Agentpersonor för Agentforce

Författare: Nathan Lucy , specialist på agentupplevelser
Bidragsgivare: Matias Manuel Fonseca · Claude Sutterlin

Varje interaktion med Agentforce är en interaktion med varumärket. När en agent låter generisk, onaturlig eller inkonsekvent blir användarna frustrerade vilket urholkar förtroendet.

Den här guiden ger dig ett ramverk för att designa, kalibrera och implementera en speciell agentpersona och säkerställa att era agenter använder ert varumärkes röst i alla samtal, oavsett om du är designer, arkitekt eller administratör. Den täcker kodning i Agent Script och äldre Agentforce Builder.

Användare tilldelar en personlighet till samtalsagenter på några sekunder. Utan att det är avsiktligt kan agenter låta intetsägande, udda eller till och med stötande. De flesta användare har alternativ till AI-agenter, så hur en agent uttrycker sig är viktigt för hur mycket de används. När en agent konsekvent låter naturlig bygger ni upp förtroendet och gynnar användningen. Följ den här sekvensen:

Den här kedjan bryts lätt. Men hur låter ”naturligt” egentligen?

Tänk dig en supportmedarbetare på ett telekomföretag. Användaren skriver: ”Det här är fjärde gången jag kontaktar er angående detta faktureringsproblem. Jag har fått nog av att förklara det. Fixa det nu, annars byter jag leverantör.”

Tre agenter svarar:

Vilken är bäst? Vilken låter naturlig? Det är frågor som borde besvaras innan agenten levereras. Om en persona inte utformas med avsikt så lämnas svaret upp till modellen.

Vad som är naturligt kan variera från märke till märke. Tänk på hur er agent kan hälsa återkommande kunder välkomna med ett dynamiskt välkomstmeddelande:

• Aurelia Airways: ”Hej Kjell. Ditt Skywards-saldo är 214 000 miles. Hur kan jag hjälpa dig?”
• Cluck-ee’s: ”Titta vem som är tillbaka!” Gud välsigne dig, du mumsade dig snabbt igenom det där nuggetspaketet. Behöver du en omgång till eller vill du ha något annat?”
• FastGas: ”Välkommen tillbaka. Ditt saldo är 840 poäng – det blir en gratis dryck. Vill du använda poängen eller fortsätta samla?”
• Pawly Pet Food: ”Hej igen! Vad tycker Luna om det nya fodret? Om hon inte gillar det så kan vi byta ut det – inga problem. Vad vill du ha?”
• PennyWing: ”Hej igen! Plats 31B, inget benutrymme, inget ångerutrymme. Bokar du om eller vill du bara gnälla? 😜”

När du utformar en intern agent är du ansvarig för medarbetarupplevelsen. Använd en persona för att åsidosätta generiskt ”LLM-snack”. Ingen ska behöva arbeta med en agent som alltid säger: ”Var snäll och tala om för mig om du behöver hjälp med något annat!”

En väldesignad persona har tydliga fördelar:

• Märkestrogen: Agenter är kontaktpunkter för varumärket. Varumärkestrohet och särskiljningsförmåga är differentierande faktorer i en värld full av generisk AI.
• Sympatiskhet och pålitlighet: Användare är mer benägna att tycka om och lita på agenter som låter naturliga och konsekventa. Det förbättrar användningen och kvarhållningen.
• Modelloberoende: Ni får autonomi och flexibilitet med LLM:er när en persona är kodad i Agentforce. När den underliggande modellen ändras låter agenten likadant.
• Granskningsbar artefakt: Varumärkes- och juridiska team får något konkret att utvärdera: ett strukturerat personadokument att granska och godkänna.
• Teknisk beredskap: Utvecklare får en tydlig designspecifikation som respekterar plattformens begränsningar och möjligheter.

Dessa principer vägleder er genom den inledande konfigureringen, från att skissa kontext till att engagera viktiga intressenter.

Kontexten först: Innan ni definierar identiteten ska ni skissera de viktigaste delarna av kontexten: vilka ni som företag är, vem agenten betjänar (anställda, kunder, partners) och modalitet (chatt, e-post, telefon, multimodala).

Engagera intressenter: Konsultera era juridiska, varumärkes- och upplevelseteam. Ställ frågor utifrån detta ramverk. Utforma agentens identitet tillsammans och granska exempeldialoger.

