แนะนำคู่มือ Agentforce

ตัวแทน AI มีศักยภาพที่จะปฏิวัติองค์กรต่าง ๆ โดยการเพิ่มประสิทธิภาพ ลดความพยายามด้วยตนเอง และสร้างสถานที่ทำงานที่ซับซ้อนและปรับเปลี่ยนได้มากขึ้น นั่นเป็นเหตุผลที่เราเปิดตัว Agentforce ซึ่งเป็นแพลตฟอร์มสำหรับการสร้างตัวแทน AI แต่ด้วยเทคโนโลยีใหม่ ก็มาพร้อมกับแนวคิดใหม่ ๆ และข้อควรพิจารณาในการนำไปปฏิบัติใหม่ ๆ

คู่มือนี้จะอธิบายองค์ประกอบหลักของ Agentforce และเป็นคู่มือแรกในชุดที่จะพัฒนาควบคู่ไปกับ Agentforce ในทรัพยากรนี้ คุณจะพบรายละเอียดเกี่ยวกับวิธีการทำงานของ Agentforce ตลอดจนความสามารถหลักและการแลกเปลี่ยนที่สถาปนิกและผู้ปฏิบัติงานทางเทคนิคทุกคนจำเป็นต้องทราบเมื่อสร้างด้วย Agentforce

สิ่งที่เราจะพูดถึง

• ประเด็นสำคัญ
• พื้นฐาน Agentforce
• พร้อมท์กับตัวแทน
• Agentforce ใช้เหตุผลอย่างไร
• แนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้ตัวกรองเทียบกับคำสั่ง
• แนวทางปฏิบัติที่ดีที่สุดสำหรับหัวข้อ คำสั่ง และการดำเนินการ
• Agentforce จำเป็นต้องมี Data Cloud หรือไม่
• คำกล่าวปิดท้าย
• ทรัพยากร

• ตัวแทนมีความแตกต่างจากเครื่องมือ AI การสร้างอื่นๆ เช่น แชทบอท Copilot และพร้อมท์ เพราะตัวแทนสามารถวางแผน ให้เหตุผล และใช้เครื่องมือโดยมีหรือไม่มีการแทรกแซงจากมนุษย์ก็ได้
• วิศวกรรมพร้อมท์ เป็นสิ่งสำคัญสำหรับการสร้างตัวแทน เป็นวิธีหลักในการชี้นำพฤติกรรมของตัวแทนและควบคุมผลลัพธ์ผ่านหัวข้อ การดำเนินการ และคำสั่ง และมีความจำเป็นสำหรับการออกแบบการดำเนินการที่ขับเคลื่อนด้วยแม่แบบพร้อมท์ที่มีประสิทธิภาพ
• หัวข้อ การดำเนินการ และคำสั่งคือวิธีควบคุมพร้อมท์ที่ขับเคลื่อนกลไกการใช้เหตุผล นั่นเป็นเหตุว่าทำไมสิ่งเหล่านี้จึงเป็นองค์ประกอบสำคัญในการใช้ Agentforce ทำงานให้กับคุณ
• เนื่องจาก Agentforce เป็นส่วนหนึ่งของ Salesforce Platform ตัวแทนที่สร้างด้วย Agentforce จึงสามารถใช้เครื่องมือ Low-code และ Pro-code ที่คุณคุ้นเคยอยู่แล้วได้
• Data Cloud เป็นส่วนสำคัญของ Agentforce เพราะขับเคลื่อนการจัดทำดัชนีและการแบ่งส่วนสำหรับ การสร้างโดยการเสริมจากภายนอก (RAG), การวิเคราะห์ตัวแทน, Bring Your Own Model (BYOM) และ Digital Wallet
• ตัวแทนนั้นน่าทึ่งมาก แต่บางครั้งแม่แบบพร้อมท์ก็เพียงพอแล้ว

พูดอย่างง่าย ๆ ตัวแทนคือซอฟต์แวร์ประเภทหนึ่งที่ใช้ Generative AI ในการตัดสินใจถึงสิ่งที่จะทำต่อไปและวิธีการ ตัวแทนสามารถเข้าใจคำถาม (มักเรียกว่าคำพูด) ใช้เหตุผลโดยอัตโนมัติเพื่อพิจารณาถึงการดำเนินการต่าง ๆ เพื่อให้บรรลุเป้าหมาย ระบุข้อมูลที่จำเป็น แล้วเริ่มดำเนินการ ไม่ว่าจะมีการแทรกแซงจากมนุษย์หรือไม่ก็ตาม ส่วนที่ดีที่สุดคืออะไร ตัวแทนใช้ โมเดลภาษาขนาดใหญ่ (LLM) แทนที่จะใช้กฎเกณฑ์ที่เขียนไว้ล่วงหน้าที่เข้มงวด สิ่งนี้ทำให้ตัวแทนมีความคล่องตัวมากกว่าการทำงานอัตโนมัติตามกฎเกณฑ์ แต่ยังเป็นการเปลี่ยนแปลงที่สำคัญจากซอฟต์แวร์ดั้งเดิมที่ปฏิบัติตามคำสั่งแบบฮาร์ดโค้ด

ความสามารถหลักของตัวแทน AI

• ตัวแทนมีความคล่องตัว และสามารถปรับตัวเข้ากับสถานการณ์ สภาพแวดล้อม และข้อมูลที่แตกต่างกันได้
• ตัวแทนสามารถทำงานโดยอัตโนมัติ (ทำงานโดยไม่ต้องมีการแทรกแซงจากมนุษย์) หรือสามารถรับคำสั่งเพื่อให้มนุษย์เข้ามามีส่วนร่วมได้
• ตัวแทนมีความแตกต่างจากเครื่องมือ Generative AI อื่นๆ เพราะสามารถวางแผน พิจารณาเหตุผล และดำเนินการได้

แม้ว่าตัวแทนจะไม่ปฏิบัติตามตรรกะแบบฮาร์ดโค้ดเหมือนซอฟต์แวร์ดั้งเดิม แต่ Agentforce ก็มีส่วนประกอบจำนวนหนึ่งที่จะเพิ่มการควบคุมเพิ่มเติมให้กับวิธีที่ตัวแทนของคุณใช้เหตุผล นอกจากนี้ยังมีคุณลักษณะจำนวนหนึ่งที่ทำให้ Agentforce สามารถขยายได้ ลองมาดูส่วนประกอบเหล่านี้อย่างรวดเร็ว:

การวางแผนเชิงกลยุทธ์เป็นส่วนสำคัญในการปรับใช้ตัวแทน AI หากองค์กรของคุณยังไม่มีแผนกลยุทธ์ เราขอแนะนำให้เรับตราสัญลักษณ์ กลยุทธ์ AI บน Trailhead จากนี้ไป เราจะถือว่าคุณคุ้นเคยกับกระบวนการกำหนดวิสัยทัศน์ด้าน AI การจัดตั้งคณะกรรมการ AI การวางระบบการกำกับดูแล AI การระบุกรณีการใช้งาน AI และการสร้างโรดแมปแล้ว

การสร้างตัวแทนต้องใช้เวลาและทรัพยากร การวางแผนอย่างรอบคอบจะช่วยให้คุณทำได้อย่างถูกต้องตั้งแต่ครั้งแรก ก่อนที่คุณจะเริ่มสร้างตัวแทนใดๆ ให้กำหนดกรณีการใช้งานและสร้างแผนผังขั้นตอนสำหรับตัวแทนแต่ละตัวที่คุณวางแผนจะสร้าง ตราสัญลักษณ์การวางแผนตัวแทนบน Trailhead ครอบคลุมการทำแผนผังขั้นตอนในหน่วย “สรุปงานของตัวแทน ” สรุปประสบการณ์ผู้ใช้ที่เหมาะสมที่สุด รวมถึงวิธีที่ระบบจะตอบสนองต่อการป้อนข้อมูลของผู้ใช้ และการจัดการกับข้อผิดพลาดหรือปัญหาที่อาจเกิดขึ้น

