Agentplattformsporing
Denne sporingsfunksjonen gir omfattende synlighet til handlingene og ytelsen til Agentforce, og fanger opp viktige telemetridata på tvers av ulike tjenester. Ved å benytte Data 360 kan brukere forene disse sporingsdataene med øktinformasjon for å opprette detaljerte rapporter. Disse rapportene er uvurderlige for å overvåke viktige ytelsesindikatorer (KPI-er), identifisere ytelsesflaskehalser og raskt finne rotårsaken til problemer, noe som til slutt forbedrer påliteligheten og effektiviteten til Agent-implementasjoner.
Nødvendige utgaver
| Tilgjengelig i Lightning Experience |
| Tilgjengelig i Enterprise, Performance, Unlimited og Developer Edition med fundamenter, eller Agentforce 1 eller Einstein 1 Edition |
Konfigurere agentplattformsporing
For å kunne generere Data 360-rapporter for økt- og plattformsporinger må brukere først aktivere Data 360 og plattformsporing.
- Bruk Hurtigsøk-feltet i Oppsett til å søke etter Einstein Generative AI.
- Klikk på Einstein Revisjon, Analytics og Overvåking-oppsett fra Einstein Generative AI.
- Kontroller at Agentforce er slått på. Se Konfigurere Agentforce-øktsporing.
- Rull ned til bryteren Agentplattformsporing, og slå den på.
Datamodellen klargjøres i løpet av noen minutter. Datainnsamling starter så umiddelbart og gjentas med femminutters intervaller. Vær oppmerksom på at omvendt datainnsamling øker organisasjonens kredittforbruksgrad.
Suspensjon av datainnsamling beholder dataene slik at du kan gjenoppta senere. Eventuelle rapporter viser et gap mellom tidspunktet du slår den av og på igjen.
Data 360-rapporter for servicerepresentantsøkter og plattformsporinger
For å få innsikt i viktige ytelsesindikatorer og trender oppretter du én enkelt Data 360-rapport som integrerer både Agentøkt-sporing og Slutt-til-slutt-plattform-sporing. Denne rapporten kan kjøres for nær sanntidsdata, tillater gruppering, filtrering og oppsummering av poster, og kan deles med andre.
Agentsporing inkluderer områder fra følgende tjenester:
- Apex
- Flyter
- Ledetekstbygger
- Kallbare handlinger
- Planlegger
- AI Gateway
- LLM-gateway
- DC-spørringsforbinder
Generere en Data 360-rapport
Opprett rapporter om bestemte datamodellobjekter (DMO-er), som Telemetry Trace Span og AI Agent Interaction, for å analysere og lære fra forente data.
- Gå til Rapporter-fanen i Salesforce, og klikk på Ny rapport. Rapporttypesiden vises.
- Skriv navnet på datamodellobjektet (DMO) du vil rapportere om, i søkefeltet. I dette tilfellet velger du Telemetry Trace Span eller AI Agent Interaction.
- Opprett en ny feltrelasjon i de relevante datamodellobjektene. I dette tilfellet kan du velge Telemetry Trace Span -Telemetry Trace → ManyToOne → AI Agent Interaction - Telemetry Trace.
I Data 360 etableres relasjoner mellom DMO-er ved å definere en tilkobling fra et "kilde-DMO" til et "mål-DMO" ved bruk av nøkkelfelt. Den vanligste typen relasjon er Mange-til-én, der flere poster fra kilde-DMO-et tilsvarer én enkelt post i mål-DMO-et. Se Datamodellobjektrelasjoner for å få mer informasjon.
- Det finnes en Relationships-fane på detaljsiden for DMO-et. Denne fanen gir en visuell og strukturert oversikt over alle relasjonene som finnes for dette DMO-et. Kontroller de nye DMO-relasjonene via fanen Relationships (Relasjoner).
Eksempel på telemetrisporing
Eksempel på AI-agentinteraksjon
- Opprett en tilpasset rapporttype.
- Klikk på Ny tilpasset rapport under Ny tilpasset rapport i Oppsett. Fyll ut feltene for å opprette en ny tilpasset rapporttype. I dette tilfellet oppretter du en rapporttype for Session & Platform Traces.
- Gå til Data Cloud-appen og velg Rapporter-fanen.
- Opprett en Data 360-rapport. Klikk på Ny rapport og velg den ønskede rapporttypen (dvs. øktspor og plattformspor).
- Klikk på Start rapport.
Når rapporten er startet, bør du kunne visualisere korrelerte plattform-telemetrisporingsområder som er logget som en del av hver agentøkt.
Datamodell for agentplattformsporing
Aktivering av disse funksjonene genererer automatisk en Data 360-datastrøm, et Datasjøobjekt (DLO) og et datamodellobjekt (DMO). Disse dataene opprettes i dataområdet som er angitt i Revisjon og overvåking.
