开始使用 Agentforce
学习目标
完成本单元后，您将能够：
- 说明 Agentforce 是什么。
- 识别 Agentforce 的主要特点。
- 列出 Agentforce 的一些用例。
开始之前
开始此模块前，请考虑完成下列推荐内容。
我们旅程中的英雄
让我们来认识一下 Cloud Kicks 的 Salesforce 管理员 Linda Rosenberg。Cloud Kicks 销售时尚舒适的定制运动鞋，公司发展迅速。Linda 一直在寻找更好地服务客户并使 Cloud Kicks 的员工工作更轻松的方法。她对 Agentforce 提供的价值感到兴奋。
Linda 的目标是通过自动执行耗时和重复的任务来提高员工的工作效率，让员工腾出时间从事更具战略性的活动。她还希望为客户提供更加个性化的回复，确保他们得到所需的帮助。
有一天，客户 Alex 向 Cloud Kicks 提出了一系列问题。以下是目前在没有 Agentforce 的情况下互动的方式。
客户 (Alex)：“嗨，我刚刚订购了一双定制运动鞋。能告诉我什么时候能送达吗？”
客户服务代表 (CSR)：“您好，Alex！您的订单将在接下来的 2 至 3 个工作日内发货，发货后 5 至 7 个工作日内送达您的地址。”
Alex：“谢谢！你们在纽约市有实体店吗？”
CSR：“我不确定。让我查一下实体店位置。请稍等。”
CSR（在长时间的停顿之后）：“我找不到关于纽约实体店的任何信息。您可能需要查看我们的网站了解更多详细信息。”
Alex：“好的，谢谢。还有一件事——你能给我推荐一下纽约市适合跑步的路线吗？”
CSR：“对不起，我不了解关于这方面的信息。我建议查看当地的跑步俱乐部或者旅游网站，以获取建议。您还有其他问题吗？”
Alex：“不，就这些。感谢你的帮助。”
CSR：“不客气，Alex。祝您过得愉快！”
Alex 可能很友好，但这次对话凸显了在没有全面信息和实时数据访问权限的情况下，自动化客户服务面临的挑战。延迟和不完整的回答会影响客户的体验。
Linda 对 Agentforce 在改变客户互动方面的潜力感到兴奋。借助 Agentforce，客户服务在提供相关信息的同时变得更加自主。Agentforce 可以确保每一次互动都顺利、高效且有用。
了解 Agentforce
Agentforce 是一套可自定义的自主型和辅助型人工智能（AI 代理）。AI 代理是执行任务和业务交互、以目标为导向的 AI 应用程序。Agentforce 旨在做出明智的决策，可以发起并完成一系列任务，处理自然语言对话，并安全地提供从业务数据中提取的相关答案。无论您的用户使用的是台式机还是移动设备，Agentforce 都可以在各种工作流程和交互中提供帮助。
最重要的是，您完全不需要掌握任何代码就能在 Salesforce 中设置 AI 代理。您所要做的就是启用 Agentforce，然后创建一个代理。以下是 AI 代理可以立即采取的一些操作。
- 汇总 Salesforce 记录，例如业务机会、客户、个案。
- 起草或修改电子邮件。
- 查找并更新 Salesforce 记录。
- 聚合 Salesforce 数据。
- 用知识库中的信息回答问题。
此外，您还可以使用现有的 Salesforce Platform 轻松扩展 AI 代理。例如，如果您在 Salesforce 中已经有了一个进行产品推荐的流，您只需点击几下就可以将该功能添加到您的代理中。
Agentforce 的特点
让我们来详细了解一下 Agentforce 的特点，以便您更熟悉您的新数码搭档。
值得信赖
在 Salesforce，信任是我们的首要价值观。这就是我们以信任为核心构建 Agentforce 等生成式 AI 工具的原因。
您的 AI 代理遵循 Salesforce 的标准访问控制，确保操作安全。Agentforce 与 Einstein 信任层集成，后者是 Salesforce Platform 中内置的安全 AI 架构。您可以在不损害客户数据的情况下享受生成式 AI 带来的好处，并且可以利用可信的数据来增强 AI 的响应。
以下是它的工作原理：
-
数据落地训练：信任层利用值得信赖的公司数据对生成性提示进行落地训练和增强。
-
零数据留存：您的数据安全无忧；绝不会被第三方大语言模型 (LLM) 提供商留存。
-
AI 监控：记录 AI 交互，让您了解每个用户交互。
对于准确性至关重要的关键场景，代理能够无缝地将对话转接给人工客服。例如，如果用户在重置密码等复杂问题上需要帮助，并且更倾向于获得人工服务，代理会先核实用户身份，然后迅速将对话转接，以便提供个性化支持。
