构建智能体原型
学习目标
完成本单元后，您将能够：
- 为 Agentforce 用例设计自定义主题。
- 规划智能体操作流、Apex 和提示模板。
- 解释设计参考操作的一些注意事项。
Trailcast
如果您想收听本模块的录音，请使用以下播放器。听完这段录音后，记得返回每个单元，查看资源，然后完成相关评估。
如何构建原型
在 Nora 和她的项目团队为 Agentforce 项目规划活动时，他们构建了 AI 智能体并在 Sandbox 环境中进行了实验。但是，Coral Cloud 如何在 Salesforce 组织中构建 AI 智能体原型呢？在本单元中，我们将详细介绍该团队的方法，以便您可以亲自动手，开始迭代改进自己的解决方案。
首先，让我们看看 Nora 是如何设计 Coral Cloud 为预约管理用例创建的主题的。
为对话做好准备
主题是 Agentforce 的重要组成部分，因为它们定义了 AI 智能体的目标，并提供了实现目标所需的上下文和方向。
当用户开始与 AI 智能体聊天时，Agentforce 的核心——推理引擎会在后台与大语言模型 (LLM) 协同工作，消除对话歧义，明确用户的意图。然后，它会评估智能体可用的所有主题，并选择与用户目标相符的主题。在设计主题时，您需要尽可能简化推理引擎选择正确主题的过程。如果推理引擎没有选择正确的主题，就无法执行正确的操作，这意味着它将缺少完成任务所需的工具。
设计主题
Agentforce 内置了用于设计主题的工具，但 Nora 也可以选择现成的主题或编辑现有主题。Nora 可以查看主题的组成部分，轻松选择标签、分类描述、范围和指令。
标签
主题标签应反映要完成的任务。对于 Coral Cloud 用例，预约管理被确定为一项要完成的任务。因此，新主题的名称为“预约管理”。如果一个智能体有多个主题，请确保主题名称不要过于相似，否则推理引擎会无法区分它们。
Classification Description（分类描述）
分类描述指一到三句话，用于描述主题的功能。智能体使用此描述来决定何时在对话中使用主题。分类描述在语义上应与智能体的其他主题有所区别。此外，最有效的描述应准确反映预期会触发该主题的查询类型。
以下是 Coral Cloud 分类描述的第一次迭代：“回答与客人酒店预约、确认或旅行行程相关的问题并满足请求。”
Scope（范围）
一旦智能体选择了预约管理主题，范围将决定智能体能做什么和不能做什么。缩小智能体的工作范围，效果最佳。
在用例定义阶段，Coral Cloud 项目团队首先开发了一个用于处理预约管理的 AI 智能体的 MVP 版本。这是一个明智的决定。随后，在两个后续版本中，他们逐步扩展了智能体的范围。正如您所想，每个版本的边界都应该反映在 Agentforce Builder 的主题范围中。
在主题的 MVP 版本中，您可以按如下方式描述其范围。
“您的任务仅限于协助用户解答酒店预约相关问题，并向客人提供现有预约信息。您也可以重新发送预约确认电子邮件和行程单。请勿进行新的预约、修改预约信息或取消预约。请勿处理与酒店预约无关的咨询。”
当 Coral Cloud 在该主题的第二个版本中扩展智能体功能时，项目团队可更新该主题的范围，使其包括修改和创建预约，但不包括取消和退款。
指令
指令帮助智能体决定如何执行任务以及如何使用分配给主题的操作，并且指令以自然语言编写。例如，Coral Cloud 主题中的一条指令可能是：“在最终确定任何变更之前，务必与用户确认预约修改的详细信息。”
请记住，主题指令并非确定性的，这意味着指令无法保证每次都得到完全相同的结果。这正是生成式 AI 的本质。因此，Nora 和她的团队会将重要或敏感的业务规则、需求和护栏构建到智能体操作的功能中，而不是直接写入主题指令。例如，Coral Cloud 不会添加“除非在入住日期前两天内取消预订，否则不予退款”这样的指令，而是创建一个智能体操作来评估退款条件。
在构建智能体原型时，我们建议最后编写主题指令。只有清楚了解操作中逻辑的复杂程度以及需要智能体自主完成多少决策，才能编写有效的指令。创建主题和操作后，Coral Cloud 团队可以测试 AI 智能体。之后，他们可以参考 Salesforce 帮助和 Salesforce 开发人员博客中的最佳实践，添加和完善主题指令。
操作时间
在上一单元中，Coral Cloud 定义了与酒店预约相关的业务流程。这些业务流程中的大部分已转换为“预约管理”主题中的自定义操作。
关于自定义操作，好消息是您不必凭空创建它们。事实上，自定义操作是基于您已经熟悉和喜爱的 Salesforce 技术。创建自定义操作时，是在您希望在 Agentforce 中使用的现有平台功能之上进行创建，即可调用的 Apex 类、自动启动流和提示模板。在 Agentforce 中，这种基本功能称为参考操作，这是让 Salesforce Platform 功能发挥更大作用的绝佳方法。
参考操作的设计注意事项
Coral Cloud 在设计支持智能体操作的基本参考操作（Apex、流和提示模板）时采用了什么方法呢？以下是团队考虑的一些因素。
确定性的或基于提示的
在开发支持智能体操作的基础平台功能时，首先要审查与用例相关的业务流程和任务。然后决定该流程或任务应该是确定性的还是基于提示的。