แผนภาพที่ได้จะช่วยให้มั่นใจว่าคุณเข้าใจลำดับการทำงาน ซึ่งจะช่วยให้คุณสามารถสร้างคำสั่ง และรู้ว่าจะใช้การดำเนินการ ตัวแปร และตัวกรองในจุดใด ประโยชน์ของแนวทางการวางแผนตัวแทนนี้ ได้แก่:

• การมีส่วนร่วมของผู้ใช้ทางธุรกิจและการตกลงในขอบเขต
• กำหนดการดำเนินการ คำสั่ง และแนวทางป้องกัน
• สร้างคำแนะนำเฉพาะที่ชัดเจน
• แก้ไขจุดบกพร่องระหว่างการทดสอบและการประเมิน
• ประเมินสถานการณ์แบบครบวงจร
• แสดงให้เห็นถึงแนวทางการปฏิบัติตามข้อบังคับและการตรวจสอบ
• อธิบายพฤติกรรมที่คาดหวังของตัวแทนและขอการอนุมัติ

ก่อนที่เราจะดำเนินการต่อ สิ่งสำคัญคือต้องทราบว่าตัวแทนไม่ใช่เครื่องมือ AI การสร้างเพียงอย่างเดียวที่มีให้ใช้งานบน Salesforce Platform แม่แบบพร้อมท์เป็นอีกเครื่องมืออันทรงพลังในการสร้างแอปพลิเคชันที่ใช้ AI การสร้าง แม่แบบพร้อมท์ที่สร้างขึ้นใน ตัวสร้างพร้อมท์ ช่วยให้คุณกำหนดชุดคำสั่งที่มีโครงสร้างและนำกลับมาใช้ใหม่ได้ ซึ่งเป็นแนวทางให้โมเดล AI การสร้างผลิตเอาต์พุตที่เจาะจง โดยสามารถอ้างอิงข้อมูล Salesforce ได้ผ่านฟิลด์ที่กำหนดไว้ล่วงหน้า กราฟข้อมูล และการสร้างโดยการเสริมจากภายนอก (RAG) จากข้อมูลตามบริบท แม่แบบพร้อมท์ยังมีความปลอดภัยสูงอีกด้วย โดยพร้อมท์ทั้งหมดจะถูกส่งผ่านเลเยอร์ความน่าเชื่อถือของ Salesforce ซึ่งจะทำงานตามการอนุญาต ปกปิดข้อมูลที่ละเอียดอ่อน และทำเครื่องหมายเอาต์พุตเชิงลบ

แม่แบบพร้อมท์คือการโต้ตอบแบบครั้งเดียวกับ AI และเหมาะอย่างยิ่งสำหรับงานครั้งเดียวที่ไม่ต้องใช้หน่วยความจำหรือการใช้เหตุผลหลายขั้นตอน ตัวอย่างเช่น แม่แบบพร้อมท์เหมาะอย่างยิ่งเมื่อคุณจำเป็นต้องแก้ไขคำในประโยคใหม่หรือสรุปเคสต่างๆ เนื่องจากไม่จำเป็นต้องมีบริบทต่อเนื่อง เมื่อออกแบบโซลูชันที่มีแม่แบบพร้อมท์ สิ่งสำคัญคือต้องจำไว้ว่าโซลูชันเหล่านั้นไม่มีสถานะ (เทมเพลตไม่รักษาหน่วยความจำระหว่างรอบ) และจะไม่สามารถตัดสินใจหรือดำเนินการใดๆ ได้ แม่แบบพร้อมท์จะสร้างการตอบสนองตามอินพุตและตรรกะที่คุณให้ไว้ในขณะออกแบบ

คุณสามารถใช้แม่แบบพร้อมท์ในโซลูชัน AI แบบฝังหรือคุณสามารถเพิ่มแม่แบบพร้อมท์ให้กับตัวแทนเป็นการดำเนินการของตัวแทนได้ การใช้แม่แบบพร้อมท์เพียงอย่างเดียวนั้นเหมาะอย่างยิ่งเมื่อ:

• บริบททางธุรกิจเป็นที่เข้าใจดีและมีเสถียรภาพ
• เอาต์พุตที่ต้องการจะเป็นไปตามรูปแบบที่คาดเดาได้ แม้ว่าการตอบสนองจะไม่แน่นอนก็ตาม
• ไม่จำเป็นต้องประเมินเส้นทางที่แตกต่างออกไปหรือดำเนินการด้วยตนเอง
• ไม่จำเป็นต้องมีบริบทหรือสถานะต่อเนื่อง
• ไม่จำเป็นต้องใช้การใช้เหตุผลแบบหลายขั้นตอน

เคสการใช้งานแม่แบบพร้อมท์:

• การสร้างสรุปเร็กคอร์ดที่มีโครงสร้าง เช่น การสรุปบันทึกเคส
• การสร้างบันทึกการประชุมอย่างเป็นโครงสร้าง
• การสร้างเทมเพลตการตอบกลับอีเมล
• การแนะนำการดำเนินการที่ดีที่สุดรองลงมา
• การระบุการวิเคราะห์ความคิดเห็นเกี่ยวกับเคส

โปรดทราบว่าแม้ว่าแม่แบบพร้อมท์จะสามารถกรอกข้อมูลแบบไดนามิกและสร้างการตอบกลับตามอินพุตแบบไดนามิกที่แสดงผลในระหว่างการทำงานได้ แต่เทมเพลตเหล่านี้ไม่สามารถใช้เหตุผลผ่านตัวเลือกหรือดำเนินการใด ๆ ได้

ตัวแทนคือระบบซอฟต์แวร์ที่ตัดสินใจโดยอัตโนมัติว่าจะต้องทำอะไร ในลำดับใด และจะทำอย่างไร โดยอิงตามบริบทที่เปลี่ยนแปลงไป ตัวแทนสามารถทำได้มากกว่าการพร้อมท์ครั้งเดียว เนื่องจากสามารถวางแผน ใช้เหตุผล เรียกการดำเนินการภายนอก (เช่น การเรียก API หรือการค้นหาฐานข้อมูล) และตอบสนองตามผลลัพธ์ได้ ตัวแทนสามารถเลือกเส้นทางหรือการตอบสนองที่แตกต่างกันได้ขึ้นอยู่กับสิ่งที่ได้เรียนรู้ระหว่างกระบวนการ ตัวแทนจะดีที่สุดเมื่อ:

• สภาพแวดล้อมหรือบริบทสามารถเปลี่ยนแปลงแบบไดนามิกได้
• สามารถทำการตัดสินใจหรือทำการเลือกได้หลากหลายตามข้อมูล
• AI จำเป็นต้องมาแทนที่หรือช่วยเหลือการตัดสินใจของมนุษย์ในการตัดสินใจหรือดำเนินการ

เคสการใช้งานตัวแทน AI:

