Sie befinden sich hier:
Planen und Entwerfen von Agentenskripts
Bevor Sie migrieren, sollten Sie Zeit mit dem Entwerfen Ihrer Unteragentenanweisungen und des Unterhaltungs-Flows verbringen. Der Zeit- und Arbeitsaufwand hängt davon ab, welche Tools Sie für die Migration verwenden möchten, wie komplex Ihr Agent ist und wie gut Ihr Agent heute abschneidet. Mit dieser Vorbereitung können Sie bestimmen, welche Teile Ihres Agenten ohne Änderungen direkt migriert werden können und welche Teile Kandidaten für eine Neugestaltung sind. Sie bereitet Sie auch darauf vor, bewusste Entscheidungen darüber zu treffen, wo Determinismus in Ihrem neuen Agenten eingeführt werden soll, damit Sie Ihren Agenten strategisch statt reaktiv verbessern können.
Springen zu...
- Kennenlernen Ihres aktuellen Agenten
- Identifizieren von Kandidaten für die Neugestaltung und Planverbesserungen
- Beispiele und Ressourcen erkunden
- Balance Determinism with LLM Reasoning (Abwägen von Determinismus mit LLM-Gründen)
Kennenlernen Ihres aktuellen Agenten
Analysieren Sie, wie und warum Ihr Agent so funktioniert, wie er es tut, damit Sie das beibehalten können, was heute gut funktioniert, und Verbesserungen im neuen Generator planen können. Wenn Sie einige oder alle dieser Vorarbeiten ausführen, können Sie eine einzelne Ansicht Ihres Agenten erstellen, sodass Sie bestimmte Kandidaten für die Neugestaltung identifizieren können.
- Richten Sie eine Testgrundlage ein.
- Führen Sie eine spezielle Ausführung manueller Tests im Agentforce Builder und Batch-Tests im Agentforce-Testcenter aus, um die aktuelle Erfolgsrate Ihres Agenten zu messen und objektiv zu definieren, wie ein "besserer" Agent für Ihr Unternehmen aussieht. Wenn Sie bereits über Testszenarien verfügen, die Sie regelmäßig ausführen, sind Sie hier genau richtig. Weitere Informationen finden Sie unter Tipps zum Testen.
Ergebnis Durch das Abrufen spezieller Testdaten vor der Migration können Sie Verbesserungsbereiche für Ihren Agenten identifizieren. Außerdem können Sie die Leistung nach der Migration objektiv messen, einschließlich Regressionen und Erfolgen. - Entwickeln Sie ein allgemeines Verständnis Ihres Agenten im alten Generator.
- Identifizieren Sie Unteragenten und ihre Beziehungen, Benutzer-Journey-Pfade, Agentenentscheidungspunkte und Übergabekriterien (Eskalation, erwartete Übergänge zwischen Unteragenten).
Ergebnis Diese Architekturdetails sind wichtig, um zuzuordnen, was Sie migrieren und was Sie ändern. Sie verweisen auch auf Orte, an denen Determinismus wahrscheinlich hilfreich ist. Beispielsweise bietet Ihnen das Agentenskript mehr Kontrolle über die Agentenweiterleitung. Daher ist es wichtig, die Beziehung zwischen Unteragenten und erwarteten Übergängen zu verstehen. Entscheidungspunkte und Übergabekriterien sind ebenfalls Kandidaten für Determinismus, wenn der Agent nicht zuverlässig die erwartete Leistung erbringt. - Identifizieren Sie in jedem Unteragenten den Zweck jeder Anweisung und bewerten Sie ihre Qualität.
- Ist die Anweisung allgemein (z. B. enthält Richtlinien für Ton oder Kontext) oder funktional (z. B. gibt sie an, wie eine Ausgabe formatiert werden soll)? Gibt die Anweisung erforderliche Bedingungen oder eine Abfolge von Schritten an? Ist die Terminologie weisungsübergreifend konsistent?