Observabilitet spenner over datastrøm
Observability Spans-datastrømmen opprettes automatisk for å fange opp sporingsdataene:
| Etikett | API Schema | ID |
|---|---|---|
| cdp_sys_PartitionDate | cdp_sys_PartitionDate__c |
Dato/klokkeslett |
| Intern organisasjon | InternalOrganization__c |
Tekst |
| Datakildeobjekt | DataSourceObject__c |
Tekst |
| Datakilde | DataSource__c |
Tekst |
| attributter | attributes__c |
Tekst |
| durationNanos | durationNanos__c |
Tall |
| endDateTime | endDateTime__c |
Dato/klokkeslett |
| operationName | operationName__c |
Tekst |
| organizationId | organizationId__c |
Tekst |
| parentSpanId | parentSpanId__c |
Tekst |
| serviceName | serviceName__c |
Tekst |
| spanId | spanId__c |
Tekst |
| spanKind | spanKind__c |
Tekst |
| startDateTime | startDateTime__c |
Dato/klokkeslett |
| statusCode | statusCode__c |
Tekst |
| traceId | traceId__c |
Tekst |
Observabilitet spenner over Datasjø-objektet
Det opprettes en ny DLO kalt ObservabilitySpans med følgende felt:
| Etikett | API Schema | Datatype |
|---|---|---|
| attributter | attributes__c |
Tekst |
| cdp_sys_PartitionDate | cdp_sys_PartitionDate__c |
Dato/klokkeslett |
| cdp_sys_SourceVersion | cdp_sys_SourceVersion__c |
Tekst |
| Datakilde | DataSource__c |
Tekst |
| Datakildeobjekt | DataSourceObject__c |
Tekst |
| durationNanos | durationNanos__c |
Tall |
| endDateTime | endDateTime__c |
Dato/klokkeslett |
| Intern organisasjon | InternalOrganization__c |
Tekst |
| KQ_parentSpanId | KQ_parentSpanId__c |
Tekst |
| KQ_spanId | KQ_spanId__c |
Tekst |
| operationName | operationName__c |
Tekst |
| organizationId | organizationId__c |
Tekst |
| parentSpanId | parentSpanId__c |
Tekst |
| serviceName | serviceName__c |
Tekst |
| spanId | spanId__c |
Tekst |
| startDateTime | startDateTime__c |
Dato/klokkeslett |
| statusCode | statusCode__c |
Tekst |
| traceId | traceId__c |
Tekst |
Telemetry Trace Span Data Model Object
Et nytt DMO kalt Telemetry Trace Span opprettes med følgende felt:
| Etikett | API Schema | Datatype | Beskrivelse |
|---|---|---|---|
| Datakilde | ssot__DataSourceId__c |
Tekst | En unik referanse-ID for postkilden. |
| Datakildeobjekt | ssot__DataSourceObjectId__c |
Tekst | Unik ID for opphavsobjektet, som en skylagringsfil eller koblingsenhet. |
| Varighetsnummer | ssot__DurationNumber__c |
Tekst | Total varighet av span i nanosekunder. |
| Sluttdato/-klokkeslett | ssot__EndDateTime__c |
Tall | Overlappende sluttid. |
| Intern organisasjon | ssot__InternalOrganizationId__c |
Dato/klokkeslett | Identifikator for den interne organisasjonen eller avdelingen som eier dataene. |
| Overordnet antall nøkkelkvalifikatorer for telemetri | KQ_TelemetryParentSpanId__c |
Tekst | Fullt kvalifisert ID for overordnet sporing |
| Nøkkelkvalifikator-ID for telemetrisporing | KQ_Id__c |
Tekst | Fullt kvalifisert sporingsperiode-ID |
| Navn på operasjon | ssot__OperationName__c |
Tekst | Navnet på operasjonen som utføres på den eksterne tjenesten. |
| Tjenestenavn | ssot__ServiceName__c |
Tekst | Tjenesteidentifikator. |
| Startdato/-klokkeslett | ssot__StartDateTime__c |
Tekst | Startklokkeslett for område. |
| Statuskode | ssot__StatusCode__c |
Dato/klokkeslett | Utføringsresultatet av en tidsperiode. |
| Overordnet telemetriområde | ssot__TelemetryParentSpanId__c |
Tekst | Unik identifikator for et overordnet område, brukt til å spore nestede underoperasjoner. |
| Attributter for telemetriområde | ssot__TelemetrySpanAttributeText__c |
