La guía de Agentforce sobre ingeniería de contexto

_{Esta guía es compatible con el Generador de Agentforce más reciente disponible a través del Iniciador de aplicación . Consulta la Guía de legado si mantienes agentes a través de la Configuración.}

Los agentes de IA están revolucionando las organizaciones al aumentar la eficiencia, reducir el esfuerzo manual y crear un lugar de trabajo más sofisticado y adaptable.

En esta guía, se exploran los elementos centrales de Agentforce, la plataforma de Salesforce para crear agentes de IA. Con la ingeniería de contexto, los profesionales facilitan a los agentes de Agentforce la información, las acciones y las instrucciones específicas que necesitan para lograr sus objetivos. Examinaremos cómo Agentforce Script utiliza el razonamiento híbrido para combinar la IA generativa con el control determinista.

Sabemos que los desarrolladores crean agentes en muchos entornos diferentes. Respaldamos esta flexibilidad para elegir tu modelo y tu entorno preferidos para el trabajo.

Ya sea que crees en Claude Code, Labs, Agentforce Studio o en otro producto, es importante conocer los detalles de cómo Agentforce gestiona la lógica y las conexiones.

Contenidos:

• II. Puntos claves
• III. Aspectos básicos de Agentforce
• IV. Agentforce Script
• V. Solicitudes frente a Agentes
• VI. Ingeniería de contexto
• VII. Razonamiento de Agentforce
• VIII. Contexto confiable
• IX. Prácticas recomendadas
• X. ¿Agentforce necesita a Data 360?
• XI. Conclusión
• XII. Más información

• El razonamiento híbrido impulsa el motor de razonamiento de Agentforce. Este enfoque combina la flexibilidad de LLM con la fiabilidad determinista de Agentforce Script.
• Agentforce Script te brinda un control determinista completo sobre el comportamiento de los agentes, lo que reemplaza las solicitudes del sistema sobrecargadas por una lógica empresarial estructurada.
• Data 360 es una parte integral de Agentforce. Impulsa la indexación y la fragmentación para potenciar la Generación aumentada de recuperación (RAG), el Análisis de agentes y Digital Wallet.

Un agente es un tipo de software que utiliza la IA generativa para tomar decisiones sobre qué hacer a continuación y cómo hacerlo. Un agente puede entender una pregunta (a menudo llamada enunciado), razonar de forma autónoma para determinar qué acciones tomar para alcanzar su objetivo, identificar qué datos se necesitan y, a continuación, pasar a la acción, con o sin intervención humana.

Funciones clave de los agentes de IA

• Los agentes son dinámicos y pueden adaptarse a diferentes situaciones, entornos e información.
• Los agentes pueden ser autónomos (actuar sin intervención humana) o pueden ser guiados para involucrar e informar a una persona.
• Los agentes se diferencian de otras herramientas de IA generativa porque pueden planificar, razonar y actuar.

Si bien los agentes utilizan grandes modelos de lenguaje (LLM) para manejar el lenguaje natural y la intención, Agentforce también utiliza Agentforce Script para seguir una lógica empresarial específica. Este modelo de razonamiento híbrido permite que los agentes sean más dinámicos que la automatización tradicional, y tan confiables como el software de codificación rígida.

Agentforce Studio

Agentforce Studio es nuestro espacio de trabajo unificado para todo el ciclo de vida de los agentes.

Agentforce Studio reúne todas las acciones que necesitas para crear, probar y gestionar el comportamiento de los agentes. Agentforce Studio tiene tres componentes clave que te ayudan a gestionar el ciclo de vida del desarrollo de agentes:

• Agentforce Builder: utiliza el generador nativo de IA para redactar reglas en un lenguaje llano. Utiliza Agentforce Script, un lenguaje que expresa el comportamiento confiable de los agentes y unifica la configuración, la lógica empresarial y las instrucciones.
• Centro de pruebas: valida los comportamientos de los agentes antes de implementarlos
• Capacidad de observación de Agentforce: supervisa y analiza el rendimiento de los agentes para ver dónde mejorar la lógica.