Ergebnis Nachdem Sie Ihre vorhandenen Anweisungen verstanden haben, planen Sie, wie Sie die einzelnen in Ihrer Migration handhaben möchten: ohne Änderungen migrieren, löschen oder neu schreiben mit Agentenskript. Anweisungen, die erforderliche Bedingungen, Sequenzen oder Geschäftsregeln angeben, sind starke Kandidaten für deterministische Umschreibungen. - Erfassen und kategorisieren Sie aktuelle Probleme.
-
Cluster-Agentenprobleme, um ein klares Bild davon zu entwickeln, was funktioniert und was beschädigt ist. Sammeln Sie das gesamte Feedback zu Ihrem vorhandenen Agenten an einem Ort, einschließlich fehlgeschlagener Testergebnisse, protokollierter Fehler und Feedback von Benutzern oder Supportteams. Konsolidieren Sie sie dann in einer einzelnen Ansicht. (Wie bei vielen Schritten in dieser Anleitung können Sie AI als Hilfe verwenden.)
Gruppieren Sie die Probleme dort nach Typ. Allgemeine Kategorien können Intent-Erkennungsprobleme, Weiterleitungsfehler und Datenvalidierungsfehler umfassen. Die Probleme Ihres Agenten können jedoch auf andere Muster hinweisen. Suchen Sie beim Sortieren nach Überschneidungen. Beispielsweise kann ein Cluster von Weiterleitungsfehlern eine gemeinsame Ursache haben, d. h., eine Änderung behebt mehrere Symptome gleichzeitig.
Ergebnis Wenn Sie eine einzelne Ansicht der Probleme Ihres Agenten haben, können Sie zwischen Regressionen (Dinge, die vor der Migration funktioniert haben und nach der Migration behoben wurden) und Design- oder Funktionslücken (Dinge, die noch nie ganz funktioniert haben) unterscheiden.
Langjährige Fehler oder Lücken bieten die Möglichkeit, das Agentenskript neu zu gestalten. Priorisieren Sie Probleme nach Cluster, um die wichtigsten zu behebenden Punkte und die einzuführenden Tools oder deterministischen Elemente zu bestimmen.
Identifizieren von Kandidaten für die Neugestaltung und Planverbesserungen
Mit einem klaren Überblick über die Architektur, Anweisungen und Probleme Ihres Agenten können Sie erkennen, was migriert und neu gestaltet werden soll. Verwenden Sie das Gelernte, um die Teile Ihres Agenten zu priorisieren, die am wahrscheinlichsten vom Agentenskript profitieren. Dadurch erhalten Sie explizite Kontrolle über die Teile Ihres Agenten, die Anweisungen mit natürlicher Sprache allein nicht zuverlässig verarbeiten können.
Im Folgenden finden Sie einige Beispiele für Kandidaten für die Neugestaltung mit Agentenskript.
- Alle Unteragenten, Anweisungen oder Prozesse mit einer hohen Fehlerrate
- Ein Unteragent, der aufgrund vieler Anweisungen und Aktionen eine inkonsistente Leistung aufweist
- Ein oder mehrere Unteragenten mit unterschiedlichen Anweisungen oder Weiterleitungen für unterschiedliche Benutzer
- Komplexe, aus mehreren Schritten bestehende Prozesse innerhalb eines Unteragenten oder über mehrere Unteragenten hinweg
- Alle Geschäftsprozesse, die befolgt werden müssen und bei denen eine Varianz inakzeptabel ist
- Unteragenten und Aktionen, für die eine Benutzerüberprüfung erforderlich ist (Die allgemeinen Grundsätze der Zuordnung von Unteragenten und Aktionen mit Filtern und Variablen wurden nicht geändert, die empfohlenen Muster jedoch schon. Siehe Agentenskriptmuster: Erzwingen von erforderlichen Workflows für einen Unteragenten.)