• การจำแนกและการกำหนดเส้นทางเคสการสนับสนุนที่เข้ามา
• การแก้ไขปัญหาการจองโดยการตรวจสอบระบบและนโยบายภายนอก
• การจัดการเวิร์กโฟลว์หลายขั้นตอนด้วยวงจรข้อเสนอแนะ
• ร่างอีเมลตอบกลับเคสโดยอิงตามรายละเอียดของปัญหาของลูกค้า พร้อมด้วยวิธีแก้ไขที่เป็นไปได้และบทความให้ความรู้ที่เกี่ยวข้องจากเว็บไซต์ที่ปรากฏต่อลูกค้าของคุณ
• การกำหนดการนัดหมายโดยขึ้นอยู่กับความพร้อมทำงานของตัวแทนบริการและความต้องการของลูกค้า
• การตรวจจับเหตุการณ์ เช่น ปัญหาการอัปเดตซอฟต์แวร์ และการสร้างงานแก้ไขปัญหาเชิงรุก หรือการพยายามแก้ไขจากระยะไกลโดยการเรียกใช้การดำเนินการเพื่อกระตุ้นการเรียก API

ต้องการทำความเข้าใจว่า Agentforce เข้าใจคำขอของผู้ใช้และตัดสินใจว่าจะดำเนินการอย่างไรหรือไม่ หัวข้อนี้จะพาคุณเรียนรู้เกี่ยวกับกระบวนการตัดสินใจหลัก: กลไกการใช้เหตุผล Atlas การทำความเข้าใจลำดับการดำเนินการเป็นสิ่งสำคัญในการทำความเข้าใจสิ่งที่เกิดขึ้นเมื่อมีการบันทึกเร็กคอร์ดใน Salesforce เช่นเดียวกับการรู้ว่ากลไกการใช้เหตุผล Atlas ทำงานเบื้องหลังอย่างไรจะช่วยให้คุณเข้าใจวิธีการทำงานของ Agentforce

กลไกการใช้เหตุผล Atlas จะใช้ชุดพร้อมท์ รหัส การเรียก LLM และชุดองค์ประกอบสำคัญสามประการเพื่อช่วยให้ตัวแทนเข้าใจและตอบสนองได้อย่างมีประสิทธิภาพ ลองนึกถึงองค์ประกอบทั้งสามประการต่อไปนี้ (หัวข้อ คำสั่ง และการดำเนินการ) เป็นเครื่องมือที่คุณควบคุมเพื่อให้ตัวแทนทำงานให้กับคุณ เมื่อคุณปรับเปลี่ยนองค์ประกอบเหล่านี้ คุณกำลังออกแบบพร้อมท์ที่กลไกการใช้เหตุผลนำมาใช้ในการทำความเข้าใจ ตัดสินใจ และดำเนินการ ถูกต้องแล้ว: Agentforce ใช้พร้อมท์ในกลไกการใช้เหตุผลเพื่อจัดประเภทหัวข้อและการดำเนินการ ซึ่งหมายความว่า คุณจะดำเนินการทางวิศวกรรมทันทีทุกครั้งที่คุณสร้างตัวแทนในเครื่องมือสร้างตัวแทน!

ก่อนที่เราจะเจาะลึกลงไปในกลไกการใช้เหตุผล Atlas มาดูหัวข้อ คำสั่ง และการดำเนินการโดยละเอียดกันก่อน ซึ่งเป็นข้อมูลเมตาสามส่วนที่สำคัญที่คุณต้องกำหนดทุกครั้งที่สร้างตัวแทนด้วย Agentforce

หัวข้อเป็นรากฐานของความสามารถของตัวแทนของคุณ โดยกำหนดว่าตัวแทนสามารถทำอะไรได้และประเภทของคำขอของลูกค้าที่สามารถจัดการได้ ลองนึกถึงแผนกเหล่านี้ว่าเป็นแผนกเฉพาะทางที่มีความเชี่ยวชาญเฉพาะด้าน มีเครื่องมือ (การดำเนินการ) และแนวปฏิบัติ (คำสั่ง) เมื่อลูกค้าส่งข้อความ ตัวแทนของคุณจะต้องกำหนดก่อนว่า "แผนก" (หัวข้อ) ใดควรจัดการคำขอดังกล่าว จากนั้นจึงปฏิบัติตามแนวทางของแผนกนั้นๆ และใช้เครื่องมือของแผนกนั้นๆ เพื่อช่วยเหลือลูกค้า หัวข้อยังมีขอบเขตที่กำหนดว่าตัวแทนสามารถทำอะไรได้และไม่สามารถทำอะไรได้ภายในด้านที่เจาะจงของหัวข้อนั้น

คำสั่งคือแนวปฏิบัติที่กำหนดวิธีดำเนินการสนทนาในหัวข้อต่าง ๆ โดยเป็นแนวทางในการเลือกการดำเนินการ กำหนดรูปแบบการสนทนา และให้บริบททางธุรกิจ หัวข้อที่ชัดเจนและแยกจากกันจะช่วยป้องกันการทับซ้อน และทำให้แน่ใจว่ากลไกการใช้เหตุผลจัดประเภทคำขอของลูกค้าได้อย่างถูกต้อง คำสั่งควรชัดเจน เจาะจง และดำเนินการได้จริงเพื่อให้ตัวแทนได้รับคำแนะนำอย่างมีประสิทธิภาพ

การดำเนินการทำหน้าที่เป็นเครื่องมือที่ตัวแทนของคุณใช้เพื่อรับข้อมูลหรือดำเนินงาน เมื่อกำหนดการดำเนินการสิ่งสำคัญคือต้องเข้าใจว่ากลไกการใช้เหตุผลประมวลผลการดำเนินการเหล่านั้นอย่างไร กลไกจะตรวจสอบการดำเนินการที่มีอยู่โดยอิงตามชื่อคำอธิบายและอินพุตรวมถึงคำสั่งหัวข้อและบริบทการสนทนา Agentforce มาพร้อมกับการดำเนินการของตัวแทนมาตรฐานจำนวนหนึ่งและคุณสามารถสร้างการดำเนินการของตัวแทนแบบกำหนดเองเพื่อขยายการนำไปใช้ของคุณเพิ่มเติมได้ อย่างไรก็ตามคุณควรตรวจสอบเสมอว่าสามารถใช้การดำเนินการมาตรฐานได้หรือไม่ก่อนที่จะสร้างการดำเนินการแบบกำหนดเอง ออกแบบการดำเนินการโดยคำนึงถึงการนำกลับมาใช้ใหม่ได้เนื่องจากสามารถนำไปใช้ได้ในหลายหัวข้อ ออกแบบการดำเนินการโดยคำนึงถึงการนำกลับมาใช้ซ้ำ เนื่องจากสามารถนำไปใช้ได้ในหลายหัวข้อ ด้านล่างนี้คือรายการการดำเนินการของตัวแทนแบบกำหนดเองที่พร้อมใช้งานและเวลาที่คุณควรใช้:

คุณอาจสงสัยว่าตัวแทนใช้หัวข้อ คำสั่ง และการดำเนินการอย่างไรในการทำงานให้สำเร็จ ต่อไปนี้คือรายละเอียดทีละขั้นตอนของสิ่งที่เกิดขึ้นภายในกลไกการใช้เหตุผล Atlas ทุกครั้งที่มีการเรียกใช้ตัวแทน

กระบวนการเริ่มต้นเมื่อได้รับข้อความหรือคำถามจากผู้ใช้ หรือเมื่อมีการเรียกใช้ตัวแทนจากเหตุการณ์ การเปลี่ยนแปลงข้อมูล หรือการเรียก API

กลไกการใช้เหตุผลจะวิเคราะห์ข้อความของผู้ใช้เพื่อจัดประเภทตามหัวข้อที่เกี่ยวข้องที่สุด สำหรับขั้นตอนการจัดประเภทนี้ กลไกการใช้เหตุผลจะดูที่ชื่อหัวข้อและคำอธิบายการจัดหมวดหมู่ของหัวข้อนั้นเท่านั้น หากไม่มีหัวข้อที่เหมาะสม ระบบจะจัดอยู่ในประเภท "นอกหัวข้อ" ตามค่าเริ่มต้น