Börja i liten skala: För att designa generativt beteende krävs iteration. Börja med en liten uppsättning instruktioner och testa sedan. Utvidga efter behov.

Var tydlig: Ju mer specifika instruktionerna är, desto mer konsekvent blir resultatet. För en pålitlig persona krävs en tydlig synvinkel.

Skriv positiva instruktioner: För många förbud kan begränsa agenten. Försök att formulera instruktionerna på ett positivt sätt. Lägg bara till viktiga negativa instruktioner.

Omfattning: Ramverket är en vägledning, inte en regelbok. Ni kan kombinera dimensioner, uppfinna värden, åsidosätta begränsningar – gör det er persona kräver. Det som spelar roll är att ett medvetet beslut fattas om alla delar: Har er agent humor? Är den pedantisk när det gäller interpunktion?

För den här definitionen krävs utförliga personainstruktioner. ”Du är en hjälpsam AI-assistent …” är inte tillräckligt. Detta ramverk definierar en agents identitet (huvudegenskaper och motivationer) och dimensioner (oberoende avstämbara aspekter av personligheten som ton och humor).

Börja med identiteten. Förankra er persona med tre till fem personlighetsdrag som definierar vem agenten är samt formar och begränsar allt som kommer. Egenskaperna kan ha kreativa spänningar, men inte motsägelser. Tänk på hur identitetsdrag förankrar olika agenter:

Varje egenskap får en suggestiv definition som antyder samtalsbeteendet. För Striker kan definitionen av beslutsam vara:

För Luna kan definitionen av artig vara:

Identitetsdrag påverkar hur agenterna resonerar, inte bara hur de kommunicerar. Skapa dem med omsorg.

Bestäm hur mycket karaktär som ska framträda i agentens språk. Det pågår en livlig debatt om hur människoliknande AI-system ska vara och det kan finnas nackdelar med att personifiera agenter, till exempel att det sätter orealistiska förväntningar: Om agenten låter som en människa kan användarna förvänta sig att den resonerar som en människa.

Det finns tillfällen då en agent bör vara medvetet tråkig. En transaktionsagent för en bankomat eller biljettmaskin bör smälta in i bakgrunden. Du märker vad den gör, men inte hur den låter eftersom den använder ett funktionellt, förutsägbart språk. Det är ett ”talande system”: samtal är ett interaktionslager, men inte ett uttryck för personlighet.

Kontexten är kung. Tänk dig en röstagent i en telefonkanal som hanterar frustrerade uppringare. Hur skulle en udda personlighet påverka uppringarnas känslor?

Justera agentens personlighet på systemnivå och justera sedan tonen efter situationen, till exempel genom att utesluta humor när en eskalering hanteras.

Bestäm om er agent verkligen behöver ett namn. Namn passar personifierade agenter, men kan vara störande för transaktionsagenter. Bestäm om namnet ska låta mänskligt, som Alexa eller Claude, mänskligt men uppenbart påhittat, som Cortana eller om det ska vara beskrivande, som kundsupport.

Ett bra namn sammanfattar agentens identitet med ett enda ord. Det skapar ett första intryck, redan innan samtalet börjar. Det finns många sätt att hitta på namn. Ett bra namn kan vara:

• Antydande: En försäljningsagent med namnet Striker förmedlar energi och syfte
• Minnesvärda: Minnesvärda namn som Klöver för en agent i ett jordbrukskooperativ
• Kulturellt anpassade: En intern agent i en avslappnad kultur kan kallas Bug Squasher
• Märkesanpassade: En advokatbyrå behöver ett rejält namn som till exempel Lex
• Lätta att säga: Namn som Ava och Bo klarar det fonetiska ”radiotestet”, medan det är osäkert hur man uttalar Xylo
• Funktionella: En kodningsagent kan kallas Scripty
• Abstrakta: Namn utan bokstavlig betydelse men som framkallar en viss känsla kan vara relevanta när agenter får nya funktioner: Koda, Lumi
• Inget: En agent utan namn kan också vara ett rimligt och avsiktligt beslut
• Beskrivande: Tråkiga namn kan vara lugna och tydliga, som Serviceagent eller Virtuell assistent för [företagsnamn]
• Antimönster: Tech_Assist_Agent_v2_Internal_Test är inte ett personanamn. Använd inte API-namnet som visningsnamn

Tänk på dimensionerna som strängar på ett musikinstrument. Varje dimension kan spela ett spektrum av noter. För att få ett behagligt ackord måste varje ton stämmas individuellt och rätt kombination av toner måste väljas. Val i högre dimensioner påverkar och begränsar lägre dimensioner.

