介紹 Agentforce

AI 智慧代理有潛力，透過提高效率、減少人工精力，以及創造更複雜且適應性的工作場所，來徹底改變組織。這就是為什麼我們推出 Agentforce，這是一個用於構建 AI 智慧代理的平台。但隨著新技術，還有新的概念，以及新的實施考量。

本指南將探討 Agentforce 的核心要素，並作為一系列指南中的第一篇，未來將隨著 Agentforce 的發展持續演進。在此資源中，您將找到有關 Agentforce 的運作方式的詳細資訊，以及建築師和所有技術從業者在使用 Agentforce 建置時需要知道的關鍵功能和衡量。

我們所要討論的內容：

• 重要提示
• Agentforce 基礎知識
• 提示詞與代理
• Agentforce 如何推理
• 使用篩選器的最佳實踐與說明
• 主題、指示和動作的最佳實踐
• Agentforce 需要 Data Cloud 嗎？
• 結語
• 資源

• 代理與聊天機器人、協作助理和提示等其他生成式 AI 工具不同，因為它們可以在或沒有人為干預的情況下規劃、理論和使用工具。
• 提示詞工程是建造代理的關鍵。這是引導代理行為和控制結果的主要方法，透過主題、動作和提示詞來實現，也是設計有效的提示範本驅動動作的關鍵。
• 主題、動作和提示詞是如何控制驅動推理引擎的提示。這就是為什麼它們是使 Agentforce 適合您的關鍵元素。
• 由於 Agentforce 是 Agentforce 360 Platform 的一部分，因此使用 Agentforce 建造的代理可以使用您已經熟悉的低程式碼和專業程式碼工具。
• Data Cloud 是 Agentforce 的不可或缺的一部分。它支持索引和分塊功能，用於檢索增強生成 (RAG)，代理程序分析，自備模型 (BYOM) 和數位錢包。
• 代理很棒，但有時候提示詞範本就夠用了。

簡而言之，代理是一種使用生成式 AI 來決定接下來要做什麼以及如何做的軟體。代理可以理解一個問題（通常稱為言語），自主決定要採取哪些行動來實現其目標、確定需要哪些數據，然後採取行動，無論是有沒有人為干預。最棒的部分是？代理使用大型語言模型 (LLM)，而不是嚴格的預先撰寫規則。這讓代理比基於規則的自動化更加靈活，同時也代表著從遵循硬式編碼指令的傳統軟體邁出了一大步。

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。
• 代理可以是自主的（在無需人工介入的情況下執行動作），也可以設計成需要人工參與的流程。
• 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。

雖然代理不像傳統軟體那樣遵循程式碼的邏輯，Agentforce 提供了多種元件，讓您能進一步控制代理的推理方式。還有許多功能使 Agentforce 得以擴展。以下是這些元件的概覽：

策略規劃是部署AI智慧代理的關鍵。如果您的組織尚未制定策略，我們建議在Trailhead完成AI策略課程徽章 。由此開始，我們假設您已經熟悉定義AI願景、成立AI委員會、建立AI治理、識別AI使用案例以及建立路線圖的流程。

建立代理需要時間和資源。仔細規劃將幫助您第一次就正確進行。開始建立任何代理之前，請為您計劃建立的每個代理定義一個使用案例並建立流程圖。Trailhead上的代理規劃徽章 涵蓋「概述代理的工作 」單元中的流程映射。概述理想的使用者體驗，以及系統如何回應使用者輸入並處理潛在錯誤或問題。

產生的圖表將有助於確保您瞭解流程。這能協助您產生指示，並知道在哪裡使用動作、變數和篩選器。這種代理規劃方法的好處包括：

• 吸引企業使用者並同意範圍
• 定義動作、指示和安全機制
• 產生清晰、具體的指示
• 在測試和評估期間偵錯
• 評估端對端情境
• 展示合規性與稽核紀錄
• 解釋預期的代理行為並獲得簽署

