利用相关业务 Knowledge 增强智能体和提示

学习目标

完成本单元后，您将能够：

解释为什么检索增强生成 (RAG) 能够提高智能体和提示模板中 LLM 响应的准确性和相关性。
描述如何在 Salesforce 组织中设置和使用 RAG。

全新智能体构建体验即将上线！

Agentforce 即将迎来更新！在 Dreamforce 2025 大会上，我们宣布了新的智能体构建体验，可能与您在本徽章中学到的流程和功能有所不同。预计新体验将在 Dreamforce 之后的几周内进入公开测试阶段。正式版将很快跟进发布。当前生成器体验仍可用于支持先前构建的智能体。敬请期待更多信息。

什么是检索增强生成？

检索增强生成 (RAG) 是将提示请求与大语言模型 (LLM) 相连接的一种流行方式。落地训练将特定于域的 Knowledge 或客户信息添加到提示中，提供 LLM 上下文，从而更准确地回答问题或完成任务。

RAG 运行时流：通过添加相关信息而增强的 LLM 提示，用于指示 LLM 响应生成。

简单来说，RAG：

从包含结构化和非结构化内容的 Knowledge 存储中检索相关信息。
将此信息与原始提示相结合，从而增强提示。
借助增强的提示，LLM 生成响应。

许多 LLM 通常通过互联网上静态的公开可用内容进行训练。RAG 会添加特定于域的信息，帮助 LLM 更好地响应您的提示。借助 RAG，您可以从各种内容中提取有价值的信息，例如服务回复、个案、Knowledge 文章、对话脚本、RFP（提案请求）响应、电子邮件、会议笔记、常见问题解答 (FAQ) 等。

使用 Agentforce 生成器和 Agentforce 数据库快速启动 Agentforce 解决方案

Agentforce 生成器让您只需单击几下即可轻松选择 Knowledge 文章或上传文件以供智能体检索。您可以通过选择或创建 Agentforce 数据库来实现这一点，该数据库是一个可供智能体用于回答问题的内容库。您可以选择数据库提取相关信息的来源：Salesforce Knowledge 库、您上传的文件（文本、HTML 和 PDF）或 Web 搜索。在运行时，您的智能体会使用这些信息对 LLM 提示进行落地训练，并生成更好、更准确、更相关的 LLM 响应。

添加数据库时，您将自动创建有效的、RAG 支持的解决方案所需的所有元素。如有需要，您还可以自定义这些元素，为您的用例微调 RAG 解决方案。我们稍后再探讨。

获取智能体的相关业务 Knowledge

智能体通过使用 Knowledge 回答问题标准操作从数据库中获取相关 Knowledge。此操作将从您创建或选择库时指定的 Knowledge 或文件内容动态检索。

适用于智能体的详细 RAG 运行时流：Answer Questions with Knowledge（使用 Knowledge 回答问题）操作、查询请求与响应、增强提示以及将 LLM 响应转发给智能体。

每次运行 Answer Questions with Knowledge（使用 Knowledge 回答问题）操作时：

该操作会运行关联的提示模板。使用动态查询调用检索器。
该查询会搜索数据库。
该查询会检索相关内容。
原始提示使用从数据库中检索到的信息进行填充，然后提交给 LLM。
LLM 生成的响应被转发给智能体。

获取提示的相关业务 Knowledge

在运行时，提示模板会从数据库中提取相关信息，对 LLM 提示进行落地训练，从而生成更准确的 LLM 响应。如果您使用的是自定义提示模板，只需在 Prompt Builder（提示生成器）中嵌入您在插入资源时选择的 Einstein 搜索检索器即可。您还可以使用自定义检索器，针对任何给定的提示微调搜索设置。

适用于提示的详细 RAG 运行时流：查询、向量化、检索相关内容，增强并提交给 LLM。

每次运行带有检索器的提示模板时：

使用从提示模板发起的动态查询调用检索器。
查询被向量化（转换为数字表示）。向量化使搜索能够在搜索索引（已被向量化）中找到语义匹配项。
查询从搜索索引中的索引数据中检索相关内容。
原始提示使用从搜索索引中检索到的信息进行填充。
提示被提交给 LLM，LLM 生成并返回提示响应。

Data 360 中的高级自定义

在 Agentforce Builder（Agentforce 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、检索器、提示模板和标准操作）的默认设置自动构建 RAG 支持的解决方案。您可以单独设置和自定义这些组件。

数据准备步骤：接收、分块、向量化和索引。

在 Data 360 中，数据准备包括以下任务。

连接（接收）您的非结构化数据。
创建搜索索引配置，将内容分块并向量化。Data 360 使用搜索索引以搜索优化的方式管理结构化和非结构化内容。您有两种搜索选项：向量搜索和混合搜索。混合搜索结合了向量搜索和关键字搜索。
- 分块将文本分解成更小的单元，反映原始内容的片段，例如句子或段落。
- 向量化将区块转换为能够捕获语义相似性的文本的数字表示。
存储和管理搜索索引。

创建搜索索引后，您将在 Einstein Studio 中创建检索器，用于从该搜索索引中提取与特定用例相关的信息。检索器是一种资源，您可以将其嵌入到提示模板中，从 Knowledge 存储中搜索并返回相关信息。要支持各种用例，您可以创建不同的检索器，将搜索限定在要添加到提示中的相关信息子集上。

在操作中查看 RAG

此视频展示了使用 RAG 增强提示模板有多轻松。

结论

Agentforce 数据库和 Data 360 中的 RAG 已与 Einstein 生成式 AI 平台集成。您可以将 RAG 功能本地集成到 Agentforce 生成器和提示生成器等开箱即用的应用程序中。借助 RAG，您可以利用来自统一数据模型的专有数据，对 Agentforce 解决方案进行落地训练和改进。

时间估计

主题

需要帮助？

Data 360 资源