实施迁移

分阶段迁移客服人员

分阶段进行迁移，以便稍后更容易稳定和排除故障。

1. 按原样迁移客服人员。

   从所有子客服人员、说明和操作的基准迁移开始。在新生成器中支持原有客服人员设计，并验证它是否端到端工作。

2. 识别并修复任何回归。

   要识别回归，请验证客服人员的客服人员脚本语法，并检查生成器中的任何错误。然后，运行与您之前相同的手动和批处理测试，以建立客服人员的迁移前基线。

   • 任何在原有生成器的客服人员中工作，但在新生成器中不工作的内容都是回归。
   • 任何其他内容都是改进或增强。

   在进行其他更改之前，修复任何回归，以便您可以隔离问题并进行故障排除。如果在基准迁移后出现故障，您知道这是迁移的结果，而不是您所做的更改。

   

   提示 使用 Agentforce 升级客服人员会降低验证错误等问题的可能性。但是，推理中的任何变化都会影响客服人员的性能。由于原有生成器和新生成器之间的数据模型和基础推理引擎不同，端到端测试客服人员非常重要。
3. 使用客服人员脚本，强化和改进客服人员。

   在基准客服人员在新生成器中稳定后，您可以开始更改，以提高客服人员的可靠性和性能。此时，您可以利用客服人员脚本提供的功能来修复在原有生成器中始终不起作用的问题，并从战略上引入确定性来增加可预测性和一致性。

4. 扩展客服人员。

   在客服人员迁移的某个阶段，您可能听到客服人员愿望列表的警报声，并思考将客服人员的功能扩展到新的子客服人员、用例或集成。不要太急着扩张。在引入新功能之前，请重点关注客服人员迁移。一次执行太多操作，特别是在客服人员在新生成器中稳定下来之前，可能会使客服人员的架构变得混乱，并使问题更难跟踪、隔离和故障排除。

小批量更改，并在每个批次后测试

无论您是修复回归，还是使用客服人员脚本强化客服人员，都应避免一次性实施大量更改。这会使隔离和测试您的更改可能产生的任何问题（例如编译错误）变得更加困难，特别是如果您使用的是第三方 AI 编码工具。迭代处理您的更改，以衡量改进、记录结果并最大限度地减少回归。

• 先进行结构和架构更改，然后进行装修更改。
• 在每次更改后进行测试，并根据基准跟踪度量。
• 提交客服人员，并在重大更改后创建新版本，而不是微小的修复。了解有关新生成器中客服人员版本和编辑生命周期的更多信息。

测试提示

测试对于建立基准、客观衡量结果和改进以及最小化回归至关重要。在您迁移时，客服人员的推理和指令会发生变化，这会影响客服人员的行为。无论您使用哪个迁移工具，请计划仔细测试、调整和再次测试，以确保客服人员如预期正常工作。

• 在客服人员迁移的每个阶段开始时进行测试，并在每批更改后再次进行测试。计划尽早并经常进行测试，包括：
  • 在迁移前，建立初始基准并识别问题。
  • 在初始迁移后，在新生成器中建立基准并识别回归。
  • 在每次重大更改或批量小更改后
• 创建测试计划，其中包括在 Agentforce Builder 中手动测试和在 Agentforce 测试中心批量测试。运行相同的计划，以根据基准进行跟踪。好的测试计划至少包括：
  • 核心客服人员功能，例如个案创建、预约预订、订单跟踪或使用 Knowledge 回答问题的常见问题解答操作。
  • 基于真实用户行为的角色，例如经过身份验证的用户、未经身份验证的用户、不耐烦或不开心的用户、经常闲聊的用户。
  • 一系列简单和更加复杂的场景，包括多轮对话、多子客服人员用例和边缘用例。
• 如果您已经实施了客户验证，包括基于verifiedCustomerId或isVerified变量的任何筛选，请明确测试客服人员作为未验证最终用户和已验证最终用户的行为。在新生成器中，以实时测试模式预览客服人员。要模拟已验证和未验证的用户，请在“变量”选项卡中覆盖您用于存储客户验证结果或已验证客户 ID 的任何变量的值。
• 明确测试客服人员对话中的突变。用户可以从请求转移到闲聊，在当前请求完成之前提出新的请求，或者以其他方式改变对话的主题。虽然客服人员适应性强，但如果您不查找主题切换的问题，很容易错过它们。要有效测试，请在预览对话中更改主题三到四次，以验证客服人员的可靠行为。
• 对于手动测试和批量测试，传统生成器和新生成器之间的测试功能不同。了解每种工具可用的测试工具。计划测试原有和新工具中的相同功能、角色和场景，以便您可以尽可能准确地比较度量。

使用第三方 AI 工具的提示

客服人员是元数据，客服人员脚本可移植性很强，因此您可以灵活地使用低代码、专业代码和第三方工具来迁移和增强客服人员。使用最适合您的工具组合，但请记住使用第三方工具的这些提示。

• 即使加载了 Agentforce 技能，第三方 AI 编码工具也并不总是正确使用客服人员脚本语法。下载官方客服人员脚本文档，并与编码客服人员共享。在接受之前，请始终手动检查 AI 生成的更改，如有必要，将更改重构为有效的客服人员脚本语法。如有疑问,请参考 Agentforce 开发人员指南中的 Agent 脚本文档,并使用 AI 获取第二种意见。
• 通过定义明确的约束和目标，充分利用 Claude、Cursor 和其他 AI 工具。明确成功标准有助于这些工具提供可操作的结果。例如，像“改进我的客服人员”这样的一般请求不太可能让您自己获得有效的结果。如果您提出更具体的请求，您更有可能获得更好的结果（例如，“确保客服人员在尝试处理退货之前始终检查订单资格”）。将此迁移指南作为上下文共享，可帮助 AI 工具了解您的要求，并建议有效的方法。
• 使用 AI 工具的方式多种多样，您不必一次优化整个客服人员。如果您没有获得想要的结果，或者您难以理解客服人员设计和行为的广泛变化，请将 AI 工具视为战略合作伙伴和协作者，而不是独立承包商。您可以迭代使用它们来诊断特定的离散问题，验证方法并实施解决方案。以下是一些有效、咬合大小的工作流示例。
  • 当您使用具有预加载技能的 AI 编码工具进行更改时，请查看计划模式中的更改。要求它解释为什么进行特定的更改来挑战和验证设计决策，并确定前进的最佳道路。然后，在客服人员模式中执行更改。
  • 手动查看说明，并记录建议的更改。在询问模式中，询问 AI 对您的变化的看法 - AI 是否同意，它会有什么不同，以及为什么？使用此流程决定保留哪些更改。然后，小批量执行客服人员模式中的更改。

在团队中工作的提示

目前，我们不建议在生成器中同时对同一个客服人员进行协作。但有一些方法可以在客服人员迁移方面有效协作。

• 除了 AI 审查任何更改之外，在提交客服人员更改之前，请将同行审查视为质量检查。
• 将多人协作限制为简单的独立问题和修复。
• 每个生成器应使用他们自己的客服人员副本。然后，手动差异并合并副本。与本指南中的许多其他步骤一样，您可以使用 AI 来帮助完成这项工作。