Tekst | Nøkkelverdi-metadata som gir operasjonell kontekst for en Span. |
| Hendelser med telemetri | ssot__TelemetrySpanEventText__c |
Tekst | Logger en entalls, meningsfylt hendelse i løpet av varigheten av en Span. |
| Telemetrispor | ssot__TelemetryTrace__c |
Tekst | Unik identifikator som brukes til å spore en fullført forespørsel på tvers av alle relaterte områder. |
| ID for telemetrisporing | ssot__Id__c |
Tekst | En unik ID for et individuelt område som representerer en enkelt arbeidsenhet. |
SOQL-eksempler
DLO SOQL
SELECT attributes__c, cdp_sys_PartitionDate__c, cdp_sys_SourceVersion__c, DataSource__c, DataSourceObject__c,
durationNanos__c, endDateTime__c, InternalOrganization__c, KQ_parentSpanId__c, KQ_spanId__c
FROM ObservabilitySpans__dll LIMIT 100DMO SOQL
SELECT ssot__DataSourceId__c, ssot__DataSourceObjectId__c, ssot__DurationNumber__c, ssot__EndDateTime__c,
ssot__InternalOrganizationId__c, KQ_TelemetryParentSpanId__c, KQ_Id__c, ssot__OperationName__c, ssot__ServiceName__c,
ssot__SpanKind__c FROM ssot__TelemetryTraceSpan__dlm LIMIT 100Sporingseksempel
Trace ID: a744ad5ccf0f61c2
run.interaction [Atlas Reasoning Engine] [ROOT]
(spanId: 9dcc09221a05d4cf)
│
├── run.action.AnswerQuestionsWithKnowledge_179gL0000019Ah7 [Atlas Reasoning Engine]
│ (spanId: 90a3808ba7a67fe8)
│ │
│ └── run.invokeActions.STREAM_KNOWLEDGE_SEARCH [InvocableAction]
│ (spanId: 95499b41725eb82a)
│ │
│ └── run.einstein_gpt__answerWithKnowledge.1 [PromptTemplate]
│ (spanId: a9a8b8f2e1fd35cb)
│ 📋 Attributes:
│ • prompt_template.execution.api.version: 66.0
│ • prompt_template.execution.step: 66.0
│ • prompt_template.api.name: einstein_gpt__answerWithKnowledge
│ • prompt_template.api.version: 1
│ │
│ └── run.invokeActions.EINSTEIN_RETRIEVER_GET_RESULTS [InvocableAction]
│ (spanId: 82559a5dedaff638)
│ │
│ ├── run.step.einstein_gpt__answerWithKnowledge [PromptTemplate]
│ │ (spanId: 934afceaac15c6d4)
│ │ 📋 Attributes:
│ │ • prompt_template.step.start_time: 1774049705404
│ │ • prompt_template.step.end_time: 1774049705430
│ │ • prompt_template.step: resolve_template
│ │ │
│ │ └── run.step.einstein_gpt__answerWithKnowledge [PromptTemplate]
│ │ (spanId: b93e831b1c492cf9)
│ │ 📋 Attributes:
│ │ • prompt_template.step.start_time: 1774049705447
│ │ • prompt_template.step.end_time: 1774049705449
│ │ • prompt_template.step: mask_template
│ │ │
│ │ └── run.step.einstein_gpt__answerWithKnowledge [PromptTemplate]
│ │ (spanId: 8380c9b813f64afa)
│ │ 📋 Attributes:
│ │ • prompt_template.step.start_time: 1774049705500
│ │ • prompt_template.step.end_time: 1774049705502
│ │ • prompt_template.step: generation
│ │
│ └── run.retriever.File_ADL_File_ADL_1Cx_Xl7d6d114de [Einstein AI Gateway]
│ (spanId: a0f6b9721e1049a3)
│ 📋 Attributes:
│ • retriever.numberofresults: 10
│ • retriever.isadvancedmode: False
│ • retriever.retrievername: File_ADL_File_ADL_1Cx_Xl7d6d114de
│ │
│ └── run.hybridsearch.ADL_File_ADL_index__dlm [Data Cloud]
│ (spanId: 86aa7512858c1aa9)
│
├── run.topic.GeneralFAQ_16jgL000001ATzR [Atlas Reasoning Engine]
│ (spanId: a3709c000d5d6a2e)
│ │
│ ├── run.llmstep [Atlas Reasoning Engine]
│ │ (spanId: 9829763b4362466f)
│ │
│ ├── run.llmstep [Atlas Reasoning Engine]
│ │ (spanId: 9a29b1009ea0f4c6)
│ │
│ └── run.llmstep [Atlas Reasoning Engine]
│ (spanId: bf63506e4fccff9f)
│
└── run.llmstep [Atlas Reasoning Engine]
(spanId: 9f31edde2c62d1dc)
Summary:
- 15 total spans in this trace
- 5 spans with attributes (marked with 📋)
- 10 spans without attributes
- All spans share trace ID: a744ad5ccf0f61c2

