Agentforce Observability-infrastructuur

Agentforce Sessietracering

Agentforce Sessietracering houdt de activiteitslaag van de agent bij. Het legt elke agentbeurt, redeneringsstap, actie, bericht en fout voor elke sessie vast en slaat deze op in gestructureerde objecten in Data 360. Zie Agentforce Sessietracering.

Het gegevensmodel Sessietracering (STDM) heeft vijf objecten die zijn ingedeeld in een nestinghiërarchie:

• AiAgentSession: de record op het hoogste niveau voor elke sessie. De SessionEndType van het veld, die wordt toegewezen aan omgeleide, geëscaleerde en stopgezette sessies.
• AiAgentSessionParticipant: wie er in de sessie was: contactpersoon, lead, gebruiker of agent-API-naam.
• AiAgentInteraction: één beurt binnen de sessie. De TopicApiName van het veld geeft aan welke subagent de beurt heeft afgehandeld.
• AiAgentInteractionStep — één afzonderlijke stap binnen een beurt: tool call, Apex call, Flow call of LLM call.
• AiAgentInteractionMessage: de feitelijke invoer-/uitvoertekst voor elke beurt.

Deze objecten voeden de tabbladen Effectiviteit, Gebruik en Gezondheid in Agent Analytics, en de sessielijst en Traceren in Agentoptimalisering. Alle vijf objecten kunnen rechtstreeks worden opgevraagd via de Data 360 Queryeditor voor aangepaste aggregaties en joins. Zie Gegevensmodel voor Agentforce Sessietracering voor de volledige objectverwijzing.

Platformtracering voor agenten

Agent Platform Tracing breidt de gegevensverzameling uit naar de servicelaag, wat er is gebeurd binnen de Agentforce infrastructuur voor het uitvoeren van de records voor Sessietracering van beslissingen. Waar Sessietracering aangeeft wat de agent heeft besloten en gezegd, geeft Platformtracering van agent aan welke service is uitgevoerd, hoe lang en met welke status. Het legt telemetrie op serviceniveau vast in de Atlas-redeneerengine, Apex, Stromen, Aanwijzingensamensteller, Aanroepbare acties, AI Gateway, LLM Gateway en DC Query Federator. Gegevens worden opgeslagen in één DMO, gescheiden van STDM en kunnen worden samengevoegd via TelemetryTraceId.

• ssot__TelemetryTraceSpan__dlm: bovenliggende/onderliggende spanrelaties, duur in nanoseconden, bewerkingsnamen, servicenamen en statuscodes.

Samen biedt dit een gedistribueerde tracering over het volledige Agentforce ecosysteem. Zie Agent Platform Tracing.

Audit en feedback

Controle en feedback houdt de laag LLM Gateway bij. Het legt de in- en uitgangen van elke LLM-aanroep vast, inclusief aanwijzingstekst, reactietekst, Trust evaluaties, vangrailuitgangen en feedbacksignalen van gebruikers. Sessietracering vertelt u wat de agent heeft gedaan, maar Controle en feedback vertellen u of de LLM-respons nauwkeurig, veilig en gefundeerd was in uw Knowledge bron.

• GenAIGatewayRequest: de aanwijzing en context die naar de LLM zijn verzonden
• GenAIGatewayResponse: voegt het gatewayverzoek samen met de uitvoer voor genereren ervan
• GenAIGeneration: de door LLM gegenereerde responstekst, inclusief gemaskerde en ontmaskerde versies, en parameters voor genereren
• GenAIFeedback: feedbacksignalen van gebruikers zoals duim omhoog/omlaag.
• GenAIContentQuality: of een invoer/uitvoer veilig/onveilig is, inclusief toxiciteitsdetectie
• GenAIContentCategory — Trust Layer-detectorresultaten op type: InstructionAdherence, TaskResolution, TOXICITY, PROMPT_DEFENSE

Controle- en feedbackgegevens worden weergegeven in Kwaliteitsscores, Trust en Gebruikerstevredenheid in Agent Analytics, en het veld Redenering voor kwaliteitsscore in Agentoptimalisatie. Zie Agent Analytics en Einstein Generative AI Audit and Feedback instellen voor actuele meetgegevens.

Knowledge / RAG-kwaliteitsgegevens en -meetgegevens

Knowledge / RAG-kwaliteitsgegevens en -meetgegevens voegt scores voor de ophaalkwaliteit toe aan de pijplijn Audit en feedback. Het legt vast hoe relevant de query was voor de taak, hoe trouw de respons was aan de opgehaalde Knowledge bron en hoe relevant de opgehaalde Knowledge bron was voor de query.

Belangrijke objecten:

• GenAIRetrieverRequest — de ophaalquery die naar de Knowledge source is verzonden
• GenAIRetrieverResponse — de opgehaalde context geretourneerd
• GenAIRetrieverQualityMetric — Scores voor Trouw aan antwoord, Relevantie voor antwoord en Contextrelevantie

Deze vult de meetgegevens over de ophaalkwaliteit in Kwaliteitsscores in Agent Analytics in, die aangeven of de Knowledge bron de juiste inhoud retourneert, los van de responskwaliteit van de LLM. Zie Knowledge / RAG-kwaliteitsgegevens en -meetgegevens instellen voor set-upstappen.

Trust laag

De Trust Layer is de nalevingsscorelaag. Het genereert nalevings- en toxiciteitsscores voor instructies op basis van LLM Gateway-uitvoer. Trust Layer-scores worden opgeslagen in GenAIContentCategory en GenAIContentQuality, dezelfde objecten uit Audit en Feedback.

Deze wordt weergegeven in de Trust in Agent Analytics, waardoor u zicht hebt op of de agent de instructies ervan opvolgt en binnen aanvaardbare inhoudsgrenzen blijft. Zie Einstein Trust Layer voor set-upstappen.

Elke laag stuurt een ander deel van de observatietoolchain aan. Hoe meer lagen u inschakelt, hoe completer uw weergave van het gedrag van agenten en hoe meer van de levenscyclus van Agentontwikkeling u kunt navigeren met bewijs.