Agentforce情境工程指南

_{本指南支援透過應用程式啟動器提供的最新Agentforce Builder 。如果您是透過Setup維護代理，請參閱舊版指南 。}

AI智慧代理正透過提升效率、減少人工投入，並打造更成熟且更具適應力的工作環境，為組織帶來革命性的改變。

本指南探討Agentforce的核心要素；它是Salesforce用來建置AI智慧代理的平台。實務人員運用情境工程，為Agentforce代理提供達成目標所需的特定資訊、動作與指示。我們將探討Agentforce Script如何運用混合式推理，將生成式AI與確定性控制結合起來。

我們知道，開發人員會在許多不同環境中建置代理。我們支援這種彈性，讓您可以依工作需求選擇偏好的模型與環境。

無論您是在Claude Code、Labs、Agentforce Studio或其他地方建置，瞭解Agentforce如何在幕後管理邏輯與連結都會很有幫助。

我們所要討論的內容：

• 二、重點
• 三、Agentforce基礎概念
• 四、Agentforce Script
• 五、提示與代理的差異
• 六、情境工程
• 七、Agentforce如何推理
• 八、可靠的情境
• 九、最佳實務
• 十、Agentforce是否需要Data 360？
• 十一、結論
• 十二、瞭解更多

• 混合式推理驅動Agentforce的推理引擎。這種方法結合了LLM的靈活性與Agentforce Script的確定性可靠性。
• Agentforce Script讓您能完全以確定性的方式控制代理行為，並以結構化的商業邏輯取代負擔過重的系統提示。
• Data 360是Agentforce不可或缺的一部分。它為檢索增強生成(RAG)、Agent Analytics與Digital Wallet提供索引建立與分塊功能。

代理是一種使用生成式AI來判斷下一步要做什麼以及如何執行的軟體。代理能夠理解問題(通常稱為「輸入語句」)，自主推理以判斷為達成目標所需採取的動作、辨識所需資料，然後在有人或無人介入的情況下採取行動。

AI 智慧代理的主要功能

• 代理是動態的，可以適應不同的情況、環境和資訊。
• 代理可以是自主型(在無人介入下行動)，也可以在引導下納入人員參與流程。
• 代理與其他生成式 AI 工具不同，因為它們可以規劃、理論和行動。

雖然代理會使用大型語言模型(LLM)來處理自然語言與意圖，Agentforce也會使用Agentforce Script來遵循特定商業邏輯。這種混合式推理模型，使代理比傳統自動化更具動態性，同時仍保有如硬編碼軟體般的可靠性。

Agentforce Studio

Agentforce Studio是我們為整個代理生命週期打造的統一工作空間。

Agentforce Studio整合了您建置、測試與管理代理行為所需的所有操作。Agentforce Studio的三個關鍵元件可協助您管理代理開發生命週期：

• Agentforce Builder：使用AI原生建置器，以自然語言草擬規則。使用Agentforce Script，這是一種透過整合設定、商業邏輯與指示來表達可靠代理行為的語言。
• 測試中心：在部署前驗證代理行為
• Agentforce Observability：監控並分析代理效能，以找出可最佳化邏輯之處。

Agentforce Studio彌合了技術使用者與非技術使用者之間的落差。Conagra Brands 的Katherine Mains形容這是「設計上的『剛剛好地帶』；對我們的架構師來說夠進階，對管理員來說也夠直覺，能夠立即上手。」

Agentforce是一套框架，提供您的企業所需的可預測性，協助您從單純的常見問題處理邁向高價值工作。混合式推理與Agentforce Script兼具控制力與創造力。Intelligent Context在適當時機為代理提供正確資料。Agentforce Studio提供統一工作空間來管理整個系統。

Data 360提供多項功能，讓Agentforce具備延展性。以下是這些元件的概覽：

讓我們來深入瞭解Agentforce Script，也就是代理推理流程的藍圖。

Agentforce Script是我們專為Agentforce設計的指令碼語言，作為建置與治理代理的文字型基礎。它作為一種統一語言，用來表達代理的整體行為。這個單一檔案整合了設定、商業邏輯、動作與推理指示。實務人員不會將自然語言與程式碼視為彼此分離的元素，而是運用這份藍圖在同一處管理整個代理架構。

