Vous êtes ici :
Planification et conception d'un script Agent
Avant de migrer, prenez le temps de concevoir les instructions de votre sous-agent et le flux conversationnel. Le temps et les efforts varient selon les outils que vous envisagez d'utiliser pour migrer, la complexité de votre agent et ses performances actuelles. Cette préparation vous aide à déterminer quelles parties de votre agent peuvent être migrées directement sans modification et quelles parties peuvent être redessinées. Il vous prépare également à prendre des décisions délibérées sur l'endroit où introduire le déterminisme dans votre nouvel agent, afin que vous puissiez améliorer votre agent stratégiquement au lieu de réagir.
Aller à...
- Faire connaissance avec votre agent actuel
- Identifier les candidats pour la refonte et planifier les améliorations
- Exploration d'exemples et de ressources
- Équilibrage du déterminisme avec le raisonnement LLM
Découverte de votre agent actuel
Analysez comment et pourquoi votre agent travaille de cette façon, afin de conserver ce qui fonctionne bien aujourd'hui et de planifier des améliorations dans le nouveau générateur. Effectuer tout ou partie de ce travail initial permet de créer une vue unique de votre agent et d'identifier des candidats spécifiques à reconcevoir.
- Établissez une base de test.
- Effectuez une série de tests manuels dédiés dans Agentforce Builder et des tests par lot au Centre de tests Agentforce afin de mesurer le taux de réussite actuel de votre agent et de définir objectivement à quoi ressemble un « meilleur » agent pour votre activité. Si vous avez déjà des scénarios de test que vous exécutez régulièrement, ils sont le bon point de départ. Pour plus d'informations, consultez Conseils de test.
Résultat La récupération de données de test de référence dédiées avant la migration permet d'identifier les zones à améliorer pour votre agent. Il vous permet également de mesurer objectivement les performances post-migration, notamment les régressions et la réussite. - Développez une compréhension générale de votre agent dans le générateur hérité.
- Identifiez les sous-agents et leurs relations, les parcours utilisateur, les points de décision des agents et les critères de transfert (escalade, transitions attendues entre les sous-agents).
Résultat Ces détails architecturaux sont importants pour cartographier ce que vous migrez et ce que vous changez. Ils indiquent également les endroits où le déterminisme est susceptible d'être utile. Par exemple, Agent Script permet de mieux contrôler l'acheminement des agents. Il est donc important de comprendre la relation entre les sous-agents et les transitions attendues. Les points de décision et les critères de transfert sont également candidats au déterminisme, si l'agent n'est pas fiablement performant. - Dans chaque sous-agent, identifiez l'objet de chaque instruction et évaluez sa qualité.
- L'instruction est-elle générale (par exemple, fournit des lignes directrices sur le ton ou le contexte) ou fonctionnelle (par exemple, spécifie comment mettre en forme une sortie)? L'instruction spécifie-t-elle des conditions requises ou une séquence d'étapes ? La terminologie est-elle cohérente entre les instructions?
Résultat Après avoir compris vos instructions existantes, planifiez comment vous souhaitez gérer chacune d'elles dans votre migration : migrez sans modification, supprimez ou réécrivez avec Agent Script. Les instructions qui spécifient des conditions, des séquences ou des règles métiers requises sont de solides candidats pour les réécritures déterministes. - Recueillez et classez les problèmes actuels.
-
Problèmes des agents de cluster pour définir clairement les éléments qui fonctionnent et ceux qui sont rompus. Recueillez tous les commentaires sur votre agent existant à un emplacement unique, y compris les résultats de tests échoués, les bogues consignés et les commentaires des utilisateurs ou des équipes de support. Consolidez-le ensuite dans une vue unique. (comme avec de nombreuses étapes de ce guide, vous pouvez utiliser l’IA pour vous aider).
Regroupez ensuite les problèmes par type. Les catégories courantes peuvent inclure des problèmes de reconnaissance d'intention, des échecs d'acheminement et des erreurs de validation de données, mais les problèmes de votre agent peuvent indiquer d'autres modèles. En triant, recherchez le chevauchement. Par exemple, un cluster d'échecs d'acheminement peut partager une cause profonde, ce qui signifie qu'une modification corrige plusieurs symptômes à la fois.
Résultat Une vue unique des problèmes de votre agent permet de différencier les régressions (éléments qui fonctionnaient avant la migration et qui sont rompus après) des écarts de conception ou de fonctionnalité (éléments qui n'ont jamais tout à fait fonctionné).
Les bogues ou écarts de longue date sont l'occasion d'une refonte avec le script Agent. Priorisez les problèmes par cluster afin de déterminer les éléments les plus importants à corriger et les outils ou éléments déterministes à introduire.
Identification des candidats pour la refonte et planification des améliorations
Avec une vue d'ensemble claire de l'architecture, des instructions et des problèmes de votre agent, vous pouvez identifier les éléments à migrer en l'état et les éléments à reconcevoir. Utilisez ce que vous avez appris pour prioriser les parties de votre agent les plus susceptibles de bénéficier du script Agent, qui vous donne un contrôle explicite sur les parties de votre agent que les instructions en langage naturel seules ne peuvent pas gérer de façon fiable.