-
确定性的：使用可调用的 Apex 类或自动启动流生成输出。基于流或 Apex 的操作是确定性的，使用业务逻辑和规则来产生一致的结果。
-
基于提示的：使用一个或多个提示模板生成输出。基于提示的操作允许您控制响应的编写方式，或使用 LLM 的推理和生成功能。例如，要生成摘要或执行情感分析，您需要使用提示模板作为参考操作。提示模板还用于通过数据对智能体进行落地训练，例如 Knowledge 或外部系统数据。
请记住，也可以结合确定性的操作和基于提示的操作。例如，当客人取消预约时，会触发基于流的操作来完成取消。在该流的某个环节，智能体可能会根据提示询问客户取消预约的原因。如果客户提供了具体的取消原因，智能体就可以总结客户的回答，并将总结提供给客户审核。随着时间的推移，Coral Cloud 可以采用这种组合方法，更好地了解和响应影响客户的问题。它可以调用提示模板，发送含有个性化优惠的取消确认电子邮件，以吸引该特定客户未来再次预订。
原子的或复合的
另一个需要考虑的因素是参考操作是原子的还是复合性的。
-
原子的：小型、单一的任务。模块化方法允许智能体以不同的方式组合操作，以完成更复杂的目标。此外，还有助于在不同主题之间提供更多重复使用操作的机会。
-
复合的：由多个子任务组成的复杂任务。复合操作的优势在于，您可以精确控制智能体完成任务的步骤顺序。
输入和输出
在 Agentforce 中，每个智能体操作至少需要一个输入，这意味着基础流、Apex 和提示模板也至少需要一个输入。例如，在查询酒店预约时，输入可以是客人的电子邮件地址或预约号码。在对话过程中，AI 智能体会自主收集信息，并判断是否拥有触发操作所需的所有详细信息，从而决定是否输入。
每个操作至少需要一个输出。操作的构建方式决定了输出是什么、如何使用输出，以及在对话过程中是否以及如何向用户显示输出。不要害怕尝试尚未完全实现的测试操作，它们能让您了解您的构想在执行中的效果。
Coral Cloud 的参考操作
在研究了业务流程以及设计 Apex、流和提示模板的各种方法之后，Coral Cloud 项目团队针对“预约管理”主题提出了以下参考操作。
-
通过电子邮件获取预约：使用客人的电子邮件地址查询现有预约的流。
-
按预约号码获取预约：使用预约号码查询现有预约的流。
-
发送预约确认：一个 Apex 类，用于向客人发送包含预约详细信息的确认电子邮件。
-
创建或更新预约：一个流，如果不存在预约，则创建新的预约；如果存在预约，则更新记录。
-
取消预约：一个流，用于取消现有预约。该流会调用一个提示模板，发送一封包含个性化优惠信息的取消确认邮件，以促进未来的预订。
-
启动退款：一个流，当满足特定条件时，处理预约取消的退款。
从参考操作到智能体操作
创建用例所需的所有流、Apex 和提示模板可能很耗时，但自定义智能体操作让这一切变得轻松！
创建自定义操作时，操作标签和 API 名称会自动填充为现有参考操作的名称和 API 名称。自定义操作的指令、每个输入和输出也会根据参考操作的描述自动填充。
操作指令告诉 AI 智能体应该执行什么特定操作以及何时触发。编写良好的指令可以确保操作得以一致且准确地执行。要了解有关优化操作指令的更多信息，请参阅操作指令的最佳实践。
现在，Coral Cloud 用例已经有了一系列操作，项目团队将它们分配给主题。他们已经准备好测试原型并完善其构造块。
评估性能
在 Agentforce 中配置好原型后，测试并查看 AI 智能体的性能至关重要。您有两种方法可以测试您的 AI 智能体。
-
Agentforce Builder 中的手动测试
-
测试中心批量测试
Coral Cloud 团队使用用户在预约酒店时可能提出的问题和请求来测试他们的 AI 智能体。随后，他们会回答以下问题。
- 智能体能否准确理解用户输入？
- 它是否启动了正确的操作？
- 它是否提供了有用、准确的回复？
- 它是否能正确执行业务流程并遵守公司政策和规则？
根据测试结果，Coral Cloud 团队会改进主题指令并继续迭代 AI 智能体。请记住：如果在测试过程中遇到任何错误，务必检查 AI 智能体的权限设置。
收尾工作
Coral Cloud 团队在不断完善原型的过程中，他们需要完成待办事项清单上的几项任务。
一旦 AI 智能体在 Coral Cloud 的 Sandbox 环境中可靠且准确地运行，Nora 和她的团队就会制定部署计划，将 AI 智能体推广到生产环境。之后，他们会监控智能体，这会帮助他们不断完善并迭代智能体的设计。
坚实的基础
现在您已经明白，规划和设计 AI 智能体，关键在于打下坚实的基础。您需要明确用例和目标，考虑数据策略，关注用户体验，并概述项目的技术要求。此外，您还需要应对潜在风险并定义业务流程，以确保 AI 智能体满足组织在运营、安全、法律、道德和监管方面的要求。
不要犯使用瀑布式开发方法进行智能体设计的错误。也就是说，您不必按照线性、分阶段的计划进行开发和部署。在从各个必要角度全面考虑您的 Agentforce 解决方案时，要亲自动手，在 Sandbox 环境中开始构建 AI 智能体的原型。这样，您就不会在前期投入过多时间在一个最终可能行不通的计划上。精心规划，结合持续的实验，将帮助您推出可信 AI 智能体，为您的组织带来突破性的价值。