在我們繼續之前，重要的是要注意，代理並不是Agentforce 360 Platform上唯一可用的生成式 AI 工具。提示詞範本是另一個強大的工具，使用生成式AI建構應用程式。內建在Prompt Builder中的提示詞範本可讓您定義一組結構化、可重複使用的指示，指導生成式 AI 模型以產生特定輸出。他們可以透過預定義欄位、資料圖表和上下文資料檢索增強生成(RAG)來參考Salesforce資料。提示詞範本也具備高度安全性 — 所有提示都會透過Salesforce的信任層處理，遵守權限設定、遮蔽敏感資料，並標示不當輸出。

提示詞範本是與AI的單一回合互動，非常適合不需要記憶體或多步驟推理的一次性任務。例如，當您需要重新撰寫句子或總結案例時，提示詞範本非常適合，因為不需要持續的前後關聯。在設計使用提示詞範本的解決方案時，重要的是要記住它們是無狀態的即它們不會在回合之間保留記憶體），並且它們不會做出決定或採取行動。提示詞範本會根據您在設計時提供的輸入和邏輯生成回應。

提示詞範本可以在嵌入式AI解決方案中單獨使用，或者您可以將提示詞範本新增至代理作為代理動作。在以下情況下，單獨使用提示詞範本是理想的：

• 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，雖然提示詞範本可以根據執行時動態填入的資料生成回應，但它們無法進行推理或採取行動。

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

想了解Agentforce如何理解使用者請求並決定採取哪些動作嗎？本節將引導您瞭解決策過程的核心：Atlas 邏輯引擎。就像瞭解執行順序對於理解Salesforce中紀錄儲存時的運作方式至關重要，瞭解Atlas推理引擎在幕後的運作機制，也能幫助您深入掌握Agentforce的運作原理。

Atlas推理引擎使用一系列提示、程式碼、LLM呼叫，以及三個關鍵建構塊，協助代理了解並有效地回應。請將以下三個元素(主題、指令和動作)視為您可操控的槓桿，藉此讓代理為您發揮效用。當您調整這些元素時，其實就是在設計提示詞，以供推理引擎用來理解、判斷和採取行動。沒錯：Agentforce 在推理引擎中使用提示語來分類主題和動作。這也就表示，每當您在Agent Builder中建立代理時，其實就是在進行提示詞工程！

在我們更深入探討 Atlas 推理引擎之前，讓我們先仔細了解「主題」、「指令」和「動作」這三個重要的中繼資料元素 — 每當您使用 Agentforce 建立代理時，都需要定義它們。

主題是代理能力的基礎，定義它可以做什麼，以及可以處理的客戶請求類型。可以把它們想像成具有特定專業知識、工具（動作）和指引（指令）的專門部門。當客戶傳送訊息時，您的代理會先判斷應由哪個「部門」（主題）處理該請求，接著依循該部門的指引並運用其工具來協助客戶。主題也有一個範圍，可定義代理在該特定主題區域中可以和不可可以做什麼。

指示是指導如何處理主題內對話、指導動作選擇、設定對話模式以及提供業務背景的指導方針。清晰而不同的主題可防止重疊，並確保推理引擎正確分類客戶請求。指示應清晰、具體且可行動，以有效指導代理。

動作可作為代理用來取得資訊或執行任務的工具。定義動作時，瞭解推理引擎如何處理它們至關重要。引擎會根據其名稱、描述和輸入以及主題指示和對話內容來審查可用的動作。Agentforce 隨附一些標準代理動作，您可以建立自訂代理動作以進一步擴展實作。但是，建立自訂動作之前，您始終應檢查是否可以使用標準動作。設計動作時要考慮可重複使用性，因為動作可用於多個主題。以下是可用的自訂代理動作清單，以及您應該使用它們的時間：