Agentforce Studio cierra la brecha entre los usuarios técnicos y no técnicos. Katherine Mains, de Conagra Brands , lo describe como “la zona de Ricitos de oro” del diseño: lo suficientemente avanzada para nuestros arquitectos y lo suficientemente intuitiva para nuestros administradores.

Agentforce es el marco que proporciona la previsibilidad que tu empresa necesita para dejar atrás las preguntas frecuentes simples y dedicarse a los trabajos de alto valor. El razonamiento híbrido y Agentforce Script combinan control con creatividad. El Contexto inteligente potencia a los agentes con los datos correctos en el momento correcto. Agentforce Studio ofrece un espacio de trabajo unificado para gestionar todo el sistema.

Data 360 también tiene una serie de características que hacen que Agentforce tenga capacidad de ampliación. Veamos brevemente cuáles son estos componentes:

Veamos más de cerca Agentforce Script, el plan para el proceso de razonamiento de un agente.

Agentforce Script es nuestro lenguaje de guionado específico de Agentforce que sirve como base de texto para crear agentes y dirigirlos. Funciona como un lenguaje unificado que expresa todo el comportamiento de un agente. Este único archivo reúne la configuración, la lógica empresarial, las acciones y las instrucciones de razonamiento. En lugar de tratar el lenguaje natural y el código como elementos distintos, los profesionales utilizan este plan para administrar toda la arquitectura de agentes en un solo lugar.

En las acciones de agentes que utilizan solo IA generativa , los usuarios dependen de solicitudes de lenguaje natural extensas, lo que puede dar resultados de tareas incoherentes e impredecibles. Agentforce Script cambia esto. El razonamiento híbrido con Script combina el lenguaje natural con instrucciones deterministas basadas en reglas.

Con este nivel de control, los líderes obtienen resultados inmediatos. Scott Van Dusen, socio y director de operaciones de Equitable Trust, menciona que Agentforce Script es increíblemente potente. La capacidad de manipular flujos y acciones le resulta mucho más sólida que con los métodos de solo LLM. “Me resulta mucho más sencillo tener el control”, dice Van Dusen.

Grant Roberson, administrador de Agentforce en Datasite, expresó que Script es “años luz mejor” que los agentes diseñados por solicitudes.

“Solía tener párrafos de instrucciones repetitivas en todas partes para tratar de forzar el comportamiento”, comentó Roberson. “Con Script, es fácil eliminar ese ruido y reemplazarlo con una lógica condicional que te permite confiar en que tus agentes harán exactamente lo que quieres”.

Script te aleja de la elaboración de solicitudes hacia una organización escalable. Debido a que utiliza un formato estructurado y basado en texto, tu equipo puede versionar, revisar y dirigir el comportamiento de los agentes como lo hace con el código tradicional.

Agentforce Script organiza las capacidades de los agentes a través de la sintaxis declarativa. Trata las instrucciones, las acciones y los subagentes como componentes modulares. Esta estructura diseña un mapa claro de los recursos para el motor de razonamiento y establece límites para mantener al agente dentro del alcance previsto. Estos guiones trasladan los flujos de trabajo del razonamiento probabilístico a resultados garantizados porque reducen las llamadas de LLM y evitan errores lógicos.

Arquitectura y modularidad

A continuación, te presentamos una lista de prácticas recomendadas estructurales organizadas por principios de diseño modular para ayudarte a crear un agente fácil de mantener y predecible.

• Crea distintos guiones pequeños para tareas específicas, como las comprobaciones de identidad. Esto facilita el mantenimiento del sistema porque puedes actualizar un solo guion cuando cambian las políticas empresariales sin afectar a otras partes del agente. También puedes aplicar estos guiones comunes en varios subagentes para garantizar una experiencia coherente.
• Organiza las acciones dentro del guion en función de la intención específica asignada. Proporciona nombres de subagentes y acciones que describan su función con claridad, ya que el motor de razonamiento utiliza estos nombres para seleccionar la mejor ruta.
• Adopta un enfoque de combinación determinista en el que el código maneja el principio y el final de cada interacción. Utiliza la voz natural de la IA en la parte media para proporcionar un control total sobre la entrada y la resolución de las pláticas.

