借助 Data 360 启用可信智能体

学习目标

完成本单元后，您将能够：

描述 Data 360 在检索增强生成中的作用。
解释 Data 360 如何支持智能体的测试、监控和护栏。
解释 Data 360 如何助力 Agentforce Analytics。

了解可信智能体的重要性

您的智能体是贵公司与客户沟通的桥梁，因此确保它们接受落地训练、合规且负责至关重要。借助 Data 360，您可以借助检索增强生成 (RAG)，利用企业数据对提示进行落地训练，并通过 AI 护栏和分析功能监控智能体。这能够确保您的智能体更加准确、更加合乎道德。在本单元中，您将了解 Data 360 如何为 RAG、AI 护栏和分析功能提供支持。

了解检索增强生成

RAG 是将提示请求与大语言模型 (LLM) 相连接的一种方式。落地训练是指在提示中添加上下文相关的特定信息，以提高 LLM 生成的输出的质量、准确性和相关性。RAG 包括从知识库中检索相关信息（使用检索器），将这些信息与原始提示相结合以增强提示，并生成响应。因此得名 RAG。

以下是一些用于理解 RAG 的关键术语。了解更多信息，请参阅检索增强生成：快速查看。

非结构化数据：指没有特定、一致格式且难以在典型关系数据库中存储的数据。接收非结构化数据后，需要对其分块，以便创建向量嵌入。
向量嵌入：一种机器可读的非结构化数据的数字表示。向量嵌入衡量不同文本片段的语义相似性，从而使生成式 AI 提示和搜索中的结果准确且相关。
向量数据存储：一种用于存储向量嵌入的数据库类型。
搜索索引：存储可以从其他应用程序中搜索和检索的分块和向量化数据的数据结构。
检索器：提示和搜索索引之间的链接。检索器搜索数据源以获取相关信息，从而增强提示。全体检索器是个别检索器的集合，它们能从多个来源进行并行搜索。

对于智能体来说，实施 RAG 有两种方法。

Agentforce 数据库快速入门
Data 360 中的高级设置

下面让我们深入了解每种方法。

已启用 Data 360：了解 Agentforce 数据库

Agentforce 数据库 (ADL) 是一款预配置的快速启动 RAG 解决方案。它是智能体的个人有序数据源。

在 Agent Builder（智能体生成器）或 Setup（设置）中添加数据库时，Salesforce 会使用所有组件（向量数据存储、搜索索引和检索器）的默认设置自动构建包含 Data 360 的RAG 支持的解决方案。您可以单独设置和自定义这些组件。

ADL 仅支持非结构化数据。下面是一些例子。

Knowledge 文章
文件
网络搜索

了解更多信息，请参阅 Agentforce 数据库基础知识。

已实施 Data 360：使用 Data 360 设置进行 RAG 的完全自定义

直接在 Data 360 中实施 RAG 需要更多时间，但可以让您更好地控制数据接收和处理，获得更多样的数据源，以及超越基本搜索的精确检索机制（例如混合搜索）。

通过高级设置，您可以用导入 Data 360 的任何数据对提示进行落地训练。例如，您可以接收包含非结构化长文本字段的 CRM 记录，并将数据分块。然后，创建向量数据存储和搜索索引。使用搜索索引中的检索器对提示进行落地训练。当您在智能体中使用这些提示时，您可以帮助它们更全面地了解您的客户和组织。您可以让智能体访问统一数据、零拷贝数据以及实时数据，包括结构化和非结构化数据。

带数据图形的 RAG

数据图形记录以 JSON 字符串的形式提供相关数据的扁平化视图，方便您快速检索。例如，您可以创建数据图形来对客户简档和销售订单详细信息之间的关系进行建模。然后，为智能体使用该数据图形对提示进行落地训练。

以下是使用适用于 RAG 的数据图形的主要优势。

通过零拷贝集成来自多个数据源（包括 CRM 数据和外部数据湖的数据）的数据，而无需创建全体检索器。
将数据转换为 JSON 格式，这种格式能够维护关系数据，并且便于智能体理解。