在僅使用生成式AI 的代理式動作中，使用者必須依賴冗長的自然語言提示，這可能導致任務結果不一致且難以預測。Agentforce Script改變了這種情況。結合Script的混合式推理，將自然語言與以規則為基礎的確定性指示融合在一起。

有了這種層級的控制能力，領導者能立即看見成果。Equitable Trust合夥人兼營運長Scott Van Dusen指出，Agentforce Script的功能非常強大。他認為，操作流程與動作的能力比僅使用LLM的方法穩健得多。「我在控制它這件事上成功得多。」Van Dusen表示。

Datasite的Agentforce管理員Grant Roberson表示 ，Script比經過提示工程設計的代理「好上太多」。

「我以前隨時都得寫上好幾段重複的指示，試圖強迫它做出特定行為。」Roberson表示。「有了Script，就能輕鬆去除那些雜訊，並改用條件式邏輯取代，讓您能放心相信代理會完全依照您的要求執行。」

Script讓您不再著重於撰寫提示，而是邁向可擴展的協作編排。由於它採用具結構的文字型格式，您的團隊便能像管理傳統程式碼一樣，對代理行為進行版本控管、檢閱與治理。

Agentforce Script透過宣告式語法來組織代理能力。它將指示、動作與子代理視為模組化元件。這種結構為推理引擎提供清楚的資源對應，同時設定界線，讓代理維持在預定範圍內運作。這些指令碼透過減少LLM呼叫並防止邏輯錯誤，讓工作流程從機率式推理轉向有保證的結果。

架構與模組化

以下是依模組化設計原則整理的結構最佳實務清單，可協助您建置易於維護且具可預測性的代理。

• 針對身分驗證等特定任務，建立小型且獨立的指令碼。這能讓系統更容易維護，因為當商業政策變更時，您只需更新單一指令碼，而不會影響代理的其他部分。您也可以將這些通用指令碼套用到多個子代理，以確保一致的體驗。
• 請依各動作所對應的特定意圖，在指令碼中組織這些動作。請為子代理與動作命名，並清楚說明其功能，因為推理引擎會使用這些名稱來選擇最佳路徑。
• 採用確定性夾層方法，讓程式碼處理每次互動的開頭與結尾。在中間段落使用AI自然的表達方式，藉此完整掌控對話的開始與結束方式。

資料與情境管理

以下是依工作階段處理整理的資料管理技巧清單，可協助您降低延遲並提升個人化程度。

• 在指令碼區塊開頭定義必要的資料輸入，讓代理在嘗試採取動作前先收集情境資訊。您應在代理開始執行主要任務前先擷取所有必要資料，以提升速度。每次LLM呼叫都會增加互動所需時間，因此預先以明確規則收集事實，可避免額外呼叫。
• 將使用者姓名或狀態等資訊儲存在工作階段變數中，以便在聊天期間管理資料。這些變數可讓您在子代理之間傳遞資訊，避免代理重複提問。這也能確保代理擁有執行動作所需的資料，而不必額外要求使用者輸入。
• 將變數以合併欄位的形式直接插入指示中。這有助於代理依據使用者資料提供個人化回應，並遵循特定邏輯。

邏輯與合規標準

以下是依執行邏輯整理的設定標準清單，可協助您維持嚴格的合規性與可靠性。

• 使用指示來影響對話風格，同時由指令碼處理實際的商業邏輯。這種分工可讓LLM處理語言表達，同時由指令碼管理資料檢查或必要流程。這種確定性方法可去除自然語言提示中常見的不確定性。
• 套用if-then邏輯，引導代理走向特定路徑。例如，您可以將代理設定為先檢查客戶的忠誠度狀態，再提供折扣。
• 設定明確的結束條件，清楚定義子代理應在何時將對話交還給主代理，或結束工作階段。清楚的界線可確保代理以最佳效率運作。

策略性導入

以下是依工具選擇整理的導入指引清單，可協助您為使用案例選擇正確的自動化路徑。

• 避免將代理設計成簡單線性的聊天機器人 。如果某個流程是靜態且永遠不會改變，請改用Flow Builder 中的標準流程，而不是AI智慧代理。請將Agentforce Script用於處理雜亂或難以預測的人類輸入。
• 您可在AgentExchange 找到預先建置的代理解決方案與可重複使用的指令碼，以節省開發時間。這個市集包含可直接使用的AI動作與第三方整合，可協助您快速將常見商業任務自動化。在這本電子書中深入瞭解AgentExchange的優勢。