Gestión de datos y contexto

A continuación, te presentamos una lista de técnicas de administración de datos organizadas por gestión de sesiones para ayudarte a reducir la latencia y mejorar la personalización.

• Define las entradas de datos obligatorias al inicio de un bloque de guiones para que el agente recopile el contexto antes de tratar de tomar medidas. Debes reunir todos los datos necesarios antes de que el agente comience su tarea principal para aumentar la velocidad. Cada llamada de LLM agrega tiempo a la interacción, por lo que el uso de reglas específicas para recopilar datos por adelantado evita esas llamadas innecesarias.
• Almacena datos como el nombre o el estado de un usuario en variables de sesión para gestionar los datos durante un chat. Estas variables te permiten pasar información entre subagentes, lo que evita que el agente repita preguntas. También garantiza que el agente tenga los datos que necesita para usar acciones sin la entrada adicional del usuario.
• Introduce variables directamente en las instrucciones como campos de combinación. Esto permite que el agente proporcione respuestas personalizadas y siga una lógica específica basada en los datos del usuario.

Estándares de lógica y cumplimiento

A continuación, te presentamos una lista de estándares de configuración organizados por lógica de ejecución, que se utilizan para mantener un cumplimiento y confiabilidad estrictos.

• Utiliza instrucciones para influir en el estilo de la plática, mientras el guion se encarga de la lógica empresarial real. Esta separación permite que el LLM se encargue del lenguaje, mientras que el guion gestiona las comprobaciones de datos o las secuencias obligatorias. Este enfoque determinista elimina las conjeturas que suelen encontrarse en las solicitudes en lenguaje natural.
• Aplica la lógica “si/entonces” para guiar a un agente por rutas específicas. Por ejemplo, puedes programar al agente para que compruebe el estado de fidelidad de un cliente antes de ofrecer un descuento.
• Establece criterios de salida explícitos para definir con exactitud cuándo un subagente debe devolver la plática al agente principal o cerrar la sesión. Los límites claros garantizan que el agente opere con la máxima eficiencia.

Implementación estratégica

A continuación, te presentamos una lista de pautas de implementación organizadas por selección de herramientas para ayudarte a elegir la ruta de automatización que mejor se adecúe a tu caso de uso.

• Evita diseñar agentes para que actúen como chatbots simples y lineales. Si un proceso es estático y nunca cambia, utiliza un flujo estándar en Flow Builder en lugar de un agente de IA. Reserva Agentforce Script para que se encargue de las entradas humanas desordenadas o impredecibles.
• Encuentra soluciones de agentes prediseñadas y guiones reutilizables en AgentExchange para ahorrar tiempo de desarrollo. Este mercado incluye acciones de IA listas para usar e integraciones de terceros que te ayudarán a automatizar rápidamente las tareas comerciales comunes. Obtén más información sobre la ventaja de AgentExchange en este libro electrónico

Antes de continuar, es importante tener en cuenta que los agentes no son la única herramienta de IA generativa disponible en Agentforce 360 Platform. También existen las plantillas de solicitud, que son una herramienta poderosa para desarrollar aplicaciones que usan IA generativa. Estas plantillas, que se integran a Prompt Builder, permiten definir un conjunto de instrucciones estructuradas y reutilizables que guían a un modelo de IA generativa para producir resultados específicos. Pueden acceder a datos de Salesforce utilizando campos predefinidos, gráficos de datos y generación aumentada de recuperación ( RAG) de datos contextuales. Además, estas plantillas son muy seguras: todas las solicitudes se envían a través de la capa de confianza de Salesforce, respetando los permisos, enmascarando datos confidenciales y señalando el contenido tóxico o dañino.