主动出击
部分 AI 代理不仅是被动型，而且是主动型，这在动态业务环境中至关重要。AI 代理使用 Agentforce 中的推理引擎来执行推理和操作过程。推理引擎可帮助代理自动执行日常任务、处理繁琐的职责并为客户找到合适的解决方案。这简化了 Cloud Kicks 服务代表的工作流程，使他们的工作更轻松、更高效。
以下是 AI 代理如何使用推理来增强这些操作。
个案状态更新：
-
原因：代理查看个案上下文、当前状态和最近的更新。
-
操作：代理告知客户发生的变更或将问题上报给更高级别的支持团队。
-
观察：代理监测个案结果并调整其方法以确保有效解决。
收到电子邮件：
-
原因：代理审查电子邮件内容和请求的性质。
-
操作：代理处理电子邮件，创建新的支持工单，或将其路由到相关部门。
-
观察：代理监测响应，以确保问题得到正确处理，并根据需要做出调整。
销售人员跟进：
-
原因：代理审查客户的兴趣及其查询的上下文。
-
操作：代理安排与销售代表的后续通话，以保持潜在客户的参与。
-
观察：代理监测跟进结果并调整其方法以改善未来的交互。
自然语言
对话界面让人们可以用自然语言提问或给出指令，就像与人交谈一样。Agentforce 保留对话上下文，使后续问题和相关请求无缝衔接。
例如，销售代表无需在 Salesforce UI 中查找记录，只需键入“显示我的 Acme 交易”即可。AI 代理解读该请求，用自然语言回复，并显示匹配的业务机会列表。这种感觉就像与值得信赖的同事聊天。
在同一次对话中，该销售代表还可以问：“显示其未处理的个案。”AI 代理会记住上下文，并知道“其”指的是 Acme。此功能可确保多次、连贯和高效的交互。
但是使用 Agentforce，您就不会再局限于对话界面和聊天窗口。您可以从任何可以调用流或 Apex 类的地方触发代理来完成后台或事件驱动的任务。
Agentforce 对比 Einstein Bot
不清楚 Agentforce 和 Einstein Bot 之前的区别？机器人需要大量的专业知识和时间来设置，而且它们基于复杂、严格定义的对话规则。
Agentforce 由 LLM 支持，因此非常灵活，所需的配置也更少。有关更多信息，请参阅 AI 代理和聊天机器人的区别是什么？
动态信息检索
动态信息检索使 AI 代理在处理复杂任务时非常有效。以下是它的工作原理：
-
检索增强生成 (RAG)：代理对 Data Cloud 中的结构化和非结构化数据使用语义搜索，从外部来源和数据库获取相关信息。
-
通用信息检索工具：网络搜索和知识问答等工具可帮助代理处理复杂的任务。例如，您可以在线研究公司或产品，并将其与内部知识相结合以创建电子邮件汇总。
-
在流、API 和 Apex 类中部署：可以在这些环境中部署代理，将所有上下文信息传递给代理。这样就无需在每个场景中使用自定义解决方案，从而使代理更加通用和高效。
现在，您已经了解了 Agentforce 如何增强无缝的客户交互并自动执行繁琐的任务，让我们再来回顾一下初始对话，查看 Agentforce 在实际应用中的转换效果。
客户 (Alex)：“嗨，我刚刚订购了一双定制运动鞋。能告诉我什么时候能送达吗？”
Agentforce：“您好，Alex！您的订单将在接下来的 2 至 3 个工作日内发货，发货后 5 至 7 个工作日内送达您的地址。关于您的订单，您还有什么想了解的吗？”
Alex：“谢谢！你们在纽约市有实体店吗？”
Agentforce：“我们在纽约市没有实体店，但下个月 10 月 1 日至 10 月 15 日，我们将在时尚大道 123 号开设一家快闪店。您也可以在网上购买最新款式。”
Alex：“太棒了，谢谢！还有一件事——你能给我推荐一下纽约市适合跑步的路线吗？”
Agentforce：“当然！关于适合跑步的路线，我推荐中央公园 (Central Park) 的 Reservoir Loop，全长 1.58 英里，景色优美。如果想长跑，可以试试哈德逊河绿道 (Hudson River Greenway)，全长约 13 英里。祝您跑步愉快！”
Alex：“太好了，非常感谢你提供的所有信息！”
Agentforce：“不客气，Alex！如果您还有其他问题，请随时联系我们。祝您愉快！”
哇，这可太有用了！每个问题都得到了详尽的回答，没有丝毫停顿，也没有含糊其辞。Linda 深信不疑，迫不及待地想要开始使用 Agentforce。
接下来，让我们跟随 Linda 一起探索 Agentforce 的不同组成部分，并进一步了解其功能运作方式。