您可能想知道代理如何使用主題、指示和動作來完成工作。以下是每當呼叫代理時，Atlas 推理引擎內發生的情況逐步分析。

當從使用者收到訊息或查詢，或從事件、資料變更或 API 呼叫中呼叫代理時，就會開始此流程。

邏輯引擎會分析使用者的訊息，將其分類至最相關的主題。對於此分類步驟，邏輯引擎只會查看主題名稱和主題分類說明。如果沒有相符的主題，則預設為「非主題」分類。

與所選主題相關的範圍、指令和動作會與原始使用者訊息及對話歷程，通常是最近六輪，一併注入提示中。最終生成的提示會送交LLM，以判斷代理接下來應該執行的動作。

代理會分析合併輸入 (使用者訊息、指示、潛在動作)，並決定下一步：

• 執行動作：如果需要特定資訊或必須執行任務。
• 回應使用者：如果它有足夠的資訊或正在尋找資訊，代理程序可以發送回覆。

• 代理會調用選取的動作。
• 擷取執行動作的輸出或結果。
• 動作輸出處理：動作的輸出會傳回 LLM，再次與原始前後關聯（指示，動作，對話歷史記錄）結合。

• 代理會根據新資訊（動作輸出）和正在進行的對話前後關聯重新評估情況。
• 輸出會隨著焦點主題範圍、指令和動作一起傳送，並決定是執行另一個動作還是制定回應。
• 此循環會持續，直到代理確定其擁有所有必要的資訊並準備直接回應使用者為止。

在傳送最終回應之前，代理會執行最後一次檢查，以確保其建議的回應是根據並遵守提供的主題指示。此步驟會檢查回應是否：

• 在原始資訊中正確地著陸
• 遵守主題的說明和範圍
• 不包括幻覺或未經驗證的資訊
• 沒有潛在的即時注射風險

最終經過驗證的回應會傳送給使用者。如果著陸步驟失敗，代理會重試並嘗試生成固定回應。如果它無法產生固定的回應，它將發送標準消息，通知使用者無法處理請求。

瞭解此工作流程有助於解釋為什麼您的代理的每個元件（主題、指示和動作）都必須精心設計，以配合此推理流程。但它並不止於此。

為了提供額外的控制權並為代理工作流程添加確定邏輯，Agentforce 使用條件篩選。這就像是表單欄位的動態可見性規則，只不過是用在代理的推理過程中。

條件篩選器就像守門人，決定在推理過程中某個主題或動作是否應被納入考量。與引導大型語言模型決策的指令不同，篩選器是在系統層級運作，根據特定條件完全排除或納入主題和動作。

條件式篩選可透過兩種關鍵方式增強代理的效能：

1. 改善主題分類準確度

通過根據對話狀態從考量中刪除不相關的主題，可以減少主題分類過程中的「語義雜訊」。這能讓LLM更輕鬆地為指定使用者查詢選取正確的主題。

舉例而言，如果使用者尚未驗證，篩選器可以隱藏與帳戶特定動作相關的所有主題。這可防止代理將一般查詢錯誤分類為敏感主題，這最終會導致驗證錯誤或不當回應。

2. 根據情境選擇合適的動作

選取主題後，篩選器會根據目前對話狀態進一步調整該主題中的可用動作：

• 如果必要變數（例如：訂單編號）未被填入，則依賴這些變數的動作可以被隱藏。
• 如果某些動作僅根據使用者屬性或權限可用，則篩選器可以強制執行這些規則

條件篩選的運作方式

Atlas 邏輯引擎支援根據兩種類型的變數進行篩選：前後關聯變數和自訂變數。以下是每種類型的屬性的快速概述：

這些是從訊息工作階段衍生的變數，可以包括：

• 「通訊工作階段」物件中的標準欄位
• 新增至「訊息階段作業」物件的自訂欄位
• 聊天前表單數據
• 先前通訊工作階段的資訊

情境變數特別適用於根據已知的客戶資訊來個人化互動，而無需透過對話方式向客戶詢問。在使用情境變數設計解決方案時，重要的是要注意，這些變數是在工作階段啟動時設定的，並在該工作階段期間不可變更。