Las plantillas de solicitud son interacciones sencillas y puntuales con la IA, ideales para tareas rápidas que no requieren recordar información ni procesos complejos. Por ejemplo, funcionan muy bien para parafrasear una oración o resumir un caso, ya que no hace falta mantener un contexto continuo. Al crear soluciones con estas plantillas, es importante tener en cuenta que no guardan memoria entre usos y no toman decisiones ni ejecutan acciones por sí mismas. Simplemente generan una respuesta según la información y las reglas que les hayas definido al diseñarlas.

Las plantillas de solicitud se pueden usar por sí solas en una solución de IA integrada , o se pueden agregar a un agente a través de acciones de agente. Usar una plantilla de solicitud por sí sola es ideal en los siguientes casos:

• El contexto empresarial está claro y es estable.
• La salida deseada sigue un formato predecible, aunque la respuesta en sí no es determinista.
• No es necesario evaluar diferentes caminos ni tomar medidas autónomas.
• No se requiere un contexto, o información, continuo.
• No se requiere un razonamiento de varios pasos.

Casos de uso de plantillas de solicitud:

• Generar un resumen estructurado de registro, como un resumen de notas de un caso
• Crear notas de reuniones estructuradas
• Redactar respuestas de correo electrónico basadas en plantillas
• Sugerir las mejores acciones que puedan tomarse a continuación
• Identificar los sentimientos asociados a un caso

Ten en cuenta que, aunque las plantillas de solicitud pueden completar datos de forma dinámica y generar respuestas basadas en las entradas dinámicas que se representan en tiempo de ejecución, no pueden razonar a través de las opciones ni realizar ninguna acción.

Los agentes son sistemas de software que deciden de forma autónoma qué hacer, en qué orden y de qué manera, en función de la evolución del contexto. Los agentes van más allá de una simple solicitud, ya que pueden planificar, razonar, ejecutar acciones externas (como llamadas a la API o búsquedas en bases de datos) y reaccionar en función de los resultados. Además, pueden elegir diferentes caminos o respuestas dependiendo de lo que aprendan a mitad del proceso. Los agentes son ideales si:

• El entorno o el contexto pueden cambiar dinámicamente.
• Son posibles varias decisiones o ramas basadas en datos.
• La IA debe reemplazar o ayudar al juicio humano a la hora de tomar una decisión o tomar medidas.

Casos de uso de agentes de IA:

• Clasificar y enviar casos de soporte entrantes
• Resolver problemas de reserva mediante la comprobación de sistemas y políticas externos
• Gestionar flujos de trabajo de varios pasos con ciclos de retroalimentación
• Redactar un correo electrónico de respuesta al caso basado en los detalles del problema del cliente con posibles soluciones y artículos de conocimiento relevantes de su sitio web orientado al cliente
• Programar una cita en función de la disponibilidad del representante de servicio y las preferencias del cliente
• Detectar eventos, como problemas de actualización de software, y generar de forma proactiva tareas de resolución de problemas o intentar una resolución remota activando una acción para invocar una llamada a la API

Conocer los detalles de funcionamiento del motor de razonamiento es clave para implementar los agentes de manera exitosa. En los primeros días de los agentes de IA, los practicantes hablamos mucho sobre la ingeniería de solicitudes: el arte de “persuadir” a un LLM para que tenga un comportamiento determinado. Hoy, ya nos hemos graduado en ingeniería de contexto.

La ingeniería de contexto es una práctica más holística, que comprende mucho más que solo escribir una buena solicitud. Con el razonamiento híbrido de Agentforce, diseñas un sistema que equilibra el razonamiento autónomo de LLM con la lógica basada en reglas para el control determinista.

La ingeniería de contexto es la sucesora de la ingeniería de solicitudes . Su finalidad es diseñar un sistema de subagentes, instrucciones, reglas y acciones que proporcione a un agente la información exacta y los límites que necesita para tener éxito, en lugar de tratar de hallar las palabras perfectas para engañar a un LLM y que dé exactamente las respuestas correctas.

Las tres palancas de la ingeniería de contexto

Los profesionales utilizan Agentforce Script como lenguaje unificado para expresar subagentes, instrucciones, acciones y reglas en un solo lenguaje y archivo.