Dessa valfria listor ger vägledning och skyddsräcken. De två första kompletterar identiteten. Resten handlar om specifika formuleringar och skyddsräcken.

Värderingar: Vad agenten tror: Dess världsbild och motivation. Varje värdering är en övertygelse som genererar observerbart beteende. En agent med värderingen ”kvalitet är viktigare än pris” bör rekommendera rätt produkt, inte den billigaste.

Negativ identitet: Antimönster på karaktärsnivå. Varje påstående är en karaktärstyp som agenten aldrig ska bli, inte en beteenderegel. Till exempel är en säljcoachagent ”inte en pessimist: anser att problem kan åtgärdas”.

Skyddsräcken: Se till att agenterna vet gränserna för vad de får säga. Till exempel ”Ge inte medicinska råd”.

Säg aldrig-lista: Fraser som uttryckligen förbjuds åsidosätter modellens standardinställningar för träning. Fraser som ”Bra fråga!” eller ”Jag hjälper gärna till” signalerar generiskt assistentbeteende och ett karaktärsbrott. Säg aldrig-listan är den mest pålitliga begränsningen av beteendet som finns. Även när andra personaelement vattnas ur under press, brukar förbud gälla.

Frasbok: Agentens verbala fingeravtryck: karakteristiska uttryck, omdirigeringar, övergångar och signaturfraser.

Lexikon: Märkesomfattande och domänspecifik vokabulär som agenten använder, kortfattat definierad: Varumärken, produktlinjer och andra universella termer.

Nu har ni skapat er agentpersona. Vad händer sedan?

Det här avsnittet går igenom en beprövad strategi för att konfigurera Agentforce så att er agent agerar som ni vill.

Agent Script är det rekommenderade verktyget för nya agenter. Den här guiden innehåller även kodningsanvisningar för föråldrade Agentforce Builder för team som fortfarande använder det. De är tydligt märkta. Oavsett vilket verktyg ni använder ska ni strukturera personainstruktionerna som ett globalt personablock, överlägg för kalibrering av underagenter och statiska meddelanden.

Det mesta personainnehållet ingår i de globala instruktionerna. De är agentens grundläggande identitet och dimensioner som används i alla samtal.

Agent Script rekommenderas när en konsekvent persona är viktigt. I föråldrade Agentforce Builder klarar sig globala personablock på ~500 ord bra under längre sessioner. Agent Script är designat för större kontroll över utdata och har högre motståndskraft. system.instructions behandlas som kärnlogik snarare än kontext som konkurrerar med konversationshistoriken, så att personainstruktionerna inte späds ut allt eftersom sessionerna blir längre. Builder-personor är ibland mer åt det neutrala hållet. Negativa begränsningar hanteras mer konsekvent i Agent Script än i Builder. Registret är också stabilare.

Säg hej till Drover, en lakonisk bondepersona för en säljcoachagent i Australien. Detta utdrag ur Drovers globala instruktioner fungerar i båda verktygen:

Obs! I Agent Script ska du alltid använda | (bokstavlig blockskalär) som indikator för instruktionsinnehåll. Utan den kommer rader som Korthet: Måttlig … att tolkas som ett YAML-nyckelvärdepar i stället för instruktionstext.

Underagenter är uppgifter som agenter kan utföra. Instruktioner på underagentnivå anpassas via baslinjen som anges i de globala instruktionerna. De omdefinierar inte vem agenten är. De förfinar och kalibrerar den. När instruktioner för underagenter är i konflikt med de globala instruktionerna, försöker modellen kompromissa i stället för att åsidosätta. Den behandlar globala instruktioner som huvudidentiteten och underagenten som en situationsanpassning. Underagenter styr vad agenten gör och hur den anpassar sig efter en kontext.

Om ni vill ha en helt annorlunda röst för en underagent kanske ni behöver en separat agent. Plattformens dokumentation anger att ett systemblock på underagentnivå skriver över globala system.instructions för det ämnet. Reservera det för större personaförändringar och kom ihåg att kopiera alla instruktioner. Använd alltid reasoning.instructions för standardkalibrering på underagentnivå.