Das Agentenskript bietet eine Reihe von Tools zur Verbesserung der Agentenzuverlässigkeit. Im Folgenden finden Sie einige häufige Probleme, die Ihnen bei der Lösung helfen können.
| Problem | Wie Agentenskript helfen kann | Verwandte Muster |
|---|---|---|
| Ihr Agent ist verwirrt oder verliert den Überblick über die Informationen in Kurven oder Übergängen. | Informationen, die zu Beginn einer Unterhaltung erfasst werden, können verloren gehen, da die Unterhaltung Themen verschiebt, wenn Informationen nur im Kontextspeicher gespeichert werden. Mit Variablen können Sie den Status für Ihren gesamten Agenten speichern und freigeben und so bedingte Logik, personalisierte Antworten und deterministische Workflows aktivieren, die von den Ereignissen zuvor abhängen. Das Agentenskript bietet Ihnen flexible Möglichkeiten, sie zu füllen. Dazu zählen das Ausfüllen von Zeitfenstern mit dem LLM, das Speichern von Aktionsausgaben oder das direkte Festlegen von Werten. | Multi-Topic Multi-Turn Workflows (Multi-Topic Multi-Turn Workflows mit mehreren Themen) |
| Ihr Agent führt Aktionen in der falschen Reihenfolge aus oder überspringt Schritte. | Manchmal trifft ein Agent eine andere Entscheidung als die, die Ihr Workflow erfordert. Mit Agentenskript können Sie Aktionen deterministisch ausführen, sodass die Ausführung garantiert ist. Sie können Aktionen auch nacheinander verketten und Ausgaben von einer direkt als Eingaben an die nächste übergeben, entweder vor Beginn der Argumentation oder automatisch, nachdem die LLM eine Aktion ausgewählt hat. | |
| In einem Unteragenten mit vielen Anweisungen oder Aktionen befolgt Ihr Agent Ihre Anweisungen nicht konsequent. | Zu viele Auswahlmöglichkeiten führen zu Agentenfehlern, insbesondere in langen Unterhaltungen. Mit dem Agentenskript können Sie festlegen, was dem LLM angezeigt wird, basierend auf dem aktuellen Status Ihres Benutzers. Verwenden Sie dazu Variablen und bedingte Logik, um nur die entsprechenden Anweisungen zu senden, und Filter, um Aktionen vollständig auszublenden, wenn die Bedingungen nicht erfüllt sind. Beispielsweise sieht die LLM andere Anweisungen für einen Kunden mit Versicherung als einen Kunden, der selbst bezahlt, oder andere Aktionen für überprüfte und nicht überprüfte Kunden. Das Ergebnis ist eine kleinere, fokussiertere Aufforderung bei jedem Schritt und zuverlässigere Argumentation. | |
| Ihr Agent wählt nicht zuverlässig den richtigen Unteragenten zur richtigen Zeit aus oder übergibt ihn an ihn. | Ohne explizite Weiterleitungslogik entscheidet das LLM, wohin und wann Benutzer gesendet werden. Mit Agentenskript können Sie Übergänge zwischen Unteragenten definieren, entweder deterministisch, wenn der Pfad festgelegt ist, oder in der Argumentation, wenn die Bedingungen variieren. Mit dem Agenten-Router, einem spezialisierten Unteragenten, in dem Sie Weiterleitungsregeln definieren können, haben Sie auch mehr Kontrolle über die Weiterleitung. Bei obligatorischen Workflows wie der Benutzerüberprüfung garantieren bedingte Übergänge in Anweisungen vom Typ "Agenten-Router", dass diese Schritte ausgeführt werden, bevor die Unterhaltung fortgesetzt wird. | Workflow für erforderliche Themen Multi-Topic Multi-Turn Workflows (Multi-Topic Multi-Turn Workflows mit mehreren Themen) |
Erkunden von Beispielen und Ressourcen
Eine der besten Möglichkeiten zum Erstellen effektiver Agenten mit dem Agentenskript besteht darin, mit hochwertigen vorhandenen Mustern und Beispielen zu beginnen. Im Folgenden finden Sie einige von Salesforce validierte Beispiele, die Sie als Inspiration verwenden oder sogar kopieren und in Ihren eigenen Agenten einfügen können.