1. Subagentes: definen a los agentes especializados y su experiencia.
2. Instrucciones: brindan orientación sobre el flujo, el tono y la intención de las conversaciones.
3. Acciones y reglas: ejecutan acciones y aplican la lógica empresarial obligatoria.

Veamos detenidamente los subagentes, las instrucciones y las acciones, tres piezas importantes de metadatos que defines cada vez que creas un agente con Agentforce.

Los subagentes son la base de las capacidades de tu agente, ya que definen lo que puede hacer y los tipos de solicitudes de los clientes que puede manejar. Son como departamentos especializados con experiencia específica, acciones que llevan a la acción e instrucciones. Cuando un cliente envía un mensaje, tu agente primero determina qué “departamento” (subagente) debe manejar la solicitud y, luego, aplica las pautas y las herramientas particulares de ese subagente para ayudar al cliente.

Las instrucciones son las pautas que indican cómo se manejan las pláticas dentro de un subagente. Guían la selección de acciones, establecen patrones de plática y proporcionan contexto empresarial. Los subagentes claros y definidos evitan la superposición y garantizan que el motor de razonamiento clasifique correctamente las solicitudes de los clientes. Las instrucciones deben ser claras, específicas y factibles para guiar al agente de manera efectiva.

Las acciones que el agente utiliza para obtener información o ejecutar tareas. A la hora de definir acciones, es crucial entender cómo las procesa el motor de razonamiento. El motor revisa las acciones disponibles en función de sus nombres, descripciones y entradas, así como las instrucciones del subagente y el contexto de la plática. Agentforce viene con una serie de acciones de agente estándar, y puedes crear acciones de agente personalizadas para ampliar aún más tu implementación. Siempre debes comprobar si se puede utilizar una acción estándar antes de crear una acción personalizada. Diseña acciones teniendo en cuenta la reutilización, ya que se pueden usar en varios subagentes. A continuación, te presentamos una lista de las acciones de agente personalizadas disponibles y cuándo debes usarlas.

El motor de razonamiento utiliza subagentes, instrucciones, acciones y reglas para llevar a cabo el trabajo. Dado que Agentforce Script funciona como la definición completa del agente, elimina la caja negra del enrutamiento probabilístico. En resumen, el motor de razonamiento hará lo siguiente:

• Clasificar al subagente: el motor hace coincidir un mensaje del cliente con el subagente más adecuado en función de su nombre y descripción.
• Ejecutar la lógica con guiones: el motor ejecuta las instrucciones y las reglas de programación que se dictan en el guion. Esto sucede antes de que el sistema evalúe las instrucciones no deterministas.
• Aplicar acciones: si una tarea requiere datos externos o una actualización, el motor ejecuta las acciones necesarias y recopila los resultados.
• Verificar los fundamentos: antes de enviar una respuesta final, el motor garantiza que la respuesta esté basada en información precisa de acciones o instrucciones, y que siga las pautas proporcionadas en el guion y las instrucciones.

A continuación, te mostramos un desglose paso a paso de lo que sucede dentro del motor de razonamiento cada vez que se invoca a un agente.

Para obtener un análisis aún más profundo, consulta la Guía de Agentforce para lograr un comportamiento confiable de los agentes: un marco para 6 niveles de determinismo

Los profesionales deben comprender la distinción entre los filtros y las instrucciones para crear agentes precisos. Los filtros controlan lo que el LLM ve y lo que puede hacer en cada turno de una plática, y funcionan en varios niveles. Los filtros pueden aplicarse en subagentes, acciones y recuperadores, lo que permite que los profesionales tengan un control detallado de los subagentes que están disponibles, lo que pueden hacer y el tipo de contenido que recupera el modelo en cada paso.

Piensa en el asistente virtual de un banco. Cuando un cliente pregunta por su hipoteca, se activa un subagente dirigido al préstamo para vivienda. Su filtro garantiza que el LLM solo vea documentos hipotecarios, no datos de tarjetas de crédito ni registros de inversión. No obstante, dentro de esa misma plática, la acción que calcula la tasa actual del cliente utiliza su propio filtro más estricto, restringido a la cuenta de ese cliente. El cliente obtiene una respuesta precisa y los datos irrelevantes nunca ingresan en el caso.