了解更多信息，请参阅 Data 360 中的数据图形。

让我们总结一下 ADL 和可自定义 Data 360 设置之间的区别。

Agentforce 数据库

可自定义 Data 360 设置

需要启用 Data 360
快速、轻松地设置复杂的数据漏斗
仅限于 Knowledge 文章、上传的文件、开放 Web 搜索或自定义检索器
不整合来自多个数据源的数据——每个库只能包含一个数据源
不具备实时功能
不支持零拷贝功能——非 CRM 数据必须以文件形式物理下载并添加到数据库中

需要实施 Data 360
更复杂的设置，涉及数据接收、建模、身份解析等
支持使用全体检索器或数据图形从多个来源进行集成
通过 Data Cloud One 连接，检索器会从 Data 360 主组织同步到伙伴组织，因此您可以在伙伴组织的提示和流中使用该检索器
支持数据转换、映射和协调，从而获得更清晰的数据和统一客户简档
利用 Data 360 数据对智能体进行落地训练，包括统一、实时、零拷贝数据，涵盖非结构化和结构化数据

已启用 Data 360：利用 AI 护栏保障安全

AI 需要护栏来保护数据安全并确保人在回路中。这可以确保 AI 的使用符合组织的安全、隐私、监管和 AI 治理策略。

Agentforce 护栏包括 Einstein 信任层和生成式 AI 审计及反馈跟踪。这些功能由 Data 360 提供支持。Agentforce 也拥有自身的安全护栏。了解更多信息，请参阅可信智能体 AI。

了解 Einstein 信任层

Einstein 信任层通过强大的安全功能和护栏（例如零数据留存、毒性检测、安全数据检索和动态落地训练）来保护客户数据。它提高了输出的安全性和准确性，同时确保在 Salesforce 生态系统中负责任地使用 AI 智能体。

Einstein 信任层图表。

生成式 AI 审计和反馈跟踪

审计跟踪提供跟踪 AI 智能体操作和输出所需的数据。这些数据存储在 Data 360 中并进行分析。

提示 ID 和用户数据
提示文本和 PII 已脱敏提示
安全性和毒性分数

您可以通过反馈 API 记录对智能体响应的反馈。

点赞和点踩的回复及理由文本
接受、重新生成、修改、拒绝或忽略行为
使用修改后的最终响应

已启用 Data 360：了解 Agentforce Analytics

智能体部署完成后，使用 Agentforce Analytics 监控其性能。数据存储在 Data 360 中并进行处理。使用 Data 360 的仪表板和报告显示结果。

预构建见解仪表板包含以下数据。

数据屏蔽
响应中的毒性
用户趋势
接受率

您还可以构建自己的自定义仪表板。

默认 Agentforce Analytics 仪表板示例。

已启用与已实施 Data 360

让我们总结一下已启用和已实施 Data 360 的功能。

已启用 Data 360	已启用和已实施 Data 360
对客户的了解有限每个数据源都是分散的通过 Agentforce 数据库获取经过 RAG 落地训练的提示使用 Einstein 信任层的可信安全 AI 通过生成式 AI 审计和反馈跟踪实现可信、人工监控的 AI 通过 Agentforce Analytics 获得见解	已启用 Data 360 的所有好处智能体可以访问：所有数据源的已转换和统一数据实时数据零拷贝数据存储在外部系统中，例如数据湖利用 Einstein Studio 的已计算见解和预测性 AI 技术增强数据通过高级 Data 360 设置，提供功能更强大的经过 RAG 落地训练的提示。

下一步

现在您已经了解了 Data 360 的启用和实施为 Agentforce 带来的各种好处。您也了解了 Data 360 如何通过统一数据、RAG、AI 护栏和分析来增强 Agentforce 的各项功能。接下来，我们将探讨如何为 Agentforce 实施 Data 360。

时间估计

主题

需要帮助？

Data 360 资源

Agentforce 资源