自訂變數會儲存從動作傳回的資訊。這些可用於：

• 追蹤對話狀態（例如：驗證狀態）
• 將需要保留的動作輸出儲存為動作輸入
• 建立動作之間的依賴關係，使特定動作僅在符合特定條件時才可用

篩選器會根據情境變數與自訂變數的值運作。篩選器可同時套用於主題層級與動作層級：

• 主題層級篩選器：控制整個主題是否可供分類
• 動作層級篩選器：控制主題內特定動作的可用性，即使已選取主題本身

以下是 Atlas 邏輯引擎的簡單檢視，顯示推理流程如何採用主題層級和動作層級篩選器。

篩選最常見的使用個案是控制對敏感操作的存取：

Filter: "Requires Authentication"

Condition: authenticationStatus = "verified"

適用於：帳戶管理主題，付款處理主題

這可確保即使使用者在驗證前詢問其帳戶或付款，代理也不會允許呼叫這些主題。

篩選器還可以幫助處理步驟以正確的順序執行：

Filter: "Order Number Required"

Condition: orderNumber != null

適用於：檢查訂單狀態動作、修改訂單動作

這可確保訂單相關的動作只有在收集訂單編號並儲存在變數中後才可用。

了解篩選和指示之間的區別很重要：

1. 過濾器具有決定性的操作：它們使用變量匹配來包括/排除主題和動作。
2. 指令由LLM解釋：它們依賴於LLM的理解，且非確定性，這意味它們的結果可能會根據模型的理解和解釋而有所不同。
3. 篩選器限制代理的決策：它們完全移除考量的選項，從而最小化搜尋空間，從而提高準確度。

Atlas 推理引擎的另一部分是引用。您可以使用引用來驗證 LLM 用來產生回應的來源。您可在下列圖表中看到引用的位置適合推理引擎流程。

此圖表還突出了推理引擎的可組合架構。升級、引用和護欄是推理引擎使用 Agentforce for Service 範本建立代理時所使用的模組元件。如今，推理引擎使用的模塊化元件是以逐個範本的基礎設置。我們正在努力使這些組件變得更像樂高零件，可以從代理商中換出，甚至可以在未來客戶進行交換。

我們已經涵蓋了很多內容。現在，讓我們回去一步，並介紹一個完整的示例，瞭解當客戶問代理問題時，主題、指示和動作如何與推理引擎一起運作。

客戶留言：「我昨天訂購了一件紅色毛衣，但我需要更改送貨地址。」

• 引擎將郵件與所有主題名稱和分類說明進行比較
• 它選擇「變更訂單」主題，因為其分類說明提到「更改訂單」

• 推理引擎將「變更寄送時間」或「變更地址」主題帶到焦點提示中，並包括主題的範圍、說明和可用動作以及對話記錄與使用者消息
• 範圍指出代理商可以修改訂單，但在處理訂單後無法取消訂單
• 指示包括處理訂單修改的指引

• 根據主題指示和動作說明，引擎確定其需要：
  • 首先識別訂單（使用「按描述查找訂單」動作）
  • 然後更新送貨地址（使用「更新訂單出貨」動作）

• 引擎要求客戶提供他們的電子郵件以查找訂單
• 找到訂單後，它會收集新的運送地址
• 它使用訂單 ID 和新地址執行「更新訂單出貨」動作
• 它與客戶確認變更的地址

現在您了解邏輯引擎的工作原理以及為什麼主題、動作和指示如此重要，讓我們來看看一些建立它們的最佳做法。

主題是代理能力的基礎。它們定義您的代理知道如何做，以及可以處理哪些類型的客戶請求。主題的三個元素是主題名稱、分類描述和範圍。

• 想：「我該如何分類我的代理「要完成的工作」？」
• 使用易於識別的名稱
• 使用簡短的描述性名稱
• 使用動詞開始名稱，例如提供、變更或取消
• 確保不同的主題名稱的含義不重疊
• 建立新主題之前，請先檢閱現有主題
• 每個代理將主題限制為 10-15 個，太多/重疊的主題會增加代理不一致或不準確的機率

• 包括使用者可能要求此類協助的不同方式
• 列出客戶通常使用的特定關鍵字和短語
• 涵蓋此主題應該處理的全部問題
• 用自然語言寫作，而不是技術術語
• 使其與其他主題的描述區別