在繼續之前，必須先說明一點：代理並不是Agentforce 360 Platform上唯一可用的生成式AI工具。提示詞範本是另一種強大的工具，可用來建置使用生成式AI的應用程式。在Prompt Builder中建立的提示詞範本，可讓您定義一組具結構且可重複使用的指示，引導生成式AI模型產生特定輸出。它們可透過預先定義欄位、資料圖譜，以及情境式資料檢索增強生成（ RAG） 來參照Salesforce資料。提示詞範本也具備高度安全性，所有提示都會經由Salesforce的信任層傳送，並遵循權限設定、遮罩敏感資料，以及標示有害輸出。

提示詞範本是與AI進行單輪互動的方式，非常適合不需要記憶能力或多步驟推理的一次性任務。例如，當您需要改寫句子或摘要案例時，提示詞範本就非常合適，因為這類情境不需要持續性的上下文。使用提示詞範本設計解決方案時，務必記得它們是無狀態的 (不會在多輪互動之間保留記憶)，而且不會自行做出決策或採取動作。提示詞範本會根據您在設計時提供的輸入與邏輯產生回應。

提示詞範本可單獨用於嵌入式AI 解決方案中，您也可以透過代理動作將提示詞範本 加入代理。在以下情況下，單獨使用提示詞範本會是理想選擇：

• 充分理解業務環境且穩定
• 期望輸出遵循可預測的格式，儘管回應本身並非確定性的。
• 無需評估不同的路徑或採取自主動操作
• 不需要持續的前後關聯或狀態
• 不需要多步推理

提示詞範本使用個案：

• 生成結構化記錄摘要，例如摘要案例說明
• 建立結構化會議筆記
• 生成範本化的電子郵件回覆
• 建議下一個最佳動作
• 識別個案情緒分析

請記住，雖然提示詞範本能動態填入資料，並根據執行階段呈現的動態輸入產生回應，但它們無法針對不同選項進行推理，也無法採取動作。

代理是根據不斷變化的前後關聯，自主決定要做什麼、順序以及如何執行的軟體系統。代理可以根據結果進行規劃、理由、呼叫外部動作（例如 API 呼叫或資料庫查詢）以及做出反應，因此不僅僅是單一提示。它們可以根據它們在過程中學到的內容，選擇不同的路徑或回應。代理在以下情況下最適合：

• 環境或上下文可以動態變更
• 根據數據可以進行多個決策或分支
• AI 需要取代或協助人類判斷作出選擇或採取行動

AI 智慧代理使用案例：

• 分類和路由傳入的支援個案
• 透過查看外部系統和政策來解決預約問題
• 透過回饋循環管理多步驟工作流程
• 根據客戶問題的細節撰寫個案回應電子郵件，並從您面向客戶的網站提供可能的解決方案和相關知識文章
• 根據服務代表的可用性和客戶偏好安排約會
• 偵測軟體更新問題等事件，並主動產生疑難排解任務，或嘗試透過觸發動作來叫用API呼叫來遠端解決

瞭解推理引擎幕後運作的方式，是成功導入代理的關鍵。在AI智慧代理發展的早期，我們這些實務人員經常談論提示工程：也就是「引導」LLM做出預期行為的技巧。現在，我們已經進一步來到情境工程。

情境工程 是一種更全面的方法，遠不只是寫出一個好的提示而已。透過Agentforce的混合式推理，您可以設計出一套系統，在自主LLM推理與以規則為基礎的邏輯之間取得平衡，達成確定性的控制。

情境工程是提示工程 之後更進一步的方法。它強調透過設計由子代理、指示、規則與動作組成的系統，為代理提供成功所需的精確資訊與清楚界線，而不是反覆斟酌字句，試圖讓LLM產生完全正確的回應。

情境工程的三大要素

實務人員使用Agentforce Script作為統一語言，在單一語言與檔案中表達子代理、指示、動作與規則。

1. 子代理。用來定義專業代理及其專長領域。
2. 指示。用來提供對話流程、語氣與意圖的指引。
3. 動作與規則。用來執行動作並落實必要的商業邏輯。

讓我們更仔細瞭解子代理、指示與動作；這三項都是您每次使用Agentforce建置代理時要定義的重要中繼資料。

子代理是代理能力的基礎，用來定義它能做什麼，以及能處理哪些類型的客戶要求。您可以把它們想成具備特定專業、動作與指示的專責部門。當客戶傳送訊息時，您的代理會先判斷應由哪個「部門」(子代理)處理該要求，接著使用該子代理專屬的指引與工具來協助客戶。

