คู่มือ Agentforce สำหรับการออกแบบบริบท

_{คู่มือนี้รองรับAgentforce ตัวสร้างเวอร์ชันล่าสุดที่พร้อมใช้งานผ่าน App Launcher โปรดดูคู่มือเวอร์ชันเก่า หากคุณยังคงดูแลตัวแทนผ่านการตั้งค่า}

ตัวแทน AI กำลังปฏิวัติองค์กรด้วยการเพิ่มประสิทธิภาพ ลดงานที่ต้องทำด้วยตนเอง และสร้างสภาพแวดล้อมการทำงานที่ชาญฉลาดและปรับเปลี่ยนได้มากขึ้น

คู่มือนี้จะสำรวจองค์ประกอบหลักของ Agentforce ซึ่งเป็นแพลตฟอร์มของ Salesforce สำหรับ การสร้างตัวแทน AI ผู้ปฏิบัติงานจะใช้การออกแบบบริบทเพื่อมอบ Agentforce ให้กับตัวแทน โดยมีทั้งข้อมูลเฉพาะ การดำเนินการ และคำสั่งที่จำเป็นต่อการบรรลุเป้าหมาย เราจะพิจารณาว่า Agentforce Script ใช้ การให้เหตุผลแบบไฮบริด อย่างไร เพื่อผสาน AI การสร้างเข้ากับการควบคุมแบบกำหนดแน่นอน

เราทราบว่านักพัฒนาสร้างตัวแทนในสภาพแวดล้อมที่หลากหลาย เราสนับสนุนความยืดหยุ่นนี้เพื่อให้คุณเลือกโมเดลและสภาพแวดล้อมที่เหมาะสมกับงานของคุณ

ไม่ว่าคุณจะพัฒนาใน Claude Code, Labs, Agentforce Studio หรือที่อื่นๆ การเข้าใจว่า Agentforce จัดการตรรกะและการเชื่อมต่อเบื้องหลังอย่างไรจะเป็นประโยชน์

สิ่งที่เราจะพูดถึง

• 2. ประเด็นสำคัญ
• 3. พื้นฐาน Agentforce
• 4. Agentforce Script
• 5. พร้อมท์ เทียบกับ ตัวแทน
• 6. การออกแบบบริบท
• 7. Agentforce ใช้เหตุผลอย่างไร
• 8. บริบทที่เชื่อถือได้
• 9. แนวทางปฏิบัติที่ดีที่สุด
• 10. Agentforce จำเป็นต้องมี Data 360 หรือไม่
• 11. สรุป:
• 12. เรียนรู้เพิ่มเติม

• การให้เหตุผลแบบไฮบริด ขับเคลื่อนกลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์ของ Agentforce แนวทางนี้ผสานความยืดหยุ่นของ LLM เข้ากับความน่าเชื่อถือแบบกำหนดแน่นอนของ Agentforce Script
• Agentforce Script มอบการควบคุมพฤติกรรมของตัวแทนแบบกำหนดแน่นอนอย่างเต็มรูปแบบ แทนที่ข้อความแสดงข้อจำกัดและแนวทางปฏิบัติของระบบที่ซับซ้อนด้วยตรรกะทางธุรกิจแบบมีโครงสร้าง
• Data 360 เป็นองค์ประกอบสำคัญของ Agentforce โดยรองรับการทำดัชนีและการแบ่งข้อมูลสำหรับการสร้างโดยการเสริมจากภายนอก (RAG), Agent Analytics และ Digital Wallet

ตัวแทนคือซอฟต์แวร์ประเภทหนึ่งที่ใช้ AI การสร้างในการตัดสินใจว่าจะทำอะไรต่อไปและทำอย่างไร ตัวแทนสามารถเข้าใจคำถาม (มักเรียกว่า utterance) ให้เหตุผลได้ด้วยตนเองเพื่อกำหนดว่าต้องดำเนินการอะไรเพื่อบรรลุเป้าหมาย ระบุข้อมูลที่จำเป็น และลงมือดำเนินการได้ทั้งแบบมีหรือไม่มีการแทรกแซงจากมนุษย์

ความสามารถหลักของตัวแทน AI

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

แม้ว่าตัวแทนจะใช้ โมเดลภาษาขนาดใหญ่ (LLM) เพื่อจัดการภาษาธรรมชาติและความตั้งใจ แต่ Agentforce ยังใช้ Agentforce Script เพื่อดำเนินการตามตรรกะทางธุรกิจเฉพาะ โมเดล การให้เหตุผลแบบไฮบริด นี้ทำให้ตัวแทนมีความยืดหยุ่นมากกว่าระบบอัตโนมัติแบบดั้งเดิม ขณะเดียวกันก็ยังคงมีความน่าเชื่อถือเทียบเท่าซอฟต์แวร์ที่เขียนแบบกำหนดตายตัว

Agentforce Studio

Agentforce Studio คือเวิร์กสเปซแบบรวมศูนย์ของเราสำหรับวงจรชีวิตของตัวแทนทั้งหมด

Agentforce Studio รวบรวมทุกการดำเนินการที่คุณต้องใช้ในการสร้าง ทดสอบ และจัดการพฤติกรรมของตัวแทน องค์ประกอบหลัก 3 ส่วนของ Agentforce Studio ช่วยให้คุณจัดการ วงจรการพัฒนาตัวแทน ได้:

• ตัวสร้าง Agentforce: ใช้ตัวสร้างที่ออกแบบมาเพื่อ AI ในการร่างกฎด้วยภาษาธรรมดา ใช้ Agentforce Script ซึ่งเป็นภาษาที่ใช้กำหนดพฤติกรรมตัวแทนอย่างน่าเชื่อถือ โดยรวมการตั้งค่า ตรรกะทางธุรกิจ และคำสั่งเข้าไว้ด้วยกัน
• ศูนย์ทดสอบ: ตรวจสอบความถูกต้องของพฤติกรรมตัวแทนก่อนนำไปใช้งานจริง
• ความสามารถในการสังเกตของ Agentforce: ตรวจสอบและวิเคราะห์ประสิทธิภาพของตัวแทน เพื่อดูว่าควรปรับปรุงตรรกะในจุดใด

Agentforce Studio เชื่อมช่องว่างระหว่างผู้ใช้สายเทคนิคและไม่ใช่สายเทคนิค Katherine Mains จาก Conagra Brands อธิบายสิ่งนี้ว่าเป็น “จุดสมดุลของการออกแบบที่ลงตัว โดยมีความล้ำหน้าพอสำหรับสถาปนิกของเรา และใช้งานง่ายพอให้ผู้ดูแลระบบเริ่มต้นใช้งานได้ทันที”

Agentforce คือเฟรมเวิร์กที่มอบความคาดการณ์ได้ให้กับธุรกิจของคุณ เพื่อก้าวข้ามจากการตอบคำถามพื้นฐาน ไปสู่การทำงานที่มีมูลค่าสูง การให้เหตุผลแบบไฮบริดและ Agentforce Script ผสานทั้งการควบคุมและความคิดสร้างสรรค์ บริบทอัจฉริยะจะช่วยขับเคลื่อนตัวแทนด้วยข้อมูลที่เหมาะสมในเวลาที่เหมาะสม Agentforce Studio มอบเวิร์กสเปซแบบรวมศูนย์สำหรับจัดการทั้งระบบ

Data 360 มีคุณสมบัติหลายประการที่ทำให้ Agentforce สามารถขยายต่อได้ ลองมาดูส่วนประกอบเหล่านี้อย่างรวดเร็ว:

มาดูรายละเอียดของ Agentforce Script ให้ลึกยิ่งขึ้น ซึ่งเป็นพิมพ์เขียวสำหรับกระบวนการให้เหตุผลของตัวแทน

Agentforce Script คือภาษาสคริปต์เฉพาะของ Agentforce ที่ทำหน้าที่เป็นรากฐานแบบข้อความสำหรับการสร้างและกำกับดูแลตัวแทน โดยทำหน้าที่เป็นภาษากลางที่ใช้กำหนดพฤติกรรมทั้งหมดของตัวแทน ไฟล์เดียวนี้รวมเอาการตั้งค่า ตรรกะทางธุรกิจ การดำเนินการ และคำสั่งด้านการให้เหตุผลเข้าไว้ด้วยกัน แทนที่จะมองภาษาธรรมชาติและโค้ดเป็นองค์ประกอบแยกกัน ผู้ปฏิบัติงานใช้พิมพ์เขียวนี้เพื่อจัดการสถาปัตยกรรมของตัวแทนทั้งหมดในที่เดียว

ในการดำเนินการแบบตัวแทนที่ใช้เพียง AI การสร้าง ผู้ใช้มักพึ่งพาพร้อมท์ภาษาธรรมชาติที่มีความยาว ซึ่งอาจนำไปสู่ผลลัพธ์ของงานที่ไม่สม่ำเสมอและคาดการณ์ได้ยาก Agentforce Script เข้ามาเปลี่ยนสิ่งนี้ โดยการให้เหตุผลแบบไฮบริดร่วมกับสคริปต์ที่ผสานภาษาธรรมชาติเข้ากับคำสั่งแบบกำหนดแน่นอนที่อิงกฎ

ผู้นำสามารถเห็นผลลัพธ์ได้ทันทีจากระดับการควบคุมนี้ Scott Van Dusen พาร์ทเนอร์และ COO ของ Equitable Trust ระบุว่า Agentforce Script มีพลังอย่างยิ่ง เขามองว่าความสามารถในการปรับแต่งโฟลว์และการเำเนินการนั้นมีความแข็งแกร่งมากกว่าวิธีที่ใช้ LLM เพียงอย่างเดียว “ผมสามารถควบคุมมันได้ดีขึ้นอย่างมาก” Van Dusen กล่าว

Grant Roberson ผู้ดูแล Agentforce ที่ Datasite กล่าว ว่า Script “เหนือกว่ามาก” เมื่อเทียบกับตัวแทนที่สร้างด้วยการทำพร้อมท์

“ก่อนหน้านี้ผมต้องเขียนคำสั่งยาวๆ ซ้ำๆ เต็มไปหมด เพื่อพยายามบังคับพฤติกรรม” Roberson กล่าว “แต่เมื่อใช้สคริปต์ ก็สามารถตัดความซ้ำซ้อนนั้นออก และแทนที่ด้วยตรรกะแบบมีเงื่อนไข ทำให้คุณมั่นใจได้ว่าตัวแทนจะทำงานตรงตามที่ต้องการ”