Användbara kalibreringar för underagenter är: korthet, flexibilitet i ton, poster i frasbok, vägledning om humor, lexikon och påminnelser.

Korthet: Olika subagenter behöver olika svarslängder.

Underagent för statuskontroll:

Underagent för affärsanalyser:

Flexibilitet i ton: Hur emotionell färg och empatinivån förändras beroende på underagentens kontext.

Underagent för eskalering:

Underagent för datainhämtning:

Poster i frasbok: Situationsanpassade fraser är viktiga för den här underagenten.

Vägledning om humor: Om humor är lämpligt eller undertrycks i underagenten. Undertryck alltid humor för feltillstånd, eskalering och viktiga kontext.

Lexikon för underagent: Domänvokabulär begränsas till rätt områden. En agent för lyxklockor har ordförråd som ”urverk”, ”kronograf”, ”kaliber” och ”komplikation”. De hör hemma hos underagenten för produkter, inte underagenten för leveranser. Att läsa in ett specialiserat ordförråd globalt slösar bort kontext och kan få agenten att använda för mycket jargong i enkla interaktioner. Lägg till ett lexikon:-block i en underagents personainstruktioner när det finns relevanta domäntermer och användningsanteckningar.

Personapåminnelser: Inkludera korta direktiv i underagentens instruktioner som hänvisar tillbaka till den globala personan. Sådana pekare vässar personan och minskar avvikelser under längre sessioner.

Det här exemplet kalibrerar dimensioner för Drovers underagent för affärsanalyser:

I föråldrade Agentforce Builder hör texten efter | hemma i instruktionerna för ämnet affärsanalys.

Alla agentutdata ska passa karaktären, även meddelanden som inte genereras av LLM. Skriv statiskt innehåll som personan skulle uttrycka det. Annars stöter användare på generisk text eller felsökningsinnehåll som strider mot karaktären.

Inläsningstexten bör vara unik för varje åtgärd, eftersom det är en form av insyn i systemets status som informerar användaren om vad agenten gör.

Jämför hur Drover och Juno, en varm och professionell säljcoach, förmedlar samma budskap:

Dessa fält är specifika för den äldre versionen av Agentforce Builder. De kan störa personan som är kodad i Global_Instructions om de inte hanteras på rätt sätt.

Inkludera en eller två meningar om vad agenten gör. Lägg inte till stilistisk personakodning i rollen när det finns Global_Instructions. Det försvagar personan. Modellen behandlar rollen som ett primärt ankare som kan åsidosätta de mer specifika reglerna i det globala blocket, vilket försämrar den unika rösten och efterlevnaden av frasboken. Lagra stilistisk kodning i Global_Instructions. Rollen ska vara minimal. Till exempel:

Beskrivningen kan koda personan och LLM läser den, men Global_Instructions rekommenderas i stället. Beskrivningen är avsedd att lista agentens mål och kontext om användarna, vilket lutar mer åt funktionalitet än persona.

Vad företaget gör, vilka det betjänar, vad som gör det annorlunda. Det här fältet är agentens referensram. En supportagent för ett B2B SaaS-företag låter annorlunda än en agent för ett lyxmärke inom detaljhandeln, även med identiska dimensioner, eftersom de arbetar i olika kontexter.

Listrutan Ton är en grov verktygsinställning. Den mappar i stort register + formalitet. Den verkliga personahanteringen sker i Global Instructions.

Ställ in listrutan så att den matchar det avsedda registret. En feljusterad inställning kan försvaga agenten och registret är den första dimensionen som försämras. Listrutan Ton påverkar mer än rösten: den kan påverka vad agenten erbjuder sig att göra, inte bara hur den låter. Att välja Formell eller Neutral kan få agenten att erbjuda standardåtgärder som att lägga till kommentarer i ärendet och uppdatera ärendestatus. Testa för att säkerställa att era val fungerar med er persona i stället för att de motarbetar den.

Om du bestämmer vad agenten gör, då är det agentens konstruktion. Om du bestämmer hur agenten låter, då är det persona. API-namn, agenttyp, ämnen, åtgärder, datakällor, språk, agentanvändare: De tillhör agentens konstruktion.