ขอบเขต คำสั่ง และการดำเนินการที่เกี่ยวข้องกับหัวข้อที่เลือก จะถูกใส่เข้าไปในพร้อมท์พร้อมกับข้อความของผู้ใช้ดั้งเดิมและประวัติการสนทนา โดยทั่วไปคือ 6 ครั้งล่าสุด จากนั้นพร้อมท์ที่ได้จะถูกส่งไปยัง LLM เพื่อกำหนดว่าตัวแทนควรทำอะไรต่อไป

ตัวแทนจะวิเคราะห์อินพุตโดยรวม (ข้อความของผู้ใช้ คำสั่ง การดำเนินการที่อาจเกิดขึ้น) และตัดสินใจขั้นตอนถัดไป:

• ดำเนินการ: หากต้องการข้อมูลเฉพาะหรือต้องดำเนินงาน
• ตอบกลับผู้ใช้: หากมีข้อมูลเพียงพอหรือกำลังค้นหาข้อมูล ตัวแทนสามารถส่งคำตอบได้

• ตัวแทนเรียกใช้การดำเนินการที่เลือก
• บันทึกเอาต์พุตหรือผลลัพธ์จากการดำเนินการ
• การประมวลผลเอาต์พุตการดำเนินการ: เอาท์พุตของการดำเนินการจะถูกส่งกลับไปยัง LLM รวมเข้ากับบริบทเดิมอีกครั้ง (คำสั่ง การดำเนินการ ประวัติการสนทนา)

• ตัวแทนจะประเมินสถานการณ์อีกครั้ง โดยอิงจากข้อมูลใหม่ (ผลลัพธ์การดำเนินการ) และบริบทการสนทนาที่กำลังดำเนินอยู่
• เอาต์พุตจะถูกส่งพร้อมกับขอบเขตหัวข้อโฟกัส คำสั่ง และการดำเนินการ และตัดสินใจว่าจะรันการดำเนินการอื่นหรือกำหนดการตอบสนองหรือไม่
• ลูปนี้จะดำเนินต่อไปจนกว่าตัวแทนจะกำหนดได้ว่าตนมีข้อมูลที่จำเป็นทั้งหมดแล้วและพร้อมที่จะตอบกลับผู้ใช้โดยตรง

ก่อนที่จะส่งการตอบกลับขั้นสุดท้าย ตัวแทนจะทำการตรวจสอบครั้งสุดท้ายเพื่อให้แน่ใจว่าการตอบกลับที่เสนอนั้นมีเหตุผลและปฏิบัติตามคำสั่งหัวข้อที่ให้ไว้ ขั้นตอนนี้คือการตรวจสอบว่าการตอบสนอง:

• มีรากฐานจากแหล่งข้อมูลอย่างถูกต้อง
• ยึดตามคำสั่งและขอบเขตของหัวข้อ
• ไม่รวมถึงข้อมูลที่สรุปเอาเองหรือข้อมูลที่ยังไม่ได้รับการยืนยัน
• ปราศจากความเสี่ยงที่อาจเกิดจากการแทรกพร้อมท์

ส่งการตอบกลับขั้นสุดท้ายที่ผ่านการตรวจสอบแล้วไปยังผู้ใช้ หากขั้นตอนการสร้างรากฐานล้มเหลว ตัวแทนจะลองใหม่และพยายามสร้างการตอบกลับที่เป็นเหตุเป็นผล หากไม่สามารถสร้างการตอบกลับที่เป็นเหตุเป็นผลได้ ระบบจะส่งข้อความมาตรฐานเพื่อแจ้งให้ผู้ใช้ทราบว่าไม่สามารถช่วยเหลือเกี่ยวกับคำร้องขอนั้นได้

การทำความเข้าใจเวิร์กโฟลว์นี้จะช่วยอธิบายว่าเหตุใดส่วนประกอบแต่ละส่วนของตัวแทนของคุณ ไม่ว่าจะเป็นหัวข้อ คำสั่ง และการดำเนินการ จึงต้องได้รับการออกแบบอย่างรอบคอบ เพื่อให้ทำงานร่วมกับกระบวนการใช้เหตุผลนี้ แต่มันไม่หยุดเพียงแค่นั้น

Agentforce จะใช้การกรองแบบมีเงื่อนไขเพื่อให้มีการควบคุมเพิ่มเติมและเพิ่มตรรกะที่แน่นอนให้กับเวิร์กโฟลว์ของตัวแทนของคุณ ซึ่งเหมือนกับการมีกฎการมองเห็นแบบไดนามิกสำหรับฟิลด์แบบฟอร์ม แต่สำหรับให้ตัวแทนของคุณใช้เมื่อต้องใช้เหตุผล

ตัวกรองแบบมีเงื่อนไขทำหน้าที่เป็นผู้ดูแลที่จะกำหนดว่าควรพิจารณาหัวข้อหรือการดำเนินการหรือไม่ระหว่างกระบวนการใช้เหตุผล ตัวกรองจะทำงานที่ระดับระบบเพื่อลบหรือรวมหัวข้อและการดำเนินการทั้งหมดโดยอิงตามเงื่อนไขเฉพาะ ซึ่งต่างจากคำสั่งที่ใช้ชี้นำการตัดสินใจของ LLM

การกรองแบบมีเงื่อนไขช่วยเพิ่มประสิทธิภาพของตัวแทนได้สองวิธีที่สำคัญ:

1. ปรับปรุงความแม่นยำในการจัดประเภทหัวข้อ

การลบหัวข้อที่ไม่เกี่ยวข้องออกจากการพิจารณาตามสถานะการสนทนา จะช่วยลด "สิ่งรบกวนด้านความหมาย" ในระหว่างกระบวนการจัดประเภทหัวข้อ ซึ่งจะช่วยให้ LLM เลือกหัวข้อที่ถูกต้องสำหรับคำถามของผู้ใช้ได้ง่ายขึ้น

ตัวอย่างเช่น หากผู้ใช้ยังไม่ได้ทำการตรวจสอบสิทธิ์ ตัวกรองสามารถซ่อนหัวข้อทั้งหมดที่เกี่ยวข้องกับการดำเนินการเฉพาะบัญชีได้ วิธีนี้จะช่วยป้องกันไม่ให้ตัวแทนจัดประเภทคำถามทั่วไปผิดไปเป็นหัวข้อละเอียดอ่อน ซึ่งอาจนำไปสู่ข้อผิดพลาดในการตรวจสอบสิทธิ์หรือการตอบสนองที่ไม่เหมาะสมในที่สุด

2. การเลือกการดำเนินการให้เหมาะสมกับบริบท

เมื่อเลือกหัวข้อแล้ว ตัวกรองจะปรับแต่งการดำเนินการต่างๆ ภายในหัวข้อนั้นให้ละเอียดยิ่งขึ้นโดยอิงตามสถานะการสนทนาปัจจุบัน:

• หากไม่ได้ระบุตัวแปรที่จำเป็น (เช่น หมายเลขคำสั่งซื้อ) การดำเนินการที่ขึ้นอยู่กับตัวแปรเหล่านั้นอาจถูกซ่อนไว้
• หากการดำเนินการบางอย่างสามารถใช้ได้เฉพาะตามแอตทริบิวต์หรือการให้สิทธิ์ของผู้ใช้ ตัวกรองจะสามารถบังคับใช้กฎเหล่านั้นได้

การทำงานของการกรองตามเงื่อนไข

กลไกการใช้เหตุผล Atlas รองรับการกรองตามตัวแปรสองประเภท: ตัวแปรบริบทและตัวแปรที่กำหนดเอง ต่อไปนี้เป็นภาพรวมโดยย่อของคุณสมบัติของแต่ละประเภท:

ตัวแปรเหล่านี้เป็นตัวแปรที่ได้มาจากเซสชันการส่งข้อความ และอาจรวมถึง:

• ฟิลด์มาตรฐานจากอ็อบเจ็กต์เซสชันการส่งข้อความ
• เพิ่มฟิลด์ที่กำหนดเองลงในอ็อบเจ็กต์เซสชันการส่งข้อความ
• ข้อมูลแบบฟอร์มก่อนการแชท
• ข้อมูลจากเซสชันการส่งข้อความครั้งก่อน

ตัวแปรบริบทมีประโยชน์อย่างยิ่งสำหรับการปรับแต่งการโต้ตอบตามข้อมูลที่ทราบของลูกค้าโดยไม่จำเป็นต้องให้ตัวแทนขอระหว่างการสนทนา เมื่อออกแบบโซลูชันด้วยตัวแปรบริบท สิ่งสำคัญคือต้องทราบ ว่าตัวแปรจะถูกตั้งค่าเมื่อเริ่มต้นเซสชัน และไม่สามารถเปลี่ยนแปลงได้ในระหว่างเซสชันนั้น

ตัวแปรที่กำหนดเองจะเก็บข้อมูลที่ส่งกลับมาจากการดำเนินการ สิ่งเหล่านี้สามารถนำมาใช้สำหรับ:

• การติดตามสถานะการสนทนา (เช่น สถานะการยืนยันตัวตน)
• การจัดเก็บเอาต์พุตการดำเนินการที่ต้องคงอยู่ในอินพุตการดำเนินการ
• การสร้างการพึ่งพาระหว่างการดำเนินการ ทำให้สามารถดำเนินการได้เฉพาะเมื่อตรงตามเงื่อนไขบางประการเท่านั้น

ตัวกรองจะอ้างอิงตามค่าของตัวแปรบริบทและตัวแปรที่กำหนดเอง โดยตัวกรองสามารถนำมาใช้ได้ทั้งในระดับหัวข้อและระดับการดำเนินการ:

• ตัวกรองระดับหัวข้อ: ควบคุมว่าหัวข้อทั้งหมดพร้อมสำหรับการจัดประเภทหรือไม่
• ตัวกรองระดับการดำเนินการ: ควบคุมความพร้อมทำงานของการดำเนินการที่เจาะจงภายในหัวข้อ แม้ว่าหัวข้อนั้นจะถูกเลือกก็ตาม

ต่อไปนี้เป็นมุมมองแบบเรียบง่ายของกลไกการใช้เหตุผล Atlas ซึ่งแสดงให้เห็นถึงความสอดคล้องของตัวกรองระดับหัวข้อและระดับการดำเนินการกับโฟลว์ของการใช้เหตุผล

เคสการใช้งานที่พบบ่อยที่สุดสำหรับการกรองคือการควบคุมการเข้าถึงการดำเนินการที่ละเอียดอ่อน:

ตัวกรอง: "ต้องมีการตรวจสอบสิทธิ์"

เงื่อนไข: authenticationStatus = "ยืนยันแล้ว"

นำไปใช้กับ: หัวข้อ "การจัดการบัญชี", หัวข้อ "การดำเนินการชำระเงิน"

วิธีนี้จะช่วยให้มั่นใจได้ว่าแม้ว่าผู้ใช้จะถามเกี่ยวกับบัญชีหรือการชำระเงินของตนก่อนทำการตรวจสอบสิทธิ์ ตัวแทนก็จะไม่อนุญาตให้มีการเรียกใช้งานหัวข้อเหล่านี้

ตัวกรองยังช่วยให้ขั้นตอนกระบวนการรันไปตามลำดับที่ถูกต้องได้ด้วย:

ตัวกรอง: "จำเป็นต้องมีหมายเลขคำสั่งซื้อ"

เงื่อนไข: orderNumber != null

นำไปใช้กับ: การดำเนินการ "ตรวจสอบสถานะคำสั่งซื้อ", การดำเนินการ "แก้ไขคำสั่งซื้อ"

สิ่งนี้จะช่วยให้แน่ใจว่าการดำเนินการที่เกี่ยวข้องกับคำสั่งซื้อจะพร้อมใช้งานหลังจากรวบรวมและจัดเก็บหมายเลขคำสั่งซื้อไว้ในตัวแปรแล้วเท่านั้น

สิ่งสำคัญคือต้องเข้าใจถึงความแตกต่างระหว่างการกรองและคำสั่ง:

1. ตัวกรองทำงานแบบกำหนดตายตัว: ตัวกรองใช้การจับคู่ตัวแปรเพื่อรวม/ไม่รวมหัวข้อและการดำเนินการ
2. คำสั่งถูกตีความโดย LLM: คำสั่งเหล่านี้อาศัยความเข้าใจของ LLM และมีลักษณะที่ไม่กำหนดแน่นอน ซึ่งหมายความว่าผลลัพธ์อาจแตกต่างกันไปตามการทำความเข้าใจและการตีความของโมเดล
3. ตัวกรองจำกัดการตัดสินใจของตัวแทน: จะลบตัวเลือกที่ไม่เกี่ยวข้องออกไปอย่างสิ้นเชิง ซึ่งช่วยลดขอบเขตการค้นหาและนำไปสู่ความแม่นยำที่ดียิ่งขึ้น

อีกส่วนหนึ่งของกลไกการใช้เหตุผล Atlas คือการอ้างอิง คุณสามารถใช้การอ้างอิงเพื่อตรวจสอบแหล่งที่มาที่ LLM ใช้ในการสร้างการตอบกลับ แผนภาพด้านล่างนี้แสดงสถานการณ์ที่การอ้างอิงมีความเหมาะสมกับการทำงานของกลไกการใช้เหตุผล

แผนภาพนี้ยังเน้นย้ำถึงสถาปัตยกรรมแบบประกอบของกลไกการใช้เหตุผลอีกด้วย การยกระดับ การอ้างอิง และแนวทางป้องกันเป็นส่วนประกอบแบบโมดูลาร์ที่ใช้โดยกลไกการใช้เหตุผลเมื่อสร้างตัวแทนโดยใช้ Agentforce สำหรับเทมเพลตบริการ ในปัจจุบัน ส่วนประกอบแบบโมดูลาร์ที่ใช้โดยกลไกการใช้เหตุผลจะถูกตั้งค่าเป็นเทมเพลตๆ ไป เรากำลังดำเนินการเพื่อให้ส่วนประกอบเหล่านี้มีลักษณะคล้ายชิ้นส่วนเลโก้มากยิ่งขึ้น ซึ่งสามารถสลับเปลี่ยนระหว่างตัวแทนและลูกค้าได้ในอนาคต

เราได้กล่าวถึงไปพอสมควรแล้ว ตอนนี้เรามาย้อนกลับไปดูตัวอย่างแบบครบถ้วนว่าหัวข้อ คำสั่ง และการดำเนินการทำงานร่วมกับกลไกการใช้เหตุผลอย่างไรเมื่อลูกค้าถามคำถามกับเจ้าหน้าที่

ข้อความจากลูกค้า: "ฉันสั่งเสื้อกันหนาวสีแดงเมื่อวานนี้ แต่ฉันต้องการเปลี่ยนที่อยู่จัดส่ง"

• กลไกจะเปรียบเทียบข้อความกับชื่อหัวข้อและคำอธิบายการจัดประเภททั้งหมด
• เครื่องมือจะเลือกหัวข้อ “เปลี่ยนคำสั่งซื้อ” เนื่องจากคำอธิบายการจัดประเภทระบุว่า “การเปลี่ยนแปลงคำสั่งซื้อ”

• กลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์จะนำหัวข้อ “เปลี่ยนเวลาส่งมอบ” หรือ “เปลี่ยนที่อยู่” มาใส่ในพร้อมท์หลัก และรวมขอบเขต คำสั่ง และการดำเนินการที่ใช้ได้ของหัวข้อนั้น เข้ากับประวัติการสนทนาและข้อความของผู้ใช้
• ขอบเขตระบุว่าตัวแทนสามารถแก้ไขคำสั่งซื้อได้แต่ไม่สามารถยกเลิกคำสั่งซื้อหลังจากที่ได้รับการประมวลผลแล้ว
• คำสั่งรวมถึงคำแนะนำในการจัดการกับการแก้ไขคำสั่งซื้อ

• จากคำสั่งหัวข้อและคำอธิบายการดำเนินการ กลไกจะพิจารณาว่าจะต้องดำเนินการดังต่อไปนี้
  • ระบุคำสั่งซื้อก่อน (โดยใช้การดำเนินการ "ค้นหาคำสั่งซื้อตามคำอธิบาย")
  • จากนั้นอัปเดตที่อยู่จัดส่ง (โดยใช้การดำเนินการ “อัปเดตการจัดส่งคำสั่งซื้อ”)

• กลไกจะถามอีเมลลูกค้าเพื่อค้นหาคำสั่งซื้อ
• เมื่อพบคำสั่งซื้อแล้ว กลไกจะรวบรวมที่อยู่จัดส่งใหม่
• รันการดำเนินการ "อัปเดตการจัดส่งสินค้า" ด้วย ID คำสั่งซื้อและที่อยู่ใหม่
• ยืนยันการเปลี่ยนแปลงที่อยู่กับลูกค้า

ตอนนี้คุณเข้าใจแล้วว่ากลไกการใช้เหตุผลทำงานอย่างไร และเหตุใดหัวข้อ การดำเนินการ และคำสั่งจึงมีความสำคัญ มาดูแนวทางปฏิบัติที่ดีที่สุดในการสร้างสิ่งเหล่านี้กัน

หัวข้อเป็นรากฐานของความสามารถของตัวแทนของคุณ หัวข้อจะเป็นตัวกำหนดว่าตัวแทนของคุณรู้วิธีทำอะไรและสามารถจัดการคำขอประเภทใดของลูกค้าได้บ้าง องค์ประกอบทั้งสามของหัวข้อคือ ชื่อหัวข้อ คำอธิบายการจัดประเภท และขอบเขต

• ลองคิดดูว่า: “ฉันจะจัดหมวดหมู่ ‘งานที่ต้องทำ’ โดยตัวแทนของฉันได้อย่างไร”
• ใช้ชื่อที่จดจำได้ง่าย
• ใช้ชื่อที่สั้นและสื่อความหมายได้ชัดเจน
• ตั้งชื่อขึ้นต้นด้วยคำกริยา เช่น ระบุ เปลี่ยน หรือ ยกเลิก
• ตรวจสอบให้แน่ใจว่าชื่อหัวข้อที่แตกต่างกันมีความหมายไม่ทับซ้อนกัน
• ตรวจสอบหัวข้อที่มีอยู่ก่อนที่จะสร้างหัวข้อใหม่
• จำกัดหัวข้อให้เหลือ 10-15 หัวข้อต่อตัวแทน หัวข้อที่มากเกินไปหรือทับซ้อนกันจะเพิ่มโอกาสที่ตัวแทนทำงานไม่สอดคล้องกันหรือไม่ถูกต้อง

• รวมถึงวิธีต่างๆ ที่ผู้ใช้อาจขอความช่วยเหลือประเภทนี้
• ระบุคำสำคัญและวลีเฉพาะที่ลูกค้ามักใช้
• ครอบคลุมคำถามทั้งหมดที่ควรครอบคลุมหัวข้อนี้
• เขียนด้วยภาษาธรรมชาติ ไม่ใช่ศัพท์เทคนิค
• ให้มีความแตกต่างจากคำอธิบายหัวข้ออื่น

หากคุณพบว่าตัวแทนไม่สามารถเลือกหัวข้อที่ถูกต้องให้กับคำถามของผู้ใช้อย่างต่อเนื่อง คุณควรเริ่มตรวจสอบและปรับแต่งที่ชื่อหัวข้อและคำอธิบายก่อน

• เขียนสิ่งนี้เหมือนกับว่าคุณกำลังอธิบายงานให้พนักงานใหม่ฟัง: “งานของคุณคือ... คุณไม่สามารถ…”
  • ชัดเจนเกี่ยวกับทั้งการอนุญาตและข้อจำกัด
• ใช้ภาษาที่ชัดเจนและไม่คลุมเครือเกี่ยวกับขอบเขต

มาดูวิธีการกำหนดค่าหัวข้อในเวลาออกแบบเพื่อให้ตัวแทนสามารถช่วยผู้ใช้รีเซ็ตรหัสผ่านของตนได้ หัวข้อ คำสั่ง และการดำเนินการอาจมีลักษณะดังนี้:

จากนั้นในระหว่างการรันไทม์ เมื่อลูกค้าโต้ตอบกับตัวแทนของเราจากเว็บไซต์ของบริษัท นี่คือสิ่งที่เกิดขึ้น:

1. ลูกค้ากล่าวว่า: “ฉันลืมรายละเอียดการเข้าสู่ระบบของฉัน”
2. กลไกการใช้เหตุผลจะจับคู่สิ่งนี้กับหัวข้อ การรีเซ็ตรหัสผ่าน เนื่องจาก คำอธิบายการจัดประเภท ระบุว่า “ลืมรหัสผ่าน ปัญหาการเข้าสู่ระบบ ปัญหาการเข้าถึงบัญชี”
3. ขอบเขต จะแจ้งตัวแทนว่าสามารถช่วยรีเซ็ตรหัสผ่านได้ แต่ไม่สามารถเข้าถึงข้อมูลบัญชีหรือเปลี่ยนแปลงบัญชีได้
4. ตัวแทนจะปฏิบัติตามคำสั่งเพื่อตรวจสอบข้อมูลประจำตัวลูกค้าก่อน จากนั้นจึงเสนอที่จะส่งลิงก์การรีเซ็ตรหัสผ่าน
5. ตัวแทนใช้การดำเนินการส่งอีเมลรีเซ็ตรหัสผ่าน เพื่อดำเนินงานให้เสร็จสมบูรณ์

คำสั่งคือแนวปฏิบัติที่บอกตัวแทนของคุณว่าจะต้องจัดการการสนทนาภายในหัวข้ออย่างไร คำสั่งช่วยให้ตัวแทนตัดสินใจได้ว่าจะดำเนินการอย่างไรและจะตอบสนองอย่างไร

คำสั่งมีบทบาทสำคัญในกระบวนการตัดสินใจของตัวแทนของคุณหลายบทบาท:

1. การเลือกการดำเนินการที่แนะนำ: ช่วยให้ตัวแทนของคุณเลือกการดำเนินการที่จะใช้สำหรับสถานการณ์ที่เจาะจง
2. การกำหนดรูปแบบการสนทนา: กำหนดว่าตัวแทนของคุณควรโต้ตอบกับลูกค้าอย่างไร
3. การให้บริบททางธุรกิจ: ช่วยให้ตัวแทนของคุณเข้าใจกระบวนการและคำศัพท์ของบริษัท