Voici quelques exemples de candidats pour la refonte avec Agent Script.
- Tout sous-agent, instruction ou processus avec un taux d'erreur élevé
- Un sous-agent dont les performances sont incohérentes en raison de nombreuses instructions et actions
- Un ou plusieurs sous-agents avec des instructions ou un acheminement différents pour différents utilisateurs
- Processus complexes à plusieurs étapes, dans un sous-agent ou entre plusieurs sous-agents
- Tout processus métier qui doit être suivi et dans lequel la variabilité est inacceptable
- Les sous-agents et les actions qui nécessitent une vérification de l'utilisateur (les principes généraux de la mise en correspondance des sous-agents et des actions avec des filtres et des variables n'ont pas changé, mais les modèles recommandés ont changé. Consultez Schéma de script de l'agent : Application automatique des workflows requis pour un sous-agent).
Agent Script fournit une gamme d'outils pour améliorer la fiabilité des agents. Voici quelques problèmes courants qu'il peut vous aider à résoudre.
| Problème | Comment le script Agent peut aider | Modèles associés |
|---|---|---|
| Votre agent devient confus ou perd la trace des informations à travers les tours ou les transitions. | Les informations recueillies tôt dans une conversation peuvent être perdues lorsque la conversation déplace les sujets lorsque les informations sont stockées uniquement dans la mémoire du contexte. Les variables permettent de stocker et de partager l'état dans l'ensemble de votre agent, en activant une logique conditionnelle, des réponses personnalisées et des workflows déterministes qui dépendent de ce qui s'est passé précédemment. Agent Script offre des options flexibles pour les remplir, notamment le remplissage de slot avec le LLM, le stockage des sorties d'action ou la définition directe de valeurs. | |
| Votre agent exécute des actions dans le mauvais ordre ou ignore des étapes. | Parfois, un agent prend une décision différente de celle requise par votre workflow. Le script Agent permet d'exécuter des actions de façon déterministe, ce qui garantit leur exécution. Vous pouvez également enchaîner les actions de façon séquentielle, en transmettant les sorties d'une entrée à l'autre, soit avant le début du raisonnement, soit automatiquement après la sélection d'une action par le grand livre. | |
| Dans un sous-agent avec de nombreuses instructions ou de nombreuses actions, votre agent ne suit pas vos instructions de façon cohérente. | Un nombre excessif de choix entraîne des erreurs de l'agent, en particulier dans les longues conversations. Agent Script permet d'élargir l'affichage du grand livre en fonction de l'état actuel de votre utilisateur, en utilisant des variables et une logique conditionnelle pour envoyer uniquement les instructions qui s'appliquent, et des filtres pour masquer entièrement les actions lorsque les conditions ne sont pas remplies. Par exemple, le grand livre affiche des instructions différentes pour un client avec une assurance qu'un client qui s'auto-paye, ou des actions différentes pour les clients vérifiés et non vérifiés. Le résultat est une invite plus petite et plus ciblée à chaque étape, et un raisonnement plus fiable. | |
| Votre agent ne choisit pas ou ne transmet pas de façon fiable le sous-agent approprié au moment opportun. | Sans logique d'acheminement explicite, le LLM décide où et quand envoyer les utilisateurs. Agent Script permet de définir des transitions entre les sous-agents, de façon déterministe lorsque le parcours est fixe ou dans le raisonnement lorsque les conditions varient. Vous pouvez également mieux contrôler l'acheminement avec Agent Router, un sous-agent spécialisé qui permet de définir des règles d'acheminement. Pour des workflows obligatoires tels que la vérification de l'utilisateur, les transitions conditionnelles dans les instructions Routeur de l'agent garantissent l'exécution de ces étapes avant la poursuite de la conversation. |
Exploration d'exemples et de ressources
L'une des meilleures façons d'apprendre à élaborer des agents efficaces avec Agent Script est de partir de modèles et d'exemples existants de grande qualité. Voici quelques exemples validés par Salesforce que vous pouvez utiliser pour vous inspirer, ou même copier-coller dans votre propre agent.
- Agentforce Developer Guide : Modèles communs
Modèles courants d'élaboration d'agents avec le script Agent. Chaque modèle se concentre sur une technique spécifique que vous pouvez utiliser pour rendre vos agents plus fiables et efficaces.
- Agentforce Labs : Commencer à élaborer
Faites vos premiers pas dans un environnement sandbox avec le script Agent complet pour un agent de support client de base, FAQ ou e-commerce. Élaborez ensuite dans Agentforce Builder ou l'IDE de votre choix.
- Recettes de script agent
Une collection d'exemples autonomes et pratiques qui enseignent des concepts spécifiques de script d'agent.