överväganden och förväntningar

Den här guiden ger praktisk vägledning för utformning av agentpersonor, den beskriver inte regler. Poängen med personadesign är naturliga interaktioner: att designa passande karaktärer för agenter, inte att simulera riktiga människor. Området agentisk AI utvecklas snabbt och bästa praxis kring agenters personor och beteenden kommer att fortsätta att utvecklas.

Kodningsmönster baseras på aktuella funktioner i Agentforce. I takt med att verktygen utvecklas kommer kodningen att förändras. Dessa tekniker är i stort korrekta och kan användas för personor i flera omgångar. Genereringen av LLM-utdata är dock probabilistisk och spårbarhetskedjan mellan personainstruktioner och utdata för användare är lång.

Tillämpa dessa mönster noggrant inom ramen för era användningsfall, kundernas förväntningar och organisationens behov. Testa personabeteendet noggrant innan ni distribuerar agenten till användare och involvera era juridiska team, varumärkesteam och AI-etikteam tidigt.

kom igång

Agentpersonan är grundläggande för agentens kvalitet och avgörande för att den kommer att användas. Detta ramverk ger ert team ett gemensamt språk för att utforma agentpersonligheter och en beprövad strategi för att koda den i Agentforce.

Börja med identitet – en liten uppsättning egenskaper som förankrar vem agenten är. Justera dimensionerna för att forma hur agenten uttrycker sig. Koda personan i globala instruktioner, kalibrera underagenter och skriv varje statiskt meddelande i enlighet med karaktären. Testa den sedan. Inte bara en gång, utan som en del av den kontinuerliga agentförbättringen.

De agenter som skapar förtroende är sådana som låter som om de var utformade med avsikt. Det är vad en agentpersona ger er.

Den här guiden har endast kommit till tack vare vägledning och stöd från mina kollegor:

• Dru Olding – designade och genomförde systematisk testning av Agentforce Builder och Agent Script. Validerade kodningsmodellen och producerade unika resultat om skillnader i personornas följsamhet i olika verktyg, interaktionen mellan rollfält och globala instruktioner samt beteendet i listrutan Ton.
• Matias Manuel Fonseca – validerade den huvudsakliga kodningstesen för båda agentredigeringsverktygen som oberoende av varandra bekräftade att personans motståndskraft är högre i Agent Script. Hans insiktsfulla feedback hjälpte mig att revidera delar av texten.
• Claude Sutterlin – inspirerade och vägledde detta arbete, påverkade dess struktur och argument och såg till att det såg dagens ljus.
• Philipp Hänggi – bidrog med expertis inom lingvistik och konversationsdesign i detta ramverk och bidrog särskilt till avsnitten om namngivning och personlighetens intensitet.
• Tiffany Flynn – delade exempel som formar identitet och värdefull feedback om en kodningsstrategi.
• Jag Valaiyapathy – introducerade mig till Claude Code och Agent Skills som blev viktiga verktyg för att definiera och koda personor.
• Jen Ridge och Ellie Brain – uppmuntrade mig att skaffa mig en certifiering från Conversation Design Institute som lade grunden för den här guiden.
• Jeff Rainwater – källa till lexikonet.
• Specialister på agentupplevelser – mina fantastiska kollegor som granskade det tidiga ramverket, delade värdefull feedback och som har omsatt det i praktiken med våra kunder.

Agent Persona Framework syntetiserar idéer från flera publicerade källor till ett originellt designsystem för AI-agentpersonor.

Conversation Design Institute (CDI) : Grundläggande principer för avsiktlig personadesign, inklusive pareidoliaeffekten, betoning på naturliga och konsekventa svar, identitet och register.

Nielsen Norman Group (NN/g): Forskning om röst och ton i UX-skrivande, skillnaden mellan röst (konstant) och ton (kontextuell) samt användbarhetsheuristik som styr dimensionsgränser. Kate Moran, ”The Four Dimensions of Tone of Voice ”, uppdaterad 2023.

Amazon Alexa Design Guidelines : Röstkanalparametrar (tonhöjd, talhastighet, energi) och röstspecifika personaöverväganden.

Google Conversation Design Guidelines : Principer för personadefinition, felhanteringsmönster och turer i konversationsgränssnitt.

Agentforce Dokumentation: Plattformsarkitektur, Agentforce Builder-fältbegränsningar och designmönster som formar kodningsmetoden.

Tala med AI: En praktisk guide till att skriva effektiva prompter

Bör du ge din AI-agent ett mänskligt namn?