- Agentforce Developer Guides: Allgemeine Muster
Allgemeine Muster zum Erstellen von Agenten mit dem Agentenskript. Jedes Muster konzentriert sich auf eine bestimmte Technik, mit der Sie Ihre Agenten zuverlässiger und effektiver machen können.
- Agentforce Labs: Erstellen beginnen
Beginnen Sie in einer Sandbox-Umgebung mit dem vollständigen Agentenskript für einen grundlegenden Kundensupport, häufig gestellte Fragen oder E-Commerce-Agenten. Erstellen Sie dann den Agentforce Builder oder die gewünschte IDE.
- Agentenskript-Rezepte
Eine Sammlung eigenständiger, funktionierender Beispiele, die spezifische Agentenskript-Konzepte vermitteln.
Balance Determinism with LLM Reasoning (Determinismus abwägen mit LLM Reasoning)
Mit dem Agentenskript können Sie potenziell jeden Entscheidungspunkt in Ihrem Agenten steuern. Sie definieren Entscheidungen, Status und Prozesse, die deterministisch sein müssen, und lassen den Agenten den Rest durchdenken. Diese Kontrollebene ist leistungsstark, kann aber auch hinderlich sein. Bei der Neugestaltung zur Verbesserung des Agentenverhaltens besteht das Ziel darin, genau genug Kontrolle anzuwenden, um die Sicherheit, Berechenbarkeit und Präzision Ihres Agenten zu gewährleisten, ohne die Unterhaltungsflexibilität zu eliminieren, die LLM-Überlegungen so nützlich macht.
Es ist verlockend, überall deterministische Steuerelemente hinzuzufügen, insbesondere wenn Ihr veralteter Generatoragent Probleme mit der Zuverlässigkeit hatte. Denken Sie jedoch daran, dass jeder logische Ausdruck eine Entscheidung ist, die das Modell nicht treffen kann. Fügen Sie Determinismus nicht reflexartig hinzu, nur weil Sie es können, oder Sie riskieren, einen starren Chatbot neu zu erstellen. Identifizieren Sie stattdessen Entscheidungen mit geschäftlichen Konsequenzen wie Benutzerauthentifizierung, Finanztransaktionen oder Weiterleitung an sensible Warteschlangen. Steuern Sie diese mit Bedingungen, Filtern und Variablenzuordnungen zu Aktionseingaben und -ausgaben. Lassen Sie für alles andere den LLM bedenken. Beginnen Sie mit dem Öffnen und fügen Sie die Kontrolle dort hinzu, wo Tests zeigen, dass Sie sie benötigen.
Hier einige allgemeine Richtlinien.
- Verwenden Sie Anweisungen in natürlicher Sprache und LLM-Überlegungen für Unterhaltungsverständnis, Kontext und flexible Entscheidungsfindung.
Beachten Sie beim Schreiben von Anweisungen in natürlicher Sprache die folgenden bewährten Vorgehensweisen.
- Agenten schneiden in der Regel am besten ab, wenn Anweisungen mit natürlicher Sprache einfacher und kürzer sind.
- Vermeiden Sie sich überschneidende oder widersprüchliche Anweisungen, die die Agentenleistung beeinträchtigen können.
- LLMs reagieren sensibel auf die Sprachauswahl. Erstellen Sie daher Anweisungen in einfacher Sprache, die genau, detailliert und direkt sind. Verwenden Sie Absolutwerte nur, wenn Sie es ernst meinen. Vermeiden Sie nach Möglichkeit Jargon. Verwenden Sie die Sprache in allen Anweisungen einheitlich.