สคริปต์นั้นช่วยให้คุณก้าวข้ามจากการสร้างพร้อมท์ ไปสู่การจัดการระบบแบบขยายขนาดได้ เนื่องจากใช้รูปแบบข้อความที่มีโครงสร้าง ทีมของคุณจึงสามารถทำเวอร์ชัน ตรวจสอบ และกำกับดูแลพฤติกรรมของตัวแทนได้เหมือนโค้ดทั่วไป

Agentforce Script จัดระเบียบความสามารถของตัวแทนผ่านไวยากรณ์เชิงประกาศ โดยจะถือว่าคำสั่งการดำเนินการและตัวแทนย่อยเป็นส่วนประกอบแบบโมดูลาร์ โครงสร้างนี้ช่วยให้กลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์มีแผนที่ทรัพยากรที่ชัดเจน พร้อมกำหนดขอบเขตเพื่อให้ตัวแทนทำงานอยู่ในกรอบที่ตั้งใจไว้ สคริปต์เหล่านี้ช่วยยกระดับเวิร์กโฟลว์จากการให้เหตุผลแบบความน่าจะเป็น ไปสู่ผลลัพธ์ที่แน่นอน โดยลดการเรียกใช้ LLM และป้องกันข้อผิดพลาดด้านตรรกะ

สถาปัตยกรรมและความเป็นโมดูล

ต่อไปนี้คือรายการแนวทางปฏิบัติที่ดีที่สุดเชิงโครงสร้าง ซึ่งจัดตามหลักการออกแบบแบบโมดูล เพื่อช่วยให้คุณสร้างตัวแทนที่ดูแลรักษาง่ายและคาดการณ์ได้

• สร้างสคริปต์ขนาดเล็กแยกกันสำหรับงานเฉพาะ เช่น การตรวจสอบตัวตน วิธีนี้ช่วยให้ระบบดูแลรักษาง่ายขึ้น เพราะคุณสามารถอัปเดตเพียงสคริปต์เดียวเมื่อมีการเปลี่ยนแปลงนโยบายธุรกิจ โดยไม่กระทบส่วนอื่นของตัวแทน คุณยังสามารถนำสคริปต์เหล่านี้ไปใช้ร่วมกับตัวแทนย่อยหลายตัว เพื่อให้เกิดประสบการณ์ที่สอดคล้องกัน
• จัดระเบียบการดำเนินการภายในสคริปต์ตามเจตนาที่ใช้งาน ตั้งชื่อตัวแทนย่อยและการดำเนินการให้สื่อความหมายชัดเจน เนื่องจาก Reasoning Engine จะใช้ชื่อเหล่านี้ในการเลือกเส้นทางที่เหมาะสมที่สุด
• นำแนวทางแบบแซนด์วิชที่แน่นอนมาใช้ โดยให้โค้ดจัดการช่วงต้นและช่วงท้ายของทุกการโต้ตอบ และใช้น้ำเสียงธรรมชาติของ AI ในช่วงกลาง เพื่อให้ควบคุมการเริ่มต้นและการจบการสนทนาได้อย่างสมบูรณ์

การจัดการข้อมูลและบริบท

ต่อไปนี้คือรายการเทคนิคการจัดการข้อมูลที่จัดตามการจัดการเซสชัน เพื่อช่วยลดเวลาแฝงและเพิ่มความเป็นส่วนตัว

• กำหนดข้อมูลอินพุตที่จำเป็นตั้งแต่ต้นในบล็อกสคริปต์ เพื่อให้ตัวแทนรวบรวมบริบทก่อนเริ่มดำเนินการ ควรดึงข้อมูลที่จำเป็นทั้งหมดก่อนที่ตัวแทนจะเริ่มงานหลัก เพื่อเพิ่มความเร็ว การเรียกใช้ LLM ทุกครั้งจะเพิ่มเวลาในการโต้ตอบ ดังนั้นการใช้กฎเฉพาะเพื่อรวบรวมข้อมูลตั้งแต่ต้นจะช่วยหลีกเลี่ยงการเรียกซ้ำที่ไม่จำเป็น
• จัดเก็บข้อมูล เช่น ชื่อผู้ใช้หรือสถานะ ไว้ในตัวแปรเซสชันเพื่อใช้จัดการข้อมูลระหว่างการแชท ตัวแปรเหล่านี้ช่วยให้คุณส่งต่อข้อมูลระหว่างตัวแทนย่อยได้ โดยไม่ต้องถามคำถามซ้ำ และยังช่วยให้ตัวแทนมีข้อมูลเพียงพอสำหรับใช้งานโดยไม่ต้องขอข้อมูลเพิ่มจากผู้ใช้
• แทรกตัวแปรลงในคำสั่งโดยตรงในรูปแบบคำแนะนำ วิธีนี้ช่วยให้ตัวแทนสามารถให้คำตอบแบบปรับให้เหมาะกับผู้ใช้ และทำตามตรรกะเฉพาะตามข้อมูลของผู้ใช้ได้

ตรรกะและมาตรฐานด้านการปฏิบัติตามข้อบังคับ

ต่อไปนี้คือรายการมาตรฐานการตั้งค่าที่จัดตามตรรกะการทำงาน เพื่อช่วยให้คุณรักษาความสอดคล้องและความน่าเชื่อถือในระดับสูง