หากไม่มีคำสั่งที่ชัดเจน ตัวแทนของคุณอาจเลือกการดำเนินการที่ผิด เข้าใจคำขอของผู้ใช้ผิด หรือให้คำตอบที่ไม่สอดคล้องกัน แต่โปรดจำไว้ว่าคำสั่งจะได้รับการรวมเข้าไปในพร้อมท์และส่งไปยัง LLM จึงทำให้มีความไม่แน่นอน คำสั่งดังกล่าวไม่ได้ทดแทนความจำเป็นที่ต้องมีกฎเกณฑ์ทางธุรกิจที่อยู่ในรูปแบบโค้ดภายในการดำเนินการ

เมื่อกลไกการใช้เหตุผลประมวลผลคำขอของลูกค้า จะใช้คำสั่งของคุณเพื่อ:

1. ตัดสินใจถึงการดำเนินการที่จะใช้: คำสั่งช่วยให้กลไกสามารถกำหนดการดำเนินการที่เหมาะสมที่สุดสำหรับสถานการณ์เฉพาะได้
2. กำหนดลำดับขั้นตอน: คำสั่งสามารถแนะนำกลไกว่าควรดำเนินการบางขั้นตอนก่อนขั้นตอนอื่นๆ หรือไม่ หากต้องการความแน่นอนยิ่งขึ้น คุณสามารถใช้ตัวแปรการดำเนินการและตัวกรองแบบมีเงื่อนไขได้
3. จัดรูปแบบการตอบกลับ: คำสั่งจะกำหนดวิธีการนำเสนอข้อมูลกลับไปยังลูกค้า
4. จัดการข้อยกเว้น: คำสั่งจะบอกกลไกว่าจะต้องทำอย่างไรเมื่อกระบวนการมาตรฐานใช้ไม่ได้ (ตัวอย่างเช่น หากเกิดเคสพิเศษ ให้เสนอที่จะส่งต่อปัญหาไปยังตัวแทน)

ยิ่งคำสั่งของคุณชัดเจนและเฉพาะเจาะจงมากเท่าใด ตัวแทนของคุณก็จะทำงานได้สม่ำเสมอมากขึ้นเท่านั้น

เมื่อคุณสร้างตัวแทนของคุณ สิ่งที่สำคัญคือต้องเข้าใจว่าเมื่อใดควรใช้คำสั่งหรือการดำเนินการเพื่อนำฟังก์ชันต่างๆ ไปใช้ ใช้การดำเนินการสำหรับตรรกะทางธุรกิจที่สำคัญซึ่งจะต้องบังคับใช้โดยสม่ำเสมอ เช่น การคำนวณที่ซับซ้อน การประมวลผลข้อมูลที่ละเอียดอ่อน และการดำเนินการหลายขั้นตอนที่ต้องใช้การจัดลำดับที่เฉพาะเจาะจง ในทางตรงกันข้าม ให้ใช้คำสั่งในการแนะนำทิศทางการสนทนา ช่วยให้ตัวแทนเลือกการดำเนินการที่เหมาะสมตามบริบท การกำหนดรูปแบบการตอบกลับและน้ำเสียง และการกำหนดกลยุทธ์การชี้แจงเมื่อข้อมูลคลุมเครือ

• ตัวอย่างที่ไม่แนะนำให้ใช้: “อย่าทำการคืนเงินสำหรับคำสั่งซื้อที่มีอายุเกิน 30 วัน” (เป็นคำสั่ง)
• แนวทางที่ดีกว่า: สร้างตรรกะนี้ลงในการดำเนินการคืนเงินหลังการสั่งซื้อโดยมีการป้อนวันที่ และทำการตรวจสอบการดำเนินการ

ตัวอย่างการดำเนินการคืนเงินหลังการสั่งซื้อ:

public with sharing class RefundOrderHandler {

public class RefundResult {

@AuraEnabled public Boolean canReturn;

@AuraEnabled public String message;

}

@AuraEnabled

public static RefundResult processRefund(Id orderId, Date orderDate) {

RefundResult result = new RefundResult();

if (orderDate == null || orderId == null) {

result.canReturn = false;

result.message = 'ป้อนข้อมูลไม่ถูกต้อง: ต้องป้อน ID คำสั่งซื้อและวันที่สั่งซื้อ';

return result;

}

วันที่วันนี้ = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = 'ไม่สามารถส่งคืนคำสั่งซื้อได้ เพราะผ่านไปเกิน 30 วันแล้ว';

} else {

result.canReturn = true;

result.message = 'สามารถส่งคืนคำสั่งซื้อได้ กำลังส่งใบส่งคืน';

sendReturnEmail(orderId);

}

return result;

}

• กำหนดคำศัพท์ของคุณ: อย่าคิดเอาเองว่าตัวแทนจะรู้ว่าคำศัพท์ของอุตสาหกรรมหมายถึงอะไร
  • ตัวอย่าง: “รหัสโปรโมชันใช้สำหรับส่วนลดระหว่างการชำระเงิน ในขณะที่รหัสลงทะเบียนใช้สำหรับลงทะเบียนผลิตภัณฑ์เพื่อการรับประกัน”
• ระบุลำดับให้ชัดเจน: หากขั้นตอนต่าง ๆ ควรเกิดขึ้นตามลำดับ ให้ระบุไว้อย่างชัดเจนและรวมไว้ในช่องคำสั่งเดียว
  • ตัวอย่าง: "ตรวจสอบข้อมูลประจำตัวลูกค้าก่อนโดยใช้การดำเนินการ "ตรวจสอบลูกค้า" จากนั้นจึงระบุข้อมูลบัญชี"
• ใช้คำศัพท์ที่สอดคล้องกัน: ใช้คำศัพท์เดียวกันตลอดคำสั่งทั้งหมดของคุณ
  • ตัวอย่างที่ไม่แนะนำให้ใช้: "ตรวจสอบข้อมูลของลูกค้า" ในคำสั่งหนึ่งและ "ยืนยันรายละเอียดของผู้ซื้อ" ในอีกคำสั่งหนึ่ง
  • ตัวอย่างที่แนะนำให้ใช้: ใช้คำว่า "ลูกค้า" อย่างสม่ำเสมอและอ้างถึงการดำเนินการด้วยชื่อที่ชัดเจน
• ระวังคำที่เด็ดขาด เช่น “เสมอ” และ “ไม่เคย” มักได้รับการตีความตามความหมายที่แท้จริง
  • คำที่เด็ดขาดสามารถส่งผลกระทบอย่างมีนัยสำคัญต่อวิธีการโต้ตอบของตัวแทนของคุณ ต้องแน่ใจว่าวิธีใช้ที่ระบุไว้ในคำสั่งเป็นวิธีที่คุณตั้งใจ
• จับคู่การดำเนินการกับสถานการณ์: ระบุให้ชัดเจนว่าจะใช้การดำเนินการใดในสถานการณ์ใด
  • ตัวอย่าง: "ใช้การดำเนินการติดตามคำสั่งซื้อเมื่อลูกค้าถามเกี่ยวกับตำแหน่งของพัสดุหรือวันที่จัดส่ง"
• ให้เกณฑ์การตัดสินใจ: ช่วยให้ตัวแทนของคุณเลือกตัวเลือกที่เหมาะสมหากมีหลายตัวเลือกที่คล้ายคลึงกัน
  • ตัวอย่าง: "หากลูกค้าสามารถเข้าถึงอีเมลของตนได้ ให้ใช้การดำเนินการ "รีเซ็ตรหัสผ่านอีเมล" หากผู้ใช้เข้าถึงอีเมลของตนเองไม่ได้ ให้ใช้การดำเนินการตรวจสอบคำถามด้านความปลอดภัย"

การดำเนินการเป็นเครื่องมือที่ตัวแทนของคุณใช้เพื่อรับข้อมูลหรือดำเนินงานต่างๆ

เมื่อตัวแทนของคุณจัดการกับคำขอของลูกค้า กลไกการใช้เหตุผล:

1. วิเคราะห์ข้อความของลูกค้าและหัวข้อที่เลือก
2. ทบทวนการดำเนินการที่มีอยู่ในหัวข้อนั้น
3. ตัดสินใจว่าจะใช้การดำเนินการใดโดยอิงตาม:
   - ชื่อการดำเนินการ คำอธิบายการดำเนินการ และอินพุตการดำเนินการ
   - คำสั่งของหัวข้อที่อ้างอิงถึงการดำเนินการ
   - บริบทของการสนทนา
4. ดำเนินการตามที่เลือกด้วยอินพุตที่เหมาะสม
5. ใช้เอาต์พุตของการดำเนินการเพื่อกำหนดการตอบกลับหรือกำหนดขั้นตอนต่อไป

เพื่อให้กระบวนการนี้ทำงานได้อย่างมีประสิทธิผล การดำเนินการของคุณต้องมีชื่อและคำสั่งที่อธิบายได้ชัดเจน ซึ่งจะช่วยให้กลไกการใช้เหตุผลเข้าใจว่าควรใช้เมื่อใดและอย่างไร เพื่อลดเวลาแฝงและเพิ่มประสิทธิภาพการทำงาน อย่ากำหนดการดำเนินการมากกว่า 15 รายการให้กับหัวข้อเดียว และโปรดจำไว้ว่าการดำเนินการสามารถทำซ้ำข้ามหัวข้อได้!

การดำเนินการแต่ละอย่างในตัวแทนของคุณประกอบด้วยส่วนสำคัญสามส่วนที่ต้องกำหนดค่า ได้แก่ ชื่อการดำเนินการ คำสั่งการดำเนินการ และคำสั่งป้อนข้อมูลการดำเนินการ

• ใช้ภาษาธรรมดาที่สอดคล้องกับวิธีที่ลูกค้าอธิบายการดำเนินการ
• เนื่องจากชื่อ API การดำเนินการจะถูกส่งไปยังกลไกการใช้เหตุผล ตรวจสอบให้แน่ใจว่าชื่อ API ชัดเจนและอธิบายถึงฟังก์ชันการทำงาน

แนวทางปฏิบัติที่ดีที่สุดสำหรับคำสั่งการดำเนินการ:

• เขียนประโยคที่อธิบายถึงการดำเนินการนั้น ๆ มา 1–3 ประโยค
• ระบุว่าควรใช้การดำเนินการนี้เมื่อใด (ประเภทคำขอของลูกค้า)
• ระบุข้อมูลที่การดำเนินการจำเป็นต้องมีเพื่อให้ดำเนินการได้สำเร็จ
• กล่าวถึงเงื่อนไขพิเศษหรือเคสขอบเขตการจัดการของการดำเนินการ
• รวมตัวอย่างวลีของลูกค้าที่ควรกระตุ้นการดำเนินการนี้

เคล็ดลับสำคัญสำหรับคำสั่งอินพุตการดำเนินการ:

• อธิบายถึงอินพุตและวัตถุประสงค์ของอินพุตอย่างชัดเจน
• ระบุรูปแบบที่คาดหวัง (ความยาว ตัวอักษร โครงสร้าง)
• รวมถึงข้อกำหนดการจัดรูปแบบหรือเกณฑ์การตรวจสอบ

นี่เป็นคำถามที่เราได้ยินจากลูกค้าบ่อยมาก คำตอบสั้น ๆ คือ ใช่ Data Cloud เป็นส่วนสำคัญของ Agentforce เนื่องจากมีการใช้สถาปัตยกรรม Data Cloud กับคุณสมบัติบางอย่างใน Agentforce เช่น การวิเคราะห์ตัวแทนและ Digital Wallet นอกจากนี้ โครงสร้างพื้นฐาน Data Cloud ยังสนับสนุนการจัดทำดัชนีและการค้นหาข้อมูลที่ไม่มีโครงสร้าง รวมไปถึงแนวทางการตรวจสอบและการบันทึกข้อเสนอแนะ Data Cloud ยังสามารถให้ความสามารถในการขยายเพิ่มเติมแก่ Agentforce ได้อีกด้วย อีกทั้ง ลูกค้ายังสามารถเลือกเปิดใช้คุณสมบัติต่าง ๆ เช่น Bring Your Own Lake (BYOL) และ Bring Your Own Large Language Model (BYO-LLM) เพื่อใช้ข้อมูลและโมเดลที่สร้างขึ้นบนแพลตฟอร์มภายนอก Salesforce กับตัวแทนที่สร้างขึ้นบน Agentforce

ตั้งแต่การเข้าถึงข้อมูลจาก Data Lake อื่น ๆ ผ่านการรวมข้อมูล ไปจนถึงการใช้โครงสร้างพื้นฐานระดับไฮเปอร์สเกลสำหรับข้อมูลระดับเพตาไบต์ การใช้สถาปัตยกรรมของ Data Cloud กับ Agentforce ช่วยให้แน่ใจได้ว่าลูกค้าจะได้รับผลลัพธ์ด้าน AI ที่ดีขึ้นในทันที และรับประกันความสามารถในการใช้งานได้ในระยะยาวสำหรับการนำตัวแทนมาใช้อย่างประสบความสำเร็จ ไม่ว่าชุดข้อมูลพื้นฐานที่ขับเคลื่อนตัวแทนเหล่านั้นจะใหญ่โตหรือซับซ้อนเพียงใดก็ตาม

หากต้องการทราบว่าคุณสมบัติใดของ Agentforce บ้างที่ได้รับการขับเคลื่อนด้วย Data Cloud คุณสามารถดูที่ด้านล่าง เพื่อศึกษาสรุปข้อมูลคุณสมบัติต่าง ๆ ของ Agentforce ที่ Data Cloud รองรับตามค่าเริ่มต้น และคุณสมบัติเสริมของ Data Cloud ที่ลูกค้าที่ต้องการต่อยอดการใช้งานสามารถเปิดใช้งานได้

เราได้กล่าวถึงองค์ประกอบหลักต่างๆ ที่ทำให้ Agentforce ทำงาน รวมถึงกลไกการใช้เหตุผล Atlas และวิธีใช้หัวข้อ คำสั่ง และการดำเนินการ การทำความเข้าใจส่วนประกอบเหล่านี้ถือเป็นกุญแจสำคัญในการใช้ Agentforce ได้อย่างมีประสิทธิภาพ อย่าลืมใช้คู่มือนี้เมื่อคุณเริ่มใช้ Agentforce เพื่อปรับปรุงผลลัพธ์ Agentforce ของคุณ เราขอแนะนำให้คุณตรวจสอบทรัพยากรที่ให้ไว้เพื่อเรียนรู้เพิ่มเติม

การวางแผนตัวแทน: สรุปงานของตัวแทน
https://trailhead.salesforce.com/content/learn/modules/agentforce-agent-planning/outline-the-agents-work

คำสั่งการดำเนินการ:
https://help.salesforce.com/s/articleView?id=ai.copilot_actions_instructions.htm&type=5

คำสั่งหัวข้อ:
https://help.salesforce.com/s/articleView?id=ai.copilot_topics_instructions.htm&type=5

ตัวแทนการแก้ไขปัญหา:
https://help.salesforce.com/s/articleView?id=ai.copilot_troubleshoot.htm&type=5

ตัวแปร Agentforce:
https://developer.salesforce.com/blogs/2025/04/agentforce-variables-a-new-way-to-structure-agent-memory

https://developer.salesforce.com/blogs/2025/04/control-agent-access-and-decision-making-with-variables-and-filters