Los filtros se pueden configurar como estáticos (predeterminados en la configuración) o dinámicos (transferidos durante la ejecución desde el contexto de la plática o las entradas de solicitud). Con los prefiltros de recuperador mejorados, los profesionales ahora pueden aplicar hasta 10 filtros dinámicos por recuperador, combinarlos con la lógica AND/OR (y/o) y usar operadores LIKE (como) para la coincidencia de patrones. Esto reduce el ruido de recuperación y mantiene la ventana de contexto centrada en el contenido más relevante. En los flujos de trabajo de desarrollo de software, por ejemplo, los profesionales pueden aplicar filtros de contexto específicos de la acción para asignarle a un agente flexibilidad de interpretación de las solicitudes del usuario, sin que deje de ser estricto sobre el estado actual de la base de código.

Agentforce Script proporciona el nivel más alto de control determinista mediante la codificación de secuencias y reglas específicas para que el agente las siga. Este enfoque evita el bucle de fatalización de solicitudes, en el que las instrucciones se vuelven demasiado extensas o confusas para que el LLM las siga con precisión.

Si bien los filtros y Agentforce Script proporcionan control a nivel del sistema, los profesionales también deben definir una forma de verificar la precisión. Las citas proporcionan a los usuarios una pista de auditoría clara para cada respuesta y conectan con el contexto interno que el agente utilizó en su respuesta.

El motor de razonamiento organiza estos cuatro componentes para resolver solicitudes con una combinación de flexibilidad y control. Imaginemos un cliente que envía este mensaje: “Ayer pedí un suéter rojo, pero necesito cambiar la dirección de entrega”.

1. Clasificación de subagentes. El motor analiza el mensaje del cliente y realiza la clasificación de subagentes. Hace coincidir la solicitud con el subagente “Cambiar pedido” porque el nombre y la descripción se alinean con la tarea.
2. Ensamblaje de contexto. El motor realiza el ensamblaje de contexto para crear la memoria del agente. Recopila las instrucciones del subagente, el guion y las acciones disponibles.
3. Ejecución de Agentforce Script. El motor ejecutaAgentforce Script para aplicar la lógica empresarial determinista. El guion comprueba el estado del pedido del suéter rojo. Si el pedido está en el almacén, el guion permite que el agente avance con el cambio.
4. Razonamiento basado en instrucciones. Las instrucciones guían al agente en el desarrollo de la plática. Definen el tono y guían al agente para que pregunte al cliente la nueva dirección de envío.
5. Aplicación de acción. El agente selecciona y ejecuta la acción “Actualizar envío de pedidos”. Pasa el ID del pedido y la nueva dirección al sistema para completar la actualización.
6. Respuesta fundamentada. El agente entrega una confirmación final al cliente. Realiza una verificación de base e incluye una cita para verificar la fuente de la información.

Una ingeniería de contexto exitosa requiere una integración fluida de subagentes, instrucciones, guiones y acciones. Estos cuatro elementos trabajan juntos para mantener a un agente dentro de los límites de relevancia y precisión óptimas. Los subagentes definen la experiencia especializada. Las instrucciones proporcionan orientación y tono conversacional. Agentforce Script agrega una capa de control determinista para aplicar las reglas de negocio. Las acciones permiten que el agente ejecute acciones y acceda a los datos en tiempo real. Esta estrategia combinada garantiza que tu agente siga siendo útil y altamente confiable.

Una ingeniería de contexto exitosa requiere saber dónde ubicar la lógica.

• Utiliza acciones y Agentforce Script para el control. Mueve las reglas de negocio críticas y los flujos de trabajo de varios pasos a Agentforce Script o acciones. Esto incluye cálculos complejos y secuenciación obligatoria.
• Usa las instrucciones de comportamiento. Guía el flujo de la plática y define el tono de respuesta con las instrucciones.