Tipp Wenn Sie Anweisungen mit natürlicher Sprache von Ihrem vorhandenen Agenten migrieren, haben Sie keine Angst, sie aggressiv zu kürzen. Anweisungen im alten Generator sind in der Regel lang und wiederholen sich. Sie decken Verhaltensweisen und Randvorgänge ab, die Sie nun mit einer Bedingung oder einem Filter verarbeiten können. Meistens können Sie alle Elemente mit Ausnahme von einem oder zwei Kernsätzen sicher löschen. Langwierige Anweisungen mit natürlicher Sprache können die tatsächlich relevanten Elemente verwässern und es Ihrem Agenten erschweren, zu verstehen, worauf es ankommt. - Verwenden Sie deterministische Logik für Aktionen mit geschäftlichen Konsequenzen, beispielsweise Datenüberprüfungen, erforderliche Sequenzen, Geschäftsweiterleitungsregeln, Compliance-Anforderungen und Transaktionsvorgänge.
Verwenden Sie beispielsweise vor der Ausführung von Anweisungen, die auf einer Aufforderung in natürlicher Sprache basieren, eine bedingte Logik, um zu bestimmen, ob Sie einem Benutzer für seine Mitgliedschaft in der Gold-Stufe danken, eine Variable zum Anpassen der Aufforderung verwenden oder deterministisch eine Aktion zum Nachschlagen von Informationen oder Senden einer E-Mail ausführen möchten. Dann können Sie sich in den Anweisungen für die natürliche Sprache darauf konzentrieren, was ein AI-Modell am besten kann, ohne den Kontext des Modells zu überlasten.
- Um ein Höchstmaß an Zuverlässigkeit zu gewährleisten, sollten Sie alle Logiken mit rechtlichen, sicherheitsrelevanten oder behördlichen Konsequenzen auf eine Agentenaktion übertragen (z. B. Altersüberprüfung).
Integrieren Sie die Logik in die zugrunde liegende Apex-Klasse oder den zugrunde liegenden Flow der Aktion und geben Sie Ihrem Agenten dann detaillierte Anweisungen dazu, wie und wann die Aktion verwendet werden soll.
Im Folgenden finden Sie einige Ressourcen, mit denen Sie Determinismus und Argumentation in Ihrem Agentendesign in Einklang bringen können.
- Salesforce-Hilfe: Ein Agentforce-Leitfaden zur Kontextentwicklung
In dieser Ressource werden die Schritte zum Erstellen zuverlässiger und effektiver Agentforce-Lösungen erläutert. Verwenden Sie dazu einige bewährte Vorgehensweisen für die Kontextentwicklung, um sicherzustellen, dass Sie Ihrem AI-Agenten die richtigen Informationen, Tools und Anweisungen an die Hand geben, um seine Ziele zu erreichen.
- Der 360 Blog: Agentenskript: Die Steuerungsebene für Agentenentscheidungen
Ein Blogpost, der von einigen unserer Agentenskript-Experten verfasst wurde und die Vorteile der Verwaltung von Determinismus und Argumentation in einer einzigen Oberfläche und Datei hervorhebt. Neben Ratschlägen zu den im Agentenskript verfügbaren Tools und deren Verwendung bietet es drei Versionen eines einfachen Agenten, die drei verschiedene Steuerungsebenen demonstrieren: vollständig skriptbasiert (ein Workflow mit einem LLM obendrauf), gemischt (deterministische Identitätsüberprüfung, aber ursachenbasierte Lösung) und vollständig agentisch (minimaler Determinismus).
- Sechs Determinismusebenen in Agentforce
Ein detailliertes Framework für das Agentendesign, mit dem Sie nach Bedarf schrittweise von niedrigeren zu höheren Steuerungsebenen wechseln können. Sie definiert sechs Ebenen der Agentenkontrolle und bietet bewährte Vorgehensweisen, um das Agentenverhalten für jede dieser Ebenen zu erlangen und zu kontrollieren.