如果您發現代理一直無法為使用者查詢選取正確的主題，主題名稱和描述就是您應該先調查和細化的地方。

• 寫下這個，就像您在向新員工解釋一份工作一樣：「你的工作是...你不能...」
  • 明確地說明權限和限制
• 使用清晰明確的邊界的語言

讓我們看看如何在設計時設定主題，以便代理協助使用者重設密碼。主題、說明和動作可能如下所示：

然後在運行時，當客戶從公司的網站與我們的代理互動時，會發生以下情況：

1. 客戶說：「我忘記了登入資料。」
2. 推理引擎會與密碼重設主題相符，因為分類說明提到「忘記密碼、登入問題、帳戶存取問題」。
3. 範圍告知代理可以協助重設密碼，但無法存取帳戶資訊或進行帳戶變更。
4. 代理人會遵循指示，先驗證客戶的身份，然後提供發送密碼重設鏈接。
5. 代理會使用「傳送密碼重設電子郵件」動作來完成工作。

指示是指示您的代理如何處理主題內對話的指導方針。指示可協助代理決定要採取哪些行動以及如何回應。

指示在您的代理的決策過程中起了幾個關鍵作用：

1. 指導動作選擇：它們可以幫助您的代理選擇要在特定情況下使用哪個動作。
2. 設定對話模式：它們確定您的代理應如何與客戶互動。
3. 提供業務背景：它們可以幫助您的代理了解公司的流程和術語。

如果沒有明確的指示，您的代理可能會選擇錯誤的動作、誤解使用者要求，或提供不一致的回應。但請記住，指令會合併到提示中並發送給 LLM，因此非確定性。它們不會取代動作中對編碼商業規則的需求。

邏輯引擎處理客戶請求時，會使用您的指示執行下列作業：

1. 決定要執行哪些動作：指示可協助引擎確定哪個動作最適合特定情況。
2. 確定步驟順序：指示可以指導引擎是否應該在其他步驟之前執行某些步驟。若要取得更多決定性，您可以使用動作變數和條件篩選。
3. 格式化回應：指示定義資訊向客戶呈現的方式。
4. 處理例外狀況：指示告訴引擎在標準流程不套用時該怎麼辦。例如，如果發生邊緣案例，請轉接至真人客服。）

您的指示越清晰明確，您的代理就會執行得越一致。

建立您的代理時，瞭解何時使用指示與動作來實現功能非常重要。針對必須一致強制執行的關鍵業務邏輯使用動作，例如複雜計算、敏感資訊處理以及需要特定排序的多步驟操作。相反，請使用「指示」來指導對話流程、協助代理根據前後關聯選取適當的動作、定義回應格式和語調，以及在資訊模糊時建立澄清策略。

• 不好的例子：「切勿對超過 30 天的訂單發出退款」（作為說明）
• 更好的方法：使用日期輸入日期，將此邏輯內建到退款訂單動作本身中，並對該操作進行驗證

退款訂單動作範例：

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 = 'Invalid input: Order ID and Order Date are required.';

return result;

}

Date today = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = 'Order cannot be returned. More than 30 days have passed.';

} else {

result.canReturn = true;

result.message = 'Order can be returned. Sending return slip.';

sendReturnEmail(orderId);

}

return result;

}

• 定義您的術語：不要假設代理知道行業術語的含義。
  • 範例：「促銷代碼用於結帳時的折扣，而註冊代碼用於註冊產品進行保修。」
• 詳細說明序列：如果步驟應以特定順序進行，請清楚地說明並將它們包含在一個指令框中。
  • 範例：「首先驗證客戶動作驗證客戶的身份，然後提供帳戶資訊。」
• 使用一致的術語：在所有說明中使用相同的術語。
  • 錯誤的例子：在一個指示中「檢查客戶 (client) 的資訊」，在另一個指令中「驗證顧客 (customer) 的詳細資訊」
  • 好的例子：一致地使用「客戶 (customer)」，並以其確切名稱引用行動
• 要小心絕對的內容：像「永遠」和「從不」這類詞彙會被非常字面地解讀。
  • 這點絕對可能對代理的互動方式產生重大影響。請確保您有意地在指示中使用它們。
• 將動作與情況配對：清楚指定在哪些情況下要使用哪些動作。
  • 範例：「客戶詢問包裹位置或交貨日期時，請使用『追蹤訂單』動作。」
• 提供決策準則：協助您的代理在類似選項之間做出選擇。
  • 範例：「如果客戶可以存取其電子郵件，請使用『重設電子郵件密碼』動作。」，「如果使用者無法存取其電子郵件，請使用『安全性問題驗證』動作。」