Prácticas recomendadas para redactar instrucciones efectivas

• Define tus términos. No presupongas que el agente sabe lo que significan los términos de la industria. Por ejemplo, define la diferencia entre “códigos promocionales” para descuentos y “códigos de registro” para garantías.
• Sé específico sobre las secuencias. Si los pasos deben ocurrir en un orden determinado, indícalo claramente en un bloque de instrucciones.
• Utiliza una terminología coherente. Haz referencia a las acciones por sus nombres exactos y utiliza los mismos términos en todas las instrucciones.
• Usa los absolutos con intención. Las palabras como “siempre” y “nunca” tienen un impacto significativo en cómo interactúa el agente.
• Proporciona criterios de decisión. Ayuda a tu agente a elegir entre opciones similares. Por ejemplo, indica al agente que use la acción Restablecer correo electrónico si el usuario tiene acceso al correo electrónico, pero que use la acción Pregunta de seguridad si no tiene acceso.

Esta es una pregunta que escuchamos a menudo de nuestros clientes. La respuesta corta es sí. Data 360 es parte integral de Agentforce porque la arquitectura de Data 360 se aprovecha para ciertas funciones de Agentforce, como el Análisis de agentes y Digital Wallet. Además, la infraestructura de Data 360 potencia la indexación y la búsqueda de datos no estructurados, así como el registro de comentarios y la pista de auditoría. Data 360 también puede proporcionar capacidades de ampliación adicional. Los clientes de Agentforce también pueden optar por habilitar funciones como Aporta tu propio lago (BYOL) y Aporta tu propio modelo de lenguaje grande (BYO-LLM) para utilizar datos y modelos creados en plataformas fuera de Salesforce con agentes generados en Agentforce.

Desde el acceso a datos de otros lagos de datos a través de la federación de datos hasta el uso de la infraestructura de hiperescala para datos a escala de petabytes, la utilización de la arquitectura de Data 360 con Agentforce garantiza que los clientes experimenten mejores resultados de IA hoy en día. Esta potente arquitectura también garantiza la viabilidad a largo plazo para la adopción exitosa de agentes, sin importar cuán grandes o complejos sean los conjuntos de datos subyacentes que impulsan esos agentes.

¿Te interesa saber qué funciones específicas de Agentforce están impulsadas por Data 360? En la siguiente tabla, te presentamos las funciones de Agentforce que Data 360 ofrece de forma predeterminada, junto con las funciones opcionales que los clientes pueden habilitar para ampliar su implementación.

Abordamos los elementos clave para el funcionamiento de Agentforce, incluido el motor de razonamiento, y cómo usar subagentes, instrucciones y acciones. Comprender estos componentes es clave para usar Agentforce de manera efectiva. Esta guía te servirá para mejorar los resultados a medida que implementas Agentforce. Te recomendamos consultar los recursos proporcionados para obtener más información.

Encuentra blogs, guías, videos de demostración y más recursos en Agentblazer.com y Agentforce.com

• Guías de formato largo:
  • Guía de Agentforce para lograr un comportamiento confiable de los agentes: un marco para 6 niveles de determinismo
  • La guía para operar una compañía agéntica
  • Agentforce y RAG: prácticas recomendadas para mejores agentes
  • La guía de Agentforce sobre ingeniería de contexto
    
    
• Para los directores de informática (CIO):
  • Una guía práctica sobre agentes de IA confiables que funcionan
  • La ventaja invisible: 8 principios clave de diseño empresarial de agentes que han sido probados y validados por CIO de renombre.

• Blog: El patrón de comportamiento Doomprompting no te dará agentes de IA predecibles, pero un nuevo lenguaje de scripting sí
• Blog para desarrolladores: Controla el acceso de los agentes y la toma de decisiones con variables y filtros
  
  
• Trailhead: Planificación de agentes: describe el trabajo del agente
  
  
• Documentos de ayuda:
  • Instrucciones de la acción
  • Instrucciones de los agentes
  • Resolución de problemas de los agentes