Équilibrage du déterminisme avec le raisonnement LLM
Le script Agent permet de contrôler potentiellement chaque point de décision de votre agent. Vous définissez des décisions, des états et des processus qui doivent être déterministes, puis vous laissez l'agent raisonner à travers le reste. Ce niveau de contrôle est puissant, mais il peut aussi gêner. Lors de la reconception pour améliorer le comportement des agents, l'objectif est d'appliquer juste assez de contrôle pour garantir la sécurité, la prévisibilité et la précision de votre agent sans éliminer la flexibilité conversationnelle qui rend le raisonnement LLM si utile.
Il est tentant d'ajouter des contrôles déterministes partout, en particulier si votre agent générateur hérité rencontre des difficultés de fiabilité. N'oubliez pas que chaque expression logique est une décision que le modèle ne peut pas prendre. N'ajoutez pas le déterminisme par réflexe simplement parce que vous le pouvez, sinon vous risquez de recréer un chatbot rigide. Identifiez à la place les décisions qui ont des conséquences métiers, par exemple l'authentification des utilisateurs, les transactions financières ou l'acheminement vers des files d'attente confidentielles. Contrôlez ceux qui ont des conditionnelles, des filtres et un mappage de variables avec des entrées et des sorties d'action. Pour tout le reste, laissez le LLM raisonner. Commencez par ouvrir et ajoutez un contrôle lorsque les tests montrent que vous en avez besoin.
Voici quelques consignes générales.
- Utilisez des instructions en langage naturel et le raisonnement LLM pour la compréhension conversationnelle, le contexte et la prise de décision flexible.
Lors de la rédaction d'instructions en langage naturel, tenez compte des meilleures pratiques ci-dessous.
- Les agents ont tendance à être plus performants lorsque les instructions en langage naturel sont plus simples et plus courtes.
- Évitez les chevauchements ou les conflits d'instructions, qui peuvent dégrader les performances des agents.
- Les LLM sont sensibles au choix de la langue. Par conséquent, créez des instructions en langage clair précises, détaillées et directes. Utilisez des valeurs absolues uniquement lorsque vous le pensez. Évitez le jargon dans la mesure du possible. Utilisez un langage cohérent dans toutes vos instructions.
Conseil Si vous migrez des instructions en langage naturel depuis votre agent existant, n'ayez pas peur de les réduire agressivement. Les instructions du générateur hérité sont généralement longues et répétitives, couvrant le comportement et les requêtes périphériques que vous pouvez désormais traiter avec une condition ou un filtre. La plupart du temps, vous pouvez tout supprimer en toute sécurité, sauf une ou deux phrases principales. De longues instructions en langage naturel peuvent diluer ce qui est pertinent et aider votre agent à comprendre ce qui compte. - Utilisez une logique déterministe pour les actions qui ont des conséquences métiers, telles que les contrôles de données, les séquences requises, les règles d'acheminement métier, les exigences de conformité et les opérations transactionnelles.
Par exemple, avant d'exécuter des instructions basées sur une invite en langage naturel, utilisez une logique conditionnelle pour déterminer si un utilisateur doit être remercié d'être membre de niveau Gold, utiliser une variable pour personnaliser l'invite ou exécuter de façon déterministe une action pour référencer des informations ou envoyer un e-mail. Vous pouvez ensuite orienter les instructions en langage naturel vers ce qu'un modèle IA fait de mieux, sans surcharger le contexte du modèle.
- Pour le plus haut niveau de fiabilité, déplacez n'importe quelle logique ayant des conséquences juridiques, de sécurité ou réglementaires vers une action de l'agent (par exemple, la vérification de l'âge).
Élaborez la logique dans la classe ou le flux Apex sous-jacent de l'action, puis donnez à votre agent des instructions détaillées sur comment et quand utiliser l'action.
Voici quelques ressources pour vous aider à concilier déterminisme et raisonnement dans la conception de votre agent.
- Aide de Salesforce : Guide Agentforce sur l'ingénierie du contexte
Cette ressource présente les étapes à suivre pour élaborer des solutions Agentforce fiables et efficaces en utilisant les meilleures pratiques d'ingénierie contextuelle, afin de vous assurer de fournir à votre agent IA les informations, les outils et les instructions appropriés pour atteindre ses objectifs.
- Le 360 Blog : Script Agent : Le plan de contrôle des décisions des agents
Un billet de blog, écrit par quelques-uns de nos experts résidents en scripts d'agent, qui souligne les avantages de la gestion du déterminisme et du raisonnement dans une interface et un fichier uniques. En plus de conseils sur les outils disponibles dans Agent Script et comment les utiliser, il fournit trois versions d'un agent simple qui démontrent trois niveaux de contrôle différents : entièrement scripté (un workflow avec un LLM au-dessus), mixte (vérification de l'identité déterministe, mais résolution pilotée par le raisonnement) et entièrement agentique (déterminisme minimal).
- Six niveaux de déterminisme dans Agentforce
Une infrastructure détaillée pour la conception des agents, qui vous aide à passer progressivement de niveaux de contrôle inférieurs à supérieurs si nécessaire. Il définit six niveaux de contrôle agentique et fournit les meilleures pratiques pour acquérir et garder le contrôle sur le comportement agentique pour chacun de ces niveaux.