動作是您的代理使用來取得資訊或執行任務的工具。

當您的代理處理客戶請求時，推理引擎：

1. 分析客戶的訊息和所選主題
2. 檢閱主題中的可用動作
3. 根據下列條件決定要使用哪個動作：
   -動作名稱、動作描述和動作輸入
   -參考動作的主題指示
   - 對話的前後關聯
4. 使用適當的輸入執行選取的動作
5. 使用動作的輸出來制定回應或決定下一步

為了讓這個過程有效運作，您的動作需要清晰、描述性的名稱和指示，以幫助推理引擎了解何時和如何使用它們。為了減少延遲並提升效能，請勿為單一主題指派超過 15 個動作，並請記得：動作可以在多個主題之間重複使用。

代理中的每個動作都有三個需要設定的重要部分：動作名稱、動作指示和動作輸入指示。

• 使用符合客戶會如何描述行動的簡單語言。
• 由於動作 API 名稱已傳送到推理引擎，請確保 API 名稱清晰並描述功能。

行動指示的最佳實務：

• 撰寫 1-3 個句子，準確解釋動作的作用
• 指定何時使用此動作（客戶請求類型）
• 列出動作成功執行所需的資訊
• 提及動作處理的任何特殊條件或邊緣案例
• 包括應觸發此動作的範例客戶短語

動作輸入指示的主要提示：

• 清楚描述輸入是什麼及其目的
• 指定預期的格式（長度，字符，結構）
• 包括驗證條件或格式化需求

這是我們經常從客戶那裡聽到的問題。簡短的答案，是的。Data Cloud 是 Agentforce 的不可或缺的一部分，因為 Data Cloud 架構被利用於 Agentforce 中的某些功能，例如：代理分析和數位錢包。此外，Data Cloud 基礎架構可以建立索引和搜尋非結構化資料，以及回饋記錄和稽核記錄。Data Cloud 還可以為 Agentforce 提供額外的擴充功能，客戶還可以選擇啟用自備湖 (BYOL) 和自備大型語言模型 (BYO-LLM) 等功能，以使用在 Salesforce 以外的平台上建立的資料和模型，並搭配使用 Agentforce 建置的代理。

從透過資料聯合存取來自其他資料湖的資料，到利用超規模基礎架構進行 PB 規模資料，利用 Data Cloud 的架構與 Agentforce 可確保客戶體驗更好的 AI 結果，並確保成功採用代理的長期可行性，無論這些代理的基礎資料集有多大或複雜。

想知道 Data Cloud 提供哪些特定的 Agentforce 功能？您可以在下面找到 Data Cloud 預設支援 Agentforce 功能的摘要，以及希望擴展實作的客戶可以開啟的可選 Data Cloud 功能。

我們介紹了使 Agentforce 起作用的關鍵元素，包括 Atlas 推理引擎，以及如何使用主題、說明和動作。了解這些元件是有效使用 Agentforce 的關鍵。當您開始實施 Agentforce 以改善 Agentforce 結果時，請記住使用本指南。我們鼓勵您查看所提供的資源，以了解更多資訊。

代理規劃：概述代理的工作
https://trailhead.salesforce.com/content/learn/modules/agentforce-agent-planning/outline-the-agents-work

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

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

疑難排解代理：
https://help.salesforce.com/s/articleView?id=ai.copilot_troubleshoot.htm&type=5

Agentforce 變數：
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