Agentforce 上下文工程指南

上下文工程是为您的 AI 客服人员提供正确信息、工具和指令以实现其目标的艺术和科学。

提示工程侧重于直接指令，RAG（检索扩充生成）侧重于检索正确的内容，而上下文工程则涵盖了模型可用的一切内容的完整视角。

让我们突出显示一些上下文的关键组件。

• 提示和说明：上下文包含对客服人员的说明，例如每个主题中的说明和用户的提示。
• 操作和工具：客服人员可以使用的功能也会影响上下文，例如运行流、调用 Apex 操作或使用提示模板。
• 数据输入：上下文包括客服人员从结构化和非结构化来源获得的相关信息，包括CRM数据、Data 360、Knowledge 文章、上传的文档、Slack 和其他数据源。
• 内存：短期（当前对话）和长期（过去的互动）记忆都可以是上下文的一部分。

上下文工程的目标是优化和调整此上下文，以便为模型提供解决问题的最佳机会。正确使用上下文工程有助于您避免常见的 AI 客服人员问题，例如：

• 上下文冲突：指令冲突，这可能会导致意外的性能甚至错误。
• 上下文混淆：过多不相关内容或过多不必要的工具，这会使客服人员的行为不一致，并增加客服人员延迟。
• 环境中毒：信息不正确或过时，会影响用户对客服人员的 Trust 和采用。

这些问题中的任何一个问题都会降低客服人员的准确性和有效性。以正确方式为 AI 模型提供正确信息以获得正确答案至关重要。

现在，让我们讨论一下使用一些上下文工程最佳实践来构建可靠和有效的 Agentforce 解决方案的步骤。

1. 定义明确目标。明确说明 Agentforce 客服人员应实现的目标。此步骤有助于在其余过程中巩固您的决定。
2. 有效限制、筛选和路由主题。将主题和操作优化并限制为客服人员所需的基本作业和工具。在您拥有正确的主题列表后，有效使用主题分类，以便将客服人员路由到适合作业的主题。
   • 限制主题。仅将最重要的主题和操作分配给客服人员。根据需要逐步添加主题。
   • 筛选主题。使用筛选器控制对主题的访问权限（使用画布视图中的主题选择器或脚本视图中的start_agent主题）。

     此屏幕截图演示了画布视图中的主题筛选。这些说明使用变量筛选出不适用的主题。

     

     以下是客服人员脚本中的相同筛选。

     start_agent topic_selector:
         description: "Welcome the user and determine the appropriate topic based on user input"
         reasoning:
             instructions: |
                 You are a topic selector for this assistant. Welcome the guest
                 and analyze their input to determine the most appropriate topic 
                 to handle their request.
             actions:
                 go_to_identity: @utils.transition to @topic.Identity_Verification
                     description: "Verifies user identity"
                     available when @variables.verified == False
                 go_to_order: @utils.transition to @topic.Order_Management
                     description: "Handles order lookup, refunds, and order updates."
                     available when @variables.verified == True
                 go_to_faq: @utils.transition to @topic.General_FAQ
                     description: "Handles various frequently asked questions."
                     available when @variables.verified == True
                 go_to_escalation: @utils.transition to @topic.Escalation
                     description: "Handles escalation to a human rep."
                     available when @variables.verified == True and @variables.is_business_hours == True

     请参阅主题分类和路由。

   • 使用逻辑路由主题。在特定条件下，使用对主题的明确引用来确定从一个主题路由到另一个主题。

     此示例说明了如何使用逻辑指令从一个主题战略性地路由到另一个主题。

     

     start_agent topic_selector:
         reasoning:
             instructions:->
                 if @variables.approval_required:
                     transition to @topic.approval_workflow
                 else:
                     transition to @topic.management_workflow

     请查看 Salesforce 帮助中的主题说明如何解析以构建提示，以及客服人员脚本开发人员指南中的原因说明。

3. 查看操作。确保每个主题都有相关和有效的操作来帮助完成工作。

   请记住,一些操作(流、Apex方法、API)更具确定性,而使用AI模型的操作(提示模板)更具概率性。请参阅客服人员操作。

   您还应该考虑如何以及何时使用操作。有关如何做到这一点的提示，请参见下一步中的平衡概率和确定行为。

4. 调整主题说明。无论您是在画布视图构建客服人员还是直接使用客服人员脚本构建客服人员，优化上下文的最强大方法之一是从主题的推理说明中。这些说明有几个方面对上下文至关重要。
   • 查看运行时流。在对指令进行过多更改之前，请确保您了解客服人员的运行时行为，以便您了解上下文中包含哪些指令。请参阅客服人员如何工作以及主题说明如何解析以构建提示。开发人员也可以参考客服人员脚本开发人员指南中的控制流。
   • 使用变量存储数据。在变量中指定相关数据，以便您可以直接在指令中使用。