指示是用來引導子代理內部如何處理對話的準則，可引導動作選擇、設定對話模式，並提供商業情境。清楚且明確區分的子代理可避免重疊，並確保推理引擎正確分類客戶要求。指示應清楚、具體且可執行，才能有效引導代理。

您的代理會使用動作來取得資訊或執行任務。定義動作時，瞭解推理引擎如何處理它們至關重要。引擎會根據可用動作的名稱、說明與輸入內容，以及子代理指示與對話情境來進行判斷。Agentforce內建多項標準代理動作，您也可以建立自訂代理動作，進一步擴展您的導入內容。在建立自訂動作之前，請務必先確認是否可使用標準動作。設計動作時請將可重複使用性納入考量，因為它們可套用於多個子代理。以下列出可用的自訂代理動作，以及適合使用它們的時機。

推理引擎會運用子代理、指示、動作與規則來完成工作。由於Agentforce Script作為代理的完整定義，因此排除了機率式路由的黑盒子問題。簡單來說，推理引擎會：

• 分類子代理：引擎會根據子代理的名稱與說明，將客戶訊息對應至最合適的子代理。
• 執行指令碼邏輯：引擎會執行Script中定義的指令碼指示與規則。這會在系統評估非確定性指示之前發生。
• 套用動作：如果任務需要外部資料或更新，引擎就會執行必要的動作並收集結果。
• 依據檢查：在傳送最終回應之前，引擎會確認答案是根據來自動作或指示的正確資訊，並遵循Script與指示中提供的準則。

以下逐步說明每次叫用代理時，推理引擎內部會發生什麼事。

如需更深入瞭解，請參閱Agentforce實現可靠代理行為指南：6個確定性層級架構

實務人員必須瞭解篩選與指示之間的差異，才能建置出準確的代理。篩選條件 控制LLM在對話每一輪中看得到什麼，以及能做什麼，而且它們可在多個層級發揮作用。篩選條件可套用於子代理、動作與擷取器，讓實務人員能細緻控制哪些子代理可用、這些子代理能做什麼，以及模型在每個步驟會擷取哪些內容。

以銀行的虛擬助理為例。當客戶詢問房貸時，專門處理房屋貸款的子代理就會啟動。它的篩選條件會確保LLM只看得到房貸文件，而不會看到信用卡資料或投資記錄。但在同一段對話中，擷取客戶目前利率的動作會使用自身更嚴格的篩選條件，僅限該客戶的帳戶資料。客戶會收到精確的答案，而不相關的資料完全不會被納入。

篩選條件可設為靜態(在設定時預先設定)或動態(在執行階段從對話情境或提示輸入傳入)。透過增強版Retriever Pre-Filters，實務人員現在可為每個擷取器套用多達10個動態篩選條件，以AND/OR邏輯加以組合，並使用LIKE運算子進行模式比對。這能降低擷取雜訊，讓情境視窗聚焦於最相關的內容。例如在軟體開發工作流程中，實務人員可套用動作專屬的情境篩選條件，讓代理在解讀使用者提示時保有彈性，同時嚴格依據目前的程式碼庫狀態運作。

Agentforce Script透過編碼代理必須遵循的特定順序與規則，提供最高層級的確定性控制。這種方法可避免提示惡性循環，也就是指示變得過長或過於混亂，導致LLM無法準確遵循的情況。

雖然篩選條件與Agentforce Script提供了系統層級的控制，實務人員仍必須提供驗證準確性的方式。引文會為每一次回應提供清楚的稽核軌跡，將代理所使用的內部情境與它呈現出的答案連結起來。

推理引擎會協調這四個元件，以兼具彈性與控制力的方式處理要求。假設有位客戶說：「我昨天訂了一件紅色毛衣，但我需要更改配送地址。」

1. 子代理分類。引擎會分析客戶訊息，並執行子代理分類。它會將該要求對應到「變更訂單」子代理，因為其名稱與說明符合這項任務。
2. 情境組合。引擎會執行情境組合，以建立代理記憶。它會收集子代理指示、指令碼與可用動作。
3. Agentforce Script執行。引擎會執行Agentforce Script，以執行確定性的商業邏輯。指令碼會檢查紅色毛衣的訂單狀態。如果訂單仍在倉庫中，指令碼就會允許代理繼續進行變更。
4. 以指示為基礎的推理。指示會引導代理完成整段對話。它們會定義語氣，並引導代理向客戶詢問新的收件地址。
5. 動作套用。代理會選擇並執行「更新訂單配送」動作。它會將訂單ID與新地址傳送到系統中，以完成更新。
6. 具備明確依據的回應。代理會向客戶提供最終確認。它會進行依據檢查，並附上引文，以驗證資訊來源。

