AgentplattformsspÄrning
Denna spÄrningskapacitet ger omfattande insyn i Agentforce Agenters ÄtgÀrder och prestanda och samlar in viktiga telemetridata för olika tjÀnster. Genom att anvÀnda Data 360 kan anvÀndare förena dessa spÄrningsdata med sessionsinformation för att skapa detaljerade rapporter. Dessa rapporter Àr ovÀrderliga för att övervaka nyckeltal, identifiera flaskhalsar i prestanda och snabbt hitta grundorsaken till problem, vilket i slutÀndan förbÀttrar tillförlitligheten och effektiviteten i agentimplementeringar.
Versioner som krÀvs
| TillgÀngliga i: Lightning Experience |
| TillgÀngliga i: UtgÄvorna Enterprise, Performance, Unlimited och Developer Editions with Foundations, eller Agentforce 1 eller Einstein 1 Editions |
Konfigurera AgentplattformsspÄrning
För att skapa Data 360-rapporter för sessions- och plattformsspÄrning mÄste anvÀndare först aktivera Data 360 och plattformsspÄrning.
- I InstÀllningar, anvÀnd rutan Snabbsökning för att söka efter Einstein Generativ AI.
- FrĂ„n Einstein Generativ AI, klicka pĂ„ Einstein Granskning, Analytics och ĂvervakningsinstĂ€llningar.
- BekrÀfta att Agentforce SessionspÄrning har slagits pÄ. Se Konfigurera Agentforce sessionsspÄrning.
- BlÀddra till knappen AgentplattformsspÄrning och slÄ pÄ den.
Din datamodell provisioneras pÄ bara nÄgra minuter. Datainsamlingen startar sedan direkt och Äterkommer med fem minuters mellanrum. Observera att anvÀndning av datainsamling ökar din organisations kreditanvÀndning.
Att avbryta datainsamling behÄller dina data sÄ att du kan Äteruppta senare. Alla rapporter visar ett mellanrum mellan den tidpunkt dÄ du stÀnger av den och slÄr pÄ den igen.
Data 360-rapporter för servicerepresentantsessioner och plattformsspÄrningar
För att fÄ insikter i nyckeltal och trender, skapa en enda Data 360-rapport som integrerar bÄde AgentsessionsspÄrningar och End-to-End Platform-spÄrningar. Denna rapport kan köras för nÀstan realtidsdata, tillÄter gruppering, filtrering och sammanfattning av poster och kan delas med andra.
AgentspÄrning inkluderar spÀnnvidder frÄn följande tjÀnster:
- Apex
- Flöden
- Promptbyggare
- à beropbara ÄtgÀrder
- Planerare
- AI Gateway
- LLM Gateway
- DC-frÄgefederator
Skapa en Data 360-rapport
Skapa rapporter om specifika datamodellobjekt (DMO), som till exempel TelemetrispÄrning och AI-agentinteraktion, för att analysera och lÀra frÄn sammanslagna data.
- GÄ till fliken Rapporter i Salesforce och klicka pÄ Ny rapport. Sidan Rapporttyper visