultati. Possono scegliere percorsi o risposte diversi a seconda di ciò che imparano nel corso del processo. Gli agenti sono la soluzione migliore quando:

• L'ambiente o il contesto possono cambiare dinamicamente
• Sono possibili più decisioni o ramificazioni in base ai dati
• L'AI deve sostituirsi o supportare la valutazione umana nel compiere una scelta o nell'agire

Casi d'uso degli agenti AI:

• Smistamento e instradamento dei casi di assistenza in entrata
• Risoluzione di problemi nelle prenotazioni tramite verifica di politiche e sistemi esterni
• Gestione di flussi di lavoro in più fasi con cicli di feedback
• Redazione dell'e-mail di risposta per un caso basata sui dettagli del problema del cliente con possibili soluzioni e articoli informativi pertinenti provenienti dal tuo sito web per i clienti
• Pianificazione di un appuntamento in base alla disponibilità dell'operatore dell'assistenza e alle preferenze del cliente
• Rilevamento di eventi, come problemi di aggiornamento del software, e generazione proattiva di attività di risoluzione o tentativo di risoluzione da remoto attivando un'azione per richiamare una chiamata API

Comprendere come funziona il motore di ragionamento dietro le quinte è fondamentale per implementare con successo un agente AI. Agli albori degli agenti AI, noi professionisti parlavamo molto di ingegneria dei prompt, l'arte di "convincere" un LLM a comportarsi come desiderato. Ora siamo passati all'ingegneria del contesto.

L'ingegneria del contesto è una pratica più olistica, che va ben oltre la semplice scrittura di un prompt efficace. Grazie al ragionamento ibrido di Agentforce, è possibile progettare un sistema che coniuga il ragionamento autonomo degli LLM con la logica basata su regole per un controllo deterministico.

L'ingegneria del contesto, che rappresenta l'evoluzione dell'ingegneria dei prompt , consiste nel progettare un sistema composto da agenti secondari, istruzioni, regole e azioni per fornire a un agente le informazioni e i limiti precisi di cui ha bisogno per operare con successo, anziché cercare di formulare la terminologia perfetta nel tentativo di indurre un LLM a fornire esattamente le risposte giuste.

Le tre leve dell'ingegneria del contesto

I professionisti utilizzano Agentforce Script come linguaggio unificato per esprimere agenti secondari, istruzioni, azioni e regole in un unico linguaggio e file.

1. Agenti secondari. Definiscono gli agenti specializzati e la loro competenza.
2. Istruzioni. Forniscono indicazioni per il flusso di conversazione, il tono e l'intento.
3. Azioni e regole. Eseguono azioni e applicano una logica aziendale obbligatoria.

Diamo un'occhiata più da vicino agli agenti secondari, alle istruzioni e alle azioni, tre importanti metadati che definisci ogni volta che crei un agente con Agentforce.

Gli agenti secondari costituiscono la base delle funzionalità del tuo agente, definendo ciò che è in grado di fare e i tipi di richieste dei clienti che può gestire. Considerali come reparti specializzati dotati di competenze specifiche, azioni che portano a un risultato concreto e istruzioni precise. Quando un cliente invia un messaggio, il tuo agente determina innanzitutto quale "reparto" (agente secondario) debba gestire la richiesta, quindi utilizza le linee guida e gli strumenti su misura di quell'agente secondario per aiutare il cliente.

Le istruzioni sono le linee guida che indirizzano il modo in cui le conversazioni vengono gestite entro un agente secondario, guidando la selezione delle azioni, impostando modelli di conversazione e fornendo il contesto aziendale. Agenti secondari chiari e distinti evitano sovrapposizioni e assicurano che il motore di ragionamento classifichi correttamente le richieste dei clienti. Le istruzioni devono essere chiare, specifiche e attuabili per guidare l'agente in modo efficace.

Il tuo agente utilizza le azioni per ottenere informazioni o svolgere attività. Nella definizione delle azioni, è fondamentale capire in che modo il motore di ragionamento le processa. Il motore valuta le azioni disponibili in base ai loro nomi, alle descrizioni e agli input, nonché alle istruzioni degli agenti secondari e al contesto della conversazione. Agentforce include una serie di azioni agente standard, ed è possibile creare azioni personalizzate per ampliare ulteriormente la propria implementazione. Prima di creare un'azione personalizzata, verifica sempre se sia possibile utilizzare un'azione standard. Progetta le azioni tenendo conto della loro riutilizzabilità, poiché possono essere impiegate in più agenti secondari. Di seguito è riportato un elenco di azioni agente personalizzate disponibili per gli agenti e di casi in cui è consigliabile utilizzarle.

Il motore di ragionamento utilizza agenti secondari, istruzioni, azioni e regole per svolgere il proprio lavoro. Poiché Agentforce Script costituisce la definizione completa dell'agente, elimina la "scatola nera" del routing probabilistico. In breve, il motore di ragionamento:

• Classifica gli agenti secondari: il motore abbina un messaggio del cliente all'agente secondario più appropriato in base al suo nome e alla sua descrizione.
• Esegue una logica basata su script: il motore esegue le istruzioni e le regole basate su script dettate dallo script. Ciò avviene prima che il sistema valuti istruzioni non deterministiche.
• Applica azioni: se un'attività richiede dati esterni o un aggiornamento, il motore esegue le azioni necessarie e raccoglie i risultati.
• Verifica il radicamento nel contesto: prima di inviare una risposta finale, il motore verifica che la risposta si basi su informazioni accurate provenienti da azioni o istruzioni e che segua le linee guida fornite nello script e nelle istruzioni.

Ecco un'analisi dettagliata di ciò che accade all'interno del motore di ragionamento ogni volta che viene invocato un agente.

Per un'analisi ancora più approfondita, consulta la Guida Agentforce per ottenere un comportamento affidabile degli agenti: un framework per 6 livelli di determinismo

Per creare agenti accurati, gli specialisti devono comprendere la differenza tra filtraggio e istruzioni. I filtri determinano ciò che l'LLM vede e ciò che può fare in ogni fase della conversazione, e operano su più livelli. È possibile applicare filtri ad agenti secondari, azioni e retriever, consentendo agli utenti di controllare in modo dettagliato quali agenti secondari sono disponibili e cosa possono fare, nonché quali contenuti il modello recupera in ogni passaggio.

Pensa all'assistente virtuale di una banca. Quando un cliente chiede informazioni sul proprio mutuo, entra in gioco un agente secondario specializzato in prestiti immobiliari. Il suo filtro garantisce che l'LLM veda solo i documenti relativi al mutuo e non i dati delle carte di credito o i registri degli investimenti. All'interno della stessa conversazione, tuttavia, l'operazione che recupera il tasso attuale del cliente utilizza un filtro più restrittivo, limitato all'account di quel cliente. Quest'ultimo riceve una risposta precisa e non vengono mai forniti dati irrilevanti.

I filtri possono essere impostati come statici (predeterminati durante la configurazione) o dinamici (impostati in fase di esecuzione in base al contesto della conversazione o agli input del prompt). Grazie ai prefiltri avanzati per i retriever, gli utenti possono ora applicare fino a 10 filtri dinamici per ogni retriever, combinarli con la logica AND/OR e utilizzare operatori LIKE per la corrispondenza dei pattern. Questo riduce le interferenze durante il recupero e mantiene la finestra di contesto concentrata sui contenuti più rilevanti. Nei workflow di sviluppo software, ad esempio, i professionisti possono applicare filtri contestuali specifici per ogni azione, in modo da garantire all'agente la flessibilità necessaria per interpretare i prompt dell'utente, pur mantenendo un approccio rigoroso riguardo allo stato attuale del codice.

Agentforce Script garantisce il massimo livello di controllo deterministico codificando sequenze e regole specifiche che l'agente deve seguire. Questo approccio evita il cosiddetto prompt doom loop, in cui le istruzioni diventano troppo lunghe o confuse perché l'LLM possa seguirle con precisione.

Sebbene i filtri e Agentforce Script garantiscano un controllo a livello di sistema, gli operatori devono anche prevedere un modo per verificarne l'accuratezza. I riferimenti forniscono agli utenti una chiara traccia di controllo per ogni risposta, collegando il contesto interno utilizzato dall'operatore alla risposta fornita.

Il motore di ragionamento coordina questi quattro componenti per elaborare le richieste con un mix di flessibilità e controllo. Immaginiamo un cliente che dica: "Ieri ho ordinato un maglione rosso, ma devo cambiare l'indirizzo di consegna".

1. Classificazione degli agenti secondari. Il motore analizza il messaggio del cliente ed esegue la classificazione degli agenti secondari. La richiesta viene associata all'agente secondario "Modifica ordine" poiché il nome e la descrizione corrispondono all'attività.
2. Assemblaggio del contesto. Il motore esegue l'assemblaggio del contesto per costruire la memoria dell'agente. Raccoglie le istruzioni dell'agente secondario, lo script e le azioni disponibili.
3. Esecuzione dello Agentforce Script. Il motore esegue lo Agentforce Script per attuare una logica di business deterministica. Lo script controlla lo stato dell'ordine del maglione rosso. Se l'ordine rimane in magazzino, lo script consente all'operatore di procedere con la modifica.
4. Ragionamento basato su istruzioni. Le istruzioni guidano l'agente durante la conversazione. Definiscono il tono e guidano l'operatore nel richiedere al cliente il nuovo indirizzo di spedizione.
5. Azione. L'agente seleziona ed esegue l'azione "Aggiorna spedizione ordine", quindi trasmette al sistema l'ID dell'ordine e il nuovo indirizzo per completare l'aggiornamento.
6. Risposta basata sul contesto. L'agente invia una conferma definitiva al cliente. Esegue un controllo del radicamento nel contesto e include un riferimento bibliografico per verificare la provenienza delle informazioni.

Un'ingegneria del contesto efficace richiede la perfetta integrazione di agenti secondari, istruzioni, script e azioni. Questi quattro elementi interagiscono tra loro per garantire che un agente rimanga entro i limiti di pertinenza e accuratezza ottimali. Gli agenti secondari sono sinonimo di competenza specialistica. Le istruzioni forniscono indicazioni e un tono colloquiale. Agentforce Script aggiunge un livello di controllo deterministico per garantire il rispetto delle regole aziendali. Le azioni consentono all'agente di eseguire operazioni e accedere a dati in tempo reale. Questa strategia combinata garantisce che il tuo agente sia sempre disponibile e altamente affidabile.

Per un'ingegneria del contesto efficace è necessario sapere dove collocare la logica.

• Utilizza azioni e Agentforce Script per il controllo. Trasferisci le regole aziendali fondamentali e i workflow in più passaggi in Agentforce Script o azioni. Ciò comporta calcoli complessi e una sequenza obbligatoria.
• Utilizza le istruzioni relative al comportamento. Guida lo svolgimento della conversazione e definisci il tono della risposta tramite istruzioni.

Best practice per scrivere istruzioni efficaci

• Definisci i tuoi termini. Non dare per scontato che l'agente conosca il significato dei termini del settore. Ad esempio, spiega la differenza tra i "codici promozionali" per gli sconti e i "codici di registrazione" per le garanzie.
• Sii preciso riguardo alle sequenze. Se i passaggi devono essere eseguiti in un ordine preciso, indicalo chiaramente in un unico blocco di istruzioni.
• Utilizza una terminologia coerente. Fai riferimento alle azioni utilizzando i loro nomi esatti e usa gli stessi termini in tutte le istruzioni.
• Sii cauto quando usi affermazioni categoriche. Parole come "sempre" e "mai" influenzano notevolmente lo stile di interazione del tuo agente.
• Specifica criteri decisionali. Aiuta il tuo agente a scegliere tra opzioni simili. Ad esempio, indica all'agente di utilizzare l'azione "Reimpostazione e-mail" se l'utente ha accesso alla propria casella di posta e-mail, ma di utilizzare l'azione "Domanda di sicurezza" in caso contrario.

Questa è una domanda che ci viene posta spesso dai nostri clienti. La risposta breve è sì. Data 360 è parte integrante di Agentforce: l'architettura di Data 360 viene infatti utilizzata per alcune funzionalità di Agentforce, come Analytics per gli agenti e Digital Wallet. L'infrastruttura di Data 360 supporta inoltre l'indicizzazione e la ricerca nei dati non strutturati, oltre a registri dei feedback e log di audit. Data 360è inoltre in grado di fornire un'ulteriore estensibilità. I clienti di Agentforce possono anche scegliere di abilitare funzionalità come Bring Your Own Lake (BYOL) e Bring Your Own Large Language Model (BYO-LLM) per utilizzare dati e modelli basati su piattaforme esterne a Salesforce con agenti sviluppati in Agentforce.

Dall'accesso ai dati provenienti da altri data lake tramite federazione dei dati, all'utilizzo dell'infrastruttura hyperscale per dati su scala petabyte, l'adozione dell'architettura di Data 360 in combinazione con Agentforce garantisce già oggi ai clienti risultati migliori nell'ambito dell'AI. Questa potente architettura garantisce inoltre la sostenibilità a lungo termine per un'adozione efficace degli agenti, indipendentemente dalle dimensioni o dalla complessità dei set di dati sottostanti che li alimentano.

Vorresti sapere quali funzionalità specifiche di Agentforce sono supportate da Data 360? La tabella seguente illustra in dettaglio le funzionalità Agentforce predefinite in Data 360, oltre alle funzioni opzionali che i clienti possono attivare per ampliare la propria implementazione.

Abbiamo illustrato gli elementi chiave che fanno funzionare Agentforce, tra cui il motore di ragionamento, e abbiamo visto come utilizzare script, agenti secondari, istruzioni e azioni. Comprendere questi componenti è fondamentale per utilizzare Agentforce in modo efficace. Utilizza questa guida per migliorare i risultati durante l'implementazione di Agentforce. Consulta le risorse fornite per saperne di più.

Blog, guide, video dimostrativi e altre risorse sono disponibili su Agentblazer.com e Agentforce.com

• Guide estese:
  • Guida Agentforce per ottenere un comportamento affidabile degli agenti: un framework per 6 livelli di determinismo
  • The Guide to Operating an Agentic Enterprise
  • Agentforce e generazione aumentata dal recupero (RAG): best practice per agenti più efficaci
  • Una guida Agentforce all'ingegneria del contesto
    
    
• Per i CIO:
  • A Practical Guide to Reliable AI Agents That Work
  • The Invisible Advantage - 8 key agentic enterprise design principles that have been tested and validated by named CIOs.

• Blog: Doomprompting Won't Get You Predictable AI Agents, But a New Scripting Language Can
• Blog per sviluppatori: Control Agent Access and Decision-Making with Variables and Filters
  
  
• Trailhead: Agent Planning: Outline the Agent's Work
  
  
• Guida e documentazione:
  • Istruzioni per le azioni
  • Istruzioni per gli agenti secondari
  • Risoluzione dei problemi relativi agli agenti