Agentforce 觀察性基礎結構
在任何可觀察性工具能夠顯示或處理資料之前,必須先啟用基本的工作人員距離測試基礎結構,並在 Data 360 中收集活動資料。
必要版本
| 提供版本：Lightning Experience |
| 提供版本：Enterprise、Performance、Unlimited 及 Developer Edition。所需附加元件授權會因工作人員類型而有所不同。 |
Agentforce 工作階段追蹤
Agentforce 工作階段追蹤可追蹤工作人員活動層級。它會針對每個工作階段捕捉每個工作人員輪數、推斷步驟、動作、訊息和錯誤,並將其儲存在 Data 360 的結構化物件中。請參閱 Agentforce 工作階段追蹤。
工作階段追蹤資料模型 (STDM) 有五個以巢狀階層組織的物件:
AiAgentSession—每個工作階段的最上層記錄。欄位SessionEndType,會對應至偏差、已升級和已捨棄的工作階段。AiAgentSessionParticipant— 工作階段中的人員:連絡人、商機、使用者或工作人員 API 名稱。AiAgentInteraction—工作階段內的一輪。欄位TopicApiName會識別處理輪數的子工作人員。AiAgentInteractionStep—輪數內的一個離散步驟:工具呼叫、Apex 呼叫、流程呼叫或 LLM 呼叫。AiAgentInteractionMessage—每個輪數的實際輸入/輸出文字。
這些物件會在「工作人員分析」中提供「效率」、「使用狀況」和「健康狀況」索引標籤,以及「工作人員最佳化」中的工作階段清單和「追蹤」。所有五個物件都可以透過 Data 360 查詢編輯器直接查詢,以取得自訂彙總和聯結。如需完整物件參照,請參閱 Agentforce 工作階段追蹤的 資料模型。
工作人員平台追蹤
「工作人員平台追蹤」會將資料收集延伸至服務層,也就是在 Agentforce 基礎結構中執行決策工作階段追蹤記錄時發生的情況。「工作階段追蹤」會告訴您工作人員決定和說明的內容,「工作人員平台追蹤」會告訴您執行的服務、時間長度和狀態。它會在 Atlas 推理引擎、Apex、流程、提示詞產生器、可叫用動作、AI 門戶、LLM 門戶和 DC 查詢聯邦者之間捕捉服務層級遠端測試。資料會儲存在單一 DMO 中,與 STDM 分開,且可透過 TelemetryTraceId 聯結。
ssot__TelemetryTraceSpan__dlm—父系/子系範圍關係、持續時間 (以奈秒為單位)、作業名稱、服務名稱和狀態代碼。
總之,這可讓您在整個 Agentforce 生態系統中得到分散式追蹤。請參閱 工作人員平台追蹤。
稽核和回饋意見
「稽核與回饋意見」會追蹤「LLM Gateway」層級。它會捕捉每個 LLM 呼叫的輸入和輸出,包括提示文字、回應文字、Trust 評估、護欄輸出和使用者回饋意見訊號。「工作階段追蹤」會告訴您工作人員執行的動作,「稽核與回饋意見」會告訴您 LLM 回應是否準確、安全且以 Knowledge 來源為基礎。
GenAIGatewayRequest—傳送至 LLM 的提示與內容GenAIGatewayResponse— 將門戶要求聯結至其產生輸出GenAIGeneration— LLM 產生的回應文字,包括遮蔽和解除遮蔽的版本,以及產生參數GenAIFeedback—使用者回饋意見訊號,例如姆指朝上/朝下。GenAIContentQuality—輸入/輸出是否安全/不安全,包括毒性偵測GenAIContentCategory— 依類型分類的 Trust Layer 偵測器結果:InstructionAdherence、TaskResolution、TOXICITY、PROMPT_DEFENSE
「品質評分」、「Trust」與「使用者滿意度」在「工作人員分析」中的稽核與回饋意見資料,以及「工作人員最佳化」中的品質評分考量欄位。請參閱 Agent Analytics 和 設定 Einstein 生成式 AI 稽核和回饋意見以取得目前度量。
Knowledge/RAG 品質資料與度量
Knowledge/RAG 品質資料與度量會將提取品質評分新增至「稽核」與「回饋意見」銷售管道。它會記錄查詢與工作之間的關聯性、回應對所提取 Knowledge 來源的忠誠度,以及所提取 Knowledge 來源與查詢的關聯性。
關鍵物件:
GenAIRetrieverRequest—傳送至 Knowledge 來源的提取查詢GenAIRetrieverResponse— 已傳回提取的內容GenAIRetrieverQualityMetric— 回答忠誠度、回答相關性和內容相關性分數
它會在「工作人員分析」的「品質評分」中填入提取品質度量,這會指示 Knowledge 來源是否傳回正確的內容,而非 LLM 的回應品質。如需設定步驟,請參閱 設定 Knowledge/RAG 品質資料與度量。
Trust 圖層
Trust 圖層是合規性評分層。它會從 LLM Gateway 輸出產生指示符合度與毒性分數。Trust Layer 分數會儲存在 GenAIContentCategory 和 GenAIContentQuality 中,這是「稽核」和「回饋意見」中的相同物件。
它會在 Agent Analytics 的 Trust 中呈現,讓您瞭解工作人員是否遵循其指示並保持在可接受的內容範圍內。如需設定步驟,請參閱 Einstein Trust 圖層。
每個圖層都支援可觀察性工具鏈的不同部分。您啟用的圖層愈多,您的工作人員行為檢視愈完整,以及您可以使用證據瀏覽的「工作人員開發生命週期」愈多。