     此屏幕截图显示了画布视图中的变量定义。

     

     此代码示例在脚本视图中显示相同变量。

     user_name: mutable string = ""
         description: "The name of the user"
         label: "Name"
         visibility: "External"      

     有几种方法可以有效地使用变量来执行操作。此示例演示如何使用变量筛选操作。

     

     get_order_details: @actions.GetOrderByOrderNumber
         available when @variables.verified == True 

     此示例演示了如何将变量用于操作输入和输出。

     

     run @actions.GetOrderByOrderNumber
         with order_number = @variables.order_number
         set @variables.order_details = @outputs.orderDetails

     您可以在客服人员定义中使用变量。请参阅变量。

   • 平衡概率和确定性行为。主题说明包含基于逻辑的说明和基于提示的说明。利用关键业务工作流说明中的逻辑，增加可预测的、确定性的行为。例如，在运行基于提示的说明之前，您可以检查用户的忠诚度等级，使用条件逻辑确定是否感谢用户成为黄金等级会员，使用变量自定义提示，运行发送电子邮件的操作。然后，您可以将自然语言提示集中在 AI 模型最擅长的地方，而不会用不必要和不可预测的逻辑指令使模型的上下文过载。

     此示例演示如何使用基于逻辑的指令。在这些说明中，我们会检查变量，以查看客户是否准备好预订酒店。如果是这样，我们会使用操作输入和输出的变量来获取客户信息。然后，我们运行另一个操作来获取酒店信息。

     

     if @variables.ready_to_book:
         run @actions.get_account_info
             with account_id = @variables.account_id
             set @variables.hotel_code = @outputs.hotel_code
     run @actions.get_hotel_info
         with hotel_code = @variables.hotel_code
         set @variables.hotel_info = @outputs.hotel_info

     请查看 Salesforce 帮助中的主题说明如何解析以构建提示，以及客服人员脚本开发人员指南中的原因说明。

   • 直接参考资源。无论您是在画布视图还是在脚本视图中构建客服人员，您都可以在说明中直接引用主题、操作和变量。此功能消除了说明中的歧义，因为您可以特别“@提及”资源。

     此示例说明了在您的说明中引用资源的一些方法。

     

     instructions: |
         Refer to the user by name @variables.member_name.
         Show their current order summary: @variables.order_summary 
         when conversation starts or if requested.
         If they want past order info, ask for Order ID or Restaurant Name 
         and use @actions.lookup_order.
         If they ask for a service agent or seem upset, use @actions.go_to_escalation.
         If they want to make a return, confirm Order ID and use @actions.create_return.
         If returns are not eligible, explain politely.

     请参阅在画布视图中构建客服人员或客服人员脚本入门。

5. 使用准确的相关数据。确保您的输入基于最佳信息。
   • CRM 数据、Data 360 数据、外部数据和其他来源等结构化数据必须正确、最新并与当前决策或任务相关。见 Trailhead 中的数据质量战略。
   • 非结构化数据，例如数据库和通过 RAG 获得的其他输入，必须准确并与用户请求直接相关。成功的 RAG 输入始于一个包含精心策划的高质量内容的 Knowledge 存储，这些内容准确、完整、最新、有序且始终如一。其他考虑因素包括:搜索策略(混合或矢量搜索)、内容解析和预处理、搜索索引优化、调整良好的分块策略,以及使用Knowledge/RAG质量数据和指标确定需要改进的领域。
6. 确保一致性。消除提示、主题、操作、RAG 数据、说明和 Salesforce 配置之间的矛盾。
7. 测试、迭代、细化。在 Agentforce Builder 中预览客服人员。使用 Agentforce 测试中心构建测试，并通过分析监测客服人员。使用对话脚本的反馈来优化您的上下文。请确保在解决方案的任何方面发生变化时（例如模型更新）重新测试客服人员。

通过仔细管理客服人员的上下文，您可以使用 Agentforce 构建可靠和有效的 AI 解决方案。