成功的情境工程需要將子代理、指示、指令碼與動作無縫整合。這四個要素會協同運作，讓代理維持在最佳相關性與準確性的範圍內。子代理定義專業能力。指示提供對話引導與語氣。Agentforce Script加入一層確定性控制，以落實商業規則。動作讓代理得以執行動作並存取即時資料。這套整合策略可確保您的代理既實用又高度可靠。

成功的情境工程需要知道該將邏輯放在哪裡。

• 使用動作與Agentforce Script來進行控制。請將關鍵商業規則與多步驟工作流程放入Agentforce Script或動作中。這包括複雜計算與必要的執行順序。
• 使用指示來定義行為。使用指示引導對話流程，並定義回應語氣。

撰寫有效指示的最佳實務

• 定義您的術語。不要假設代理知道產業術語的意思。例如，請定義用於折扣的「促銷代碼」與用於保固的「註冊代碼」之間有何差異。
• 明確說明執行順序。如果步驟必須依特定順序進行，請在同一個指示區塊中清楚說明。
• 使用一致的術語。請以動作的確切名稱來稱呼它們，並在所有指示中使用相同術語。
• 審慎使用絕對性字眼。像是「一律」和「永不」這類字眼，會對您的代理如何互動產生重大影響。
• 提供決策準則。協助您的代理在相似選項之間做出選擇。例如，可指示代理在使用者可存取電子郵件時使用「電子郵件重設」動作，若無法存取，則使用「安全性問題」動作。

這是我們經常從客戶那裡聽到的問題。簡短來說，需要。Data 360是Agentforce不可或缺的一部分，因為Data 360架構用於Agentforce中的某些功能，例如Agent Analytics和Digital Wallet。Data 360基礎架構也支援索引建立、非結構化資料搜尋，以及意見回饋記錄與稽核軌跡。Data 360也能提供額外的延展性。Agentforce客戶也可以選擇啟用自備資料湖(BYOL)和自備大型語言模型(BYO-LLM)等功能，讓建置於Salesforce之外平台上的資料與模型，能搭配建置於Agentforce上的代理使用。

透過將Data 360架構與Agentforce搭配使用，客戶如今無論是透過資料聯合存取其他資料湖中的資料，還是運用超大規模基礎架構處理PB等級資料，都能獲得更好的AI成果。這個強大的架構也能確保成功導入代理的長期可行性，不論支援這些代理的底層資料集規模有多大或多複雜。

想知道Data 360支援了哪些特定的Agentforce功能嗎？下表詳細說明Data 360預設提供的Agentforce功能，以及客戶可啟用以擴展其導入內容的選用功能。

我們已說明讓Agentforce運作的關鍵要素，包括推理引擎，以及如何使用指令碼、子代理、指示與動作。瞭解這些元件，是有效運用Agentforce的關鍵。在導入Agentforce時，請運用本指南改善成果。請查看提供的資源，瞭解更多資訊。

請前往Agentblazer.com與Agentforce.com，查找部落格文章、指南、示範影片及更多資源

• 長篇指南：
  • Agentforce實現可靠代理行為指南：6個確定性層級架構
  • 代理式企業營運指南
  • Agentforce與RAG：打造更優秀代理的最佳實務
  • Agentforce情境工程指南
    
    
• 給CIO的內容：
  • 實用指南：打造真正可靠且可運作的AI智慧代理
  • 看不見的優勢－8項已由具名CIO測試並驗證的代理式企業關鍵設計原則。

• 部落格：Doomprompting無法帶來可預測的AI智慧代理，但一種全新的指令碼語言可以
• 開發者部落格：使用變數與篩選條件控制代理的存取權限與決策過程
  
  
• Trailhead：代理規劃：規劃代理的工作內容
  
  
• 說明文件：
  • 動作指示
  • 子代理指示
  • 代理疑難排解