• ใช้คำสั่งเพื่อกำหนดสไตล์การสนทนา ขณะที่สคริปต์จัดการตรรกะทางธุรกิจจริง การแยกส่วนนี้ช่วยให้ LLM สามารถจัดการด้านภาษา ส่วนสคริปต์ดูแลการตรวจสอบข้อมูลหรือขั้นตอนที่จำเป็น แนวทางแบบกำหนดแน่นอนนี้ช่วยลดการคาดเดาที่มักเกิดจากการใช้ภาษาธรรมชาติ
• ใช้ตรรกะแบบ if-then เพื่อนำทางตัวแทนไปตามเส้นทางที่กำหนด ตัวอย่างเช่น คุณสามารถตั้งค่าให้ตัวแทนตรวจสอบสถานะลูกค้าสมาชิกก่อนเสนอส่วนลด
• กำหนดเงื่อนไขการสิ้นสุดอย่างชัดเจน เพื่อระบุว่าตัวแทนย่อยควรส่งการสนทนากลับไปยังตัวแทนหลักหรือปิดเซสชันเมื่อใด ขอบเขตที่ชัดเจนช่วยให้ตัวแทนทำงานได้อย่างมีประสิทธิภาพสูงสุด

การนำไปใช้เชิงกลยุทธ์

ต่อไปนี้คือแนวทางการนำไปใช้ที่จัดตามการเลือกเครื่องมือ เพื่อช่วยให้คุณเลือกแนวทางอัตโนมัติที่เหมาะสมกับกรณีใช้งาน

• หลีกเลี่ยงการออกแบบตัวแทนให้ทำงานเหมือน แชทบอท แบบเส้นตรงทั่วไป หากกระบวนการเป็นแบบคงที่และไม่เปลี่ยนแปลง ควรใช้โฟลว์มาตรฐานใน Flow Builder แทนการใช้ตัวแทน AI ใช้ Agentforce Script สำหรับการจัดการอินพุตจากมนุษย์ที่ซับซ้อนหรือคาดเดาได้ยาก
• ค้นหาโซลูชันตัวแทนที่สร้างไว้ล่วงหน้าและสคริปต์ที่นำกลับมาใช้ซ้ำได้บน AgentExchange เพื่อประหยัดเวลาในการพัฒนา Marketplace นี้มีการดำเนินการโดย AI ที่พร้อมใช้งานและการเชื่อมต่อจากผู้พัฒนาภายนอก เพื่อช่วยให้คุณทำงานอัตโนมัติสำหรับงานธุรกิจทั่วไปได้อย่างรวดเร็ว เรียนรู้เพิ่มเติมเกี่ยวกับข้อได้เปรียบของ AgentExchange ในอีบุ๊กนี้

ก่อนที่เราจะดำเนินการต่อ สิ่งสำคัญคือต้องทราบว่าตัวแทนไม่ใช่เครื่องมือ AI การสร้างเพียงอย่างเดียวที่มีให้ใช้งานบน Agentforce 360 Platform แม่แบบพร้อมท์เป็นอีกเครื่องมืออันทรงพลังในการสร้างแอปพลิเคชันที่ใช้ AI การสร้าง แม่แบบพร้อมท์ที่สร้างขึ้นใน Prompt Builder 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 แบบฝัง หรือคุณสามารถเพิ่มแม่แบบพร้อมท์ ให้กับตัวแทนเป็นการดำเนินการของตัวแทนได้ 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

การรู้ว่ากลไกการประมวลผลทำงานเบื้องหลังอย่างไร เป็นกุญแจสำคัญสู่การนำตัวแทนไปใช้งานได้อย่างประสบความสำเร็จ ในช่วงแรกของตัวแทน AI พวกเราผู้ปฏิบัติงานมักพูดถึง การทำพร้อมท์: ศิลปะของการ “ชักนำ” ให้ LLM ทำงานตามต้องการ แต่ตอนนี้เราได้พัฒนาไปสู่ การออกแบบบริบท แล้ว

การออกแบบบริบท เป็นแนวทางที่ครอบคลุมมากยิ่งขึ้น ไม่ได้จำกัดแค่การเขียนพร้อมท์ที่ดี ด้วยการให้เหตุผลแบบไฮบริดของ Agentforce คุณจะสามารถออกแบบระบบที่สร้างสมดุลระหว่างการให้เหตุผลอัตโนมัติของ LLM กับตรรกะที่อิงกฎ เพื่อให้ได้การควบคุมแบบกำหนดแน่นอน

การออกแบบบริบทคือแนวทางต่อยอดจาก วิศวกรรมพร้อมท์ โดยเป็นการออกแบบระบบของตัวแทนย่อย คำสั่ง กฎ และการดำเนินการ เพื่อให้ตัวแทนมีข้อมูลและขอบเขตที่แม่นยำต่อการทำงานได้สำเร็จ แทนที่จะพยายามเรียบเรียงคำให้สมบูรณ์แบบเพื่อชักนำให้ LLM ตอบได้ตรงตามต้องการ

สามกลไกหลักของการออกแบบบริบท

ผู้ปฏิบัติงานใช้ Agentforce Script เป็นภาษากลางในการกำหนดตัวแทนย่อย คำสั่ง การดำเนินการ และกฎ ภายในไฟล์เดียว

1. ตัวแทนย่อย ใช้กำหนดตัวแทนย่อยและความเชี่ยวชาญเฉพาะด้าน
2. คำสั่ง ใช้กำหนดแนวทางการไหลของบทสนทนา โทน และเจตนา
3. การดำเนินการและกฎ ใช้ดำเนินการและบังคับใช้ตรรกะทางธุรกิจที่จำเป็น

มาดูตัวแทนย่อย คำสั่ง และการดำเนินการโดยละเอียดกันก่อน ซึ่งเป็นข้อมูลเมตาสามส่วนที่สำคัญที่คุณต้องกำหนดทุกครั้งที่สร้างตัวแทนด้วย Agentforce

ตัวแทนย่อยเป็นพื้นฐานของความสามารถของตัวแทน โดยกำหนดว่าตัวแทนทำอะไรได้บ้าง และสามารถรองรับคำขอของลูกค้าประเภทใด เปรียบเสมือนแผนกเฉพาะทางที่มีความเชี่ยวชาญเฉพาะ มีแอ็กชันและคำสั่งที่เกี่ยวข้อง เมื่อมีข้อความจากลูกค้า ตัวแทนจะตัดสินใจก่อนว่า “แผนก” (ตัวแทนย่อย) ใดควรจัดการคำขอนั้น จากนั้นจึงใช้แนวทางและเครื่องมือของตัวแทนย่อยนั้นเพื่อช่วยลูกค้า

คำสั่งคือแนวปฏิบัติที่กำหนดวิธีดำเนินการสนทนาในตัวแทนย่อย โดยเป็นแนวทางในการเลือกการดำเนินการ กำหนดรูปแบบการสนทนา และให้บริบททางธุรกิจ ตัวแทนย่อยที่ชัดเจนและแยกจากกันจะช่วยป้องกันการทับซ้อน และทำให้แน่ใจว่ากลไกการใช้เหตุผลจัดประเภทคำขอของลูกค้าได้อย่างถูกต้อง คำสั่งควรชัดเจน เจาะจง และดำเนินการได้จริงเพื่อให้ตัวแทนได้รับคำแนะนำอย่างมีประสิทธิภาพ

ตัวแทนของคุณใช้การดำเนินการเพื่อดึงข้อมูลหรือดำเนินการงานต่างๆ ในการกำหนดการดำเนินการ สิ่งที่สำคัญคือต้องเข้าใจว่ากลไกการใช้เหตุผลประมวลผลการดำเนินการเหล่านั้นอย่างไร กลไกจะพิจารณาการดำเนินการที่มีอยู่ โดยอิงจากชื่อ คำอธิบาย และอินพุต รวมถึงคำสั่งของตัวแทนย่อยและบริบทของบทสนทนาAgentforce มาพร้อมกับ การดำเนินการมาตรฐานของตัวแทน จำนวนหนึ่ง และคุณสามารถสร้างการดำเนินการของตัวแทนแบบกำหนดเองเพื่อขยายการใช้งานเพิ่มเติมได้ ตรวจสอบเสมอว่าสามารถใช้การดำเนินการมาตรฐานได้หรือไม่ก่อนที่จะสร้างการดำเนินการแบบกำหนดเอง ออกแบบการดำเนินการโดยคำนึงถึงการนำกลับมาใช้ซ้ำ เนื่องจากสามารถนำไปใช้ร่วมกันในตัวแทนย่อยหลายรายการได้ ด้านล่างนี้เป็นรายการการดำเนินการของตัวแทนที่กำหนดเองที่พร้อมใช้งานและสถานการณ์ที่คุณควรใช้การดำเนินการเหล่านั้น

กลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์ใช้ตัวแทนย่อย คำสั่ง การดำเนินการ และกฎ เพื่อทำงานให้สำเร็จ เนื่องจาก Agentforce Script ทำหน้าที่เป็นนิยามทั้งหมดของตัวแทน จึงช่วยขจัดความไม่โปร่งใสของการกำหนดเส้นทางแบบอิงความน่าจะเป็น โดยสรุป กลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์จะทำงานดังนี้:

• จัดประเภทตัวแทนย่อย: เอนจินจะจับคู่ข้อความของลูกค้ากับตัวแทนย่อยที่เหมาะสมที่สุด โดยอิงจากชื่อและคำอธิบาย
• ดำเนินการตามตรรกะในสคริปต์: เอนจินจะดำเนินการตามคำสั่งและกฎที่กำหนดไว้ในสคริปต์ ขั้นตอนนี้จะเกิดขึ้นก่อนที่ระบบจะประเมินคำสั่งที่ไม่ใช่แบบกำหนดแน่นอน
• ใช้การดำเนินการ: หากงานต้องใช้ข้อมูลภายนอกหรือมีการอัปเดต กลไกจะเรียกใช้การดำเนินการที่จำเป็นและรวบรวมผลลัพธ์
• ตรวจสอบความถูกต้องของข้อมูล: ก่อนส่งคำตอบสุดท้าย เอนจินจะตรวจสอบว่าคำตอบอ้างอิงจากข้อมูลที่ถูกต้องจากการดำเนินการหรือคำสั่ง และเป็นไปตามแนวทางที่กำหนดในสคริปต์และคำสั่ง

ต่อไปนี้คือรายละเอียดทีละขั้นตอนของสิ่งที่เกิดขึ้นภายในกลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์ทุกครั้งที่มีการเรียกใช้ตัวแทน

หากต้องการศึกษาเชิงลึกเพิ่มเติม โปรดดู Agentforce คู่มือการสร้างพฤติกรรมตัวแทนที่เชื่อถือได้: เฟรมเวิร์กสำหรับความแน่นอนของผลลัพธ์ 6 ระดับ

ผู้ปฏิบัติงานต้องเข้าใจความแตกต่างระหว่างตัวกรองและคำสั่ง เพื่อสร้างตัวแทนที่มีความแม่นยำ ตัวกรอง จะควบคุมสิ่งที่ LLM มองเห็นและสิ่งที่สามารถทำได้ในแต่ละรอบของการสนทนา และสามารถทำงานได้ในหลายระดับ ตัวกรองสามารถนำไปใช้กับตัวแทนย่อย การดำเนินการ และตัวดึงข้อมูล ทำให้ผู้ปฏิบัติงานสามารถควบคุมได้อย่างละเอียดว่า ตัวแทนย่อยใด ที่สามารถใช้งานได้ ตัวแทนย่อยเหล่านั้น สามารถ ทำอะไรได้บ้าง และ เนื้อหาใด ที่โมเดลจะดึงมาใช้ในแต่ละขั้นตอน

ลองนึกถึงผู้ช่วยเสมือนของธนาคาร เมื่อลูกค้าถามเกี่ยวกับสินเชื่อบ้าน ตัวแทนย่อยที่กำหนดขอบเขตด้านสินเชื่อที่อยู่อาศัยจะถูกเรียกใช้ ตัวกรองจะช่วยให้ LLM มองเห็นเฉพาะเอกสารเกี่ยวกับสินเชื่อบ้าน ไม่ใช่ข้อมูลบัตรเครดิตหรือบันทึกการลงทุน แต่ภายในการสนทนาเดียวกัน การดำเนินการที่ใช้ดึงอัตราดอกเบี้ยปัจจุบันของลูกค้า จะใช้ตัวกรองที่เข้มงวดยิ่งขึ้น โดยจำกัดเฉพาะบัญชีของลูกค้ารายนั้น ลูกค้าจะได้รับคำตอบที่แม่นยำ และข้อมูลที่ไม่เกี่ยวข้องจะไม่ถูกนำเข้ามาเลย

สามารถตั้งค่าตัวกรองเป็นแบบคงที่ (กำหนดไว้ล่วงหน้าตอนตั้งค่า) หรือแบบไดนามิก (ส่งเข้ามาขณะรันจากบริบทการสนทนาหรืออินพุตของพร้อมท์) ด้วย ตัวกรองล่วงหน้าของตัวดึงข้อมูลแบบปรับปรุง ผู้ปฏิบัติงานสามารถใช้ตัวกรองแบบไดนามิกได้สูงสุด 10 รายการต่อตัวดึงข้อมูล โดยรวมเข้าด้วยกันด้วยตรรกะและ/หรือและใช้ตัวดำเนินการ LIKE สำหรับการจับรูปแบบ สิ่งนี้ช่วยลดสัญญาณรบกวนในการดึงข้อมูล และทำให้หน้าต่างบริบทมุ่งเน้นไปที่เนื้อหาที่เกี่ยวข้องที่สุด ตัวอย่างเช่น ในเวิร์กโฟลว์การพัฒนาซอฟต์แวร์ ผู้ปฏิบัติงานสามารถใช้ตัวกรองบริบทเฉพาะของการดำเนินการ เพื่อให้ตัวแทนมีความยืดหยุ่นในการตีความคำสั่งของผู้ใช้ ขณะเดียวกันก็ยังคงความเข้มงวดเกี่ยวกับสถานะปัจจุบันของโค้ดเบส

Agentforce Script มอบการควบคุมแบบกำหนดแน่นอนในระดับสูงสุด โดยการกำหนดลำดับและกฎเฉพาะที่ตัวแทนต้องปฏิบัติตาม แนวทางนี้ช่วยป้องกัน วงจรพร้อมท์วนซ้ำ ซึ่งเป็นสถานการณ์ที่คำสั่งยาวหรือซับซ้อนเกินไปจน LLM ไม่สามารถปฏิบัติตามได้อย่างถูกต้อง

แม้ว่าตัวกรองและ Agentforce Script จะช่วยควบคุมในระดับระบบ ผู้ปฏิบัติงานยังจำเป็นต้องมีวิธีในการตรวจสอบความถูกต้องด้วย การอ้างอิง ช่วยให้ผู้ใช้เห็นแนวทางการตรวจสอบที่ชัดเจนสำหรับทุกคำตอบ โดยเชื่อมโยงบริบทภายในที่ตัวแทนใช้เข้ากับคำตอบที่แสดงออกมา

กลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์จะประสานองค์ประกอบทั้งสี่นี้ เพื่อแก้ไขคำขอด้วยความสมดุลระหว่างความยืดหยุ่นและการควบคุม ลองพิจารณากรณีที่ลูกค้ากล่าวว่า “ฉันสั่งเสื้อสเวตเตอร์สีแดงเมื่อวาน แต่ต้องการเปลี่ยนที่อยู่จัดส่ง”

1. การจัดประเภทตัวแทนย่อย กลไกจะวิเคราะห์ข้อความของลูกค้าและทำการจัดประเภทตัวแทนย่อย โดยจับคู่คำขอกับตัวแทนย่อย “เปลี่ยนคำสั่งซื้อ” เนื่องจากชื่อและคำอธิบายสอดคล้องกับงาน
2. การประกอบบริบท กลไกจะรวบรวมบริบทเพื่อสร้างหน่วยความจำของตัวแทน โดยดึงคำสั่งของตัวแทนย่อย สคริปต์ และการดำเนินการที่มีอยู่
3. การดำเนินการของ Agentforce Script กลไกจะดำเนินการ Agentforce Script เพื่อจัดการตรรกะทางธุรกิจแบบกำหนดแน่นอน สคริปต์จะตรวจสอบสถานะคำสั่งซื้อของเสื้อสเวตเตอร์สีแดง หากคำสั่งซื้อยังอยู่ในคลังสินค้า สคริปต์จะอนุญาตให้ตัวแทนดำเนินการเปลี่ยนแปลงต่อได้
4. การให้เหตุผลตามคำสั่ง คำสั่งจะนำทางตัวแทนระหว่างการสนทนา โดยจะกำหนดโทนเสียง และแนะนำให้ตัวแทนขอที่อยู่จัดส่งใหม่จากลูกค้า
5. การใช้การดำเนินการ ตัวแทนจะเลือกและเรียกใช้การดำเนินการ “อัปเดตที่อยู่จัดส่งคำสั่งซื้อ” โดยจะส่งรหัสคำสั่งซื้อและที่อยู่ใหม่ไปยังระบบเพื่อดำเนินการอัปเดตให้เสร็จสมบูรณ์
6. การตอบกลับแบบมีแหล่งอ้างอิง ตัวแทนจะส่งการยืนยันสุดท้ายให้ลูกค้า โดยทำการตรวจสอบความถูกต้อง และแนบการอ้างอิงเพื่อยืนยันแหล่งที่มาของข้อมูล

การออกแบบบริบทที่ประสบความสำเร็จต้องอาศัยการผสานการทำงานอย่างไร้รอยต่อของตัวแทนย่อย คำสั่ง สคริปต์ และการดำเนินการ องค์ประกอบทั้งสี่นี้ทำงานร่วมกันเพื่อให้ตัวแทนอยู่ภายในขอบเขตของความเกี่ยวข้องและความแม่นยำที่เหมาะสมที่สุด ตัวแทนย่อยจะกำหนดความเชี่ยวชาญเฉพาะด้าน คำสั่งจะกำหนดแนวทางและโทนของการสนทนา Agentforce Script จะเพิ่มชั้นของการควบคุมแบบกำหนดแน่นอนเพื่อบังคับใช้กฎทางธุรกิจ การดำเนินการจะช่วยให้ตัวแทนสามารถลงมือทำและเข้าถึงข้อมูลแบบเรียลไทม์ กลยุทธ์แบบผสานนี้ช่วยให้ตัวแทนของคุณทั้งให้ความช่วยเหลือได้ดีและมีความน่าเชื่อถือสูง

การออกแบบบริบทที่มีประสิทธิภาพต้องรู้ว่าควรวางตรรกะไว้ที่ใด

• ใช้การดำเนินการและ Agentforce Script สำหรับการควบคุม ย้ายกฎทางธุรกิจที่สำคัญและเวิร์กโฟลว์หลายขั้นตอนไปไว้ใน Agentforce Script หรือการดำเนินการ รวมถึงการคำนวณที่ซับซ้อนและลำดับขั้นตอนที่จำเป็นต้องทำตาม
• ใช้คำแนะนำสำหรับพฤติกรรม กำหนดทิศทางของบทสนทนาและกำหนดน้ำเสียงในการตอบกลับโดยใช้คำแนะนำ

แนวทางปฏิบัติที่ดีที่สุดสำหรับการเขียนคำสั่งที่มีประสิทธิภาพ

• กำหนดคำศัพท์ให้ชัดเจน อย่าคาดเดาว่าตัวแทนเข้าใจคำศัพท์เฉพาะทางในอุตสาหกรรม ตัวอย่างเช่น กำหนดความแตกต่างระหว่าง "รหัสโปรโมชัน" สำหรับส่วนลด และ "รหัสลงทะเบียน" สำหรับการรับประกัน
• ระบุลำดับขั้นตอนให้ชัดเจน หากมีขั้นตอนที่ต้องทำตามลำดับ ให้ระบุอย่างชัดเจนในบล็อกคำแนะนำเดียว
• ใช้คำศัพท์ให้สอดคล้องกัน อ้างอิงการดำเนินการด้วยชื่อที่ตรงกัน และใช้คำคำเดียวกันตลอดคำแนะนำทั้งหมด
• ใช้ถ้อยคำแบบกำหนดชัดเจนอย่างมีจุดประสงค์ คำอย่าง “เสมอ” และ “ไม่เคย” มีผลอย่างมากต่อวิธีที่ตัวแทนของคุณตอบกลับ
• กำหนดเกณฑ์การตัดสินใจ ช่วยให้ตัวแทนของคุณเลือกตัวเลือกที่คล้ายกันได้ ตัวอย่างเช่น แนะนำให้ตัวแทนใช้การดำเนินการรีเซ็ตอีเมล หากผู้ใช้สามารถเข้าถึงอีเมลได้ แต่ให้ใช้การดำเนินการคำถามเพื่อความปลอดภัย หากไม่สามารถเข้าถึงได้

นี่เป็นคำถามที่เราได้ยินจากลูกค้าบ่อยมาก คำตอบสั้นๆ คือ ใช่ Data 360 เป็นส่วนสำคัญของ Agentforce เนื่องจากสถาปัตยกรรม Data 360 ถูกใช้สำหรับฟีเจอร์บางอย่างใน Agentforce เช่น Agent Analytics และ Digital Wallet โครงสร้างพื้นฐาน Data 360 ยังรองรับการทำดัชนีและการค้นหาข้อมูลแบบไม่มีโครงสร้าง รวมถึงบันทึกข้อเสนอแนะและแนวทางการตรวจสอบอีกด้วย นอกจากนี้ Data 360 ยังสามารถมอบความสามารถในการขยายเพิ่มเติมได้ ลูกค้า Agentforce ยังสามารถเลือกเปิดใช้งานฟีเจอร์ต่างๆ เช่น Bring Your Own Lake (BYOL) และ Bring Your Own Large Language Model (BYO-LLM) เพื่อใช้ข้อมูลและโมเดลที่สร้างบนแพลตฟอร์มภายนอก Salesforce ร่วมกับตัวแทนที่สร้างบน Agentforce

ตั้งแต่การเข้าถึงข้อมูลจากดาต้าเลคอื่นผ่านสหพันธ์ข้อมูลไปจนถึงการใช้โครงสร้างพื้นฐานแบบไฮเปอร์สเกลสำหรับข้อมูลระดับเพตะไบต์ การใช้สถาปัตยกรรมของ Data 360 ร่วมกับ Agentforce จะช่วยให้ลูกค้าได้รับผลลัพธ์ด้าน AI ที่ดียิ่งขึ้นในปัจจุบัน สถาปัตยกรรมที่ทรงพลังนี้ยังช่วยให้มั่นใจถึงความยั่งยืนในระยะยาวสำหรับการนำตัวแทนไปใช้งาน ไม่ว่าชุดข้อมูลเบื้องหลังที่ขับเคลื่อนตัวแทนจะมีขนาดใหญ่หรือซับซ้อนเพียงใด

สนใจหรือไม่ว่าฟีเจอร์ Agentforce ใดบ้างที่ขับเคลื่อนโดย Data 360 ตารางต่อไปนี้แสดงรายละเอียดฟีเจอร์ของ Agentforce ที่ Data 360 จัดเตรียมให้โดยค่าเริ่มต้น รวมถึงฟีเจอร์เสริมที่ลูกค้าสามารถเปิดใช้งานไกเเพื่อขยายการใช้งาน

เราได้กล่าวถึงองค์ประกอบหลักต่างๆ ที่ทำให้ Agentforce ทำงาน รวมถึงกลไกการประมวลผลโดยการใช้ตรรกะและกฎเกณฑ์ และวิธีใช้สคริปต์ ตัวแทนย่อย คำแนะนำ และการดำเนินการ การทำความเข้าใจส่วนประกอบเหล่านี้ถือเป็นกุญแจสำคัญในการใช้ Agentforce ได้อย่างมีประสิทธิภาพ ใช้คู่มือนี้เพื่อปรับปรุงผลลัพธ์เมื่อคุณนำ Agentforce ไปใช้งาน ตรวจสอบแหล่งข้อมูลที่ให้ไว้เพื่อเรียนรู้เพิ่มเติม

ค้นหาบทความ บล็อก วิดีโอสาธิต และแหล่งข้อมูลอื่นๆ ได้ที่ Agentblazer.com และ Agentforce.com

• คู่มือแบบละเอียด:
  • คู่มือ Agentforce สำหรับการสร้างพฤติกรรมตัวแทนที่เชื่อถือได้: เฟรมเวิร์กสำหรับความแน่นอนของผลลัพธ์ 6 ระดับ
  • คู่มือการดำเนินงานองค์กร Agentic
  • Agentforce และ RAG: แนวทางปฏิบัติที่ดีที่สุดสำหรับตัวแทนที่ดียิ่งขึ้น
  • คู่มือ Agentforce สำหรับการออกแบบบริบท
    
    
• สำหรับ CIO:
  • คู่มือเชิงปฏิบัติสำหรับตัวแทน AI ที่เชื่อถือได้และใช้งานได้จริง
  • ข้อได้เปรียบที่มองไม่เห็น - 8 หลักการออกแบบองค์กรแบบ agentic ที่สำคัญ ซึ่งได้รับการทดสอบและยืนยันโดย CIO ที่มีชื่อเสียง

• บล็อก: Doomprompting จะไม่ทำให้ได้ AI ที่คาดการณ์ได้ แต่ภาษาสคริปต์แบบใหม่นั้นทำได้
• บล็อกการพัฒนา: ควบคุมการเข้าถึงและการตัดสินใจของตัวแทนด้วยตัวแปรและตัวกรอง
  
  
• Trailhead: การวางแผนตัวแทน: สรุปงานของตัวแทน
  
  
• ความช่วยเหลือและเอกสาร
  • คำสั่งการดำเนินการ
  • คำสั่งของตัวแทนย่อย
  • ตัวแทนการแก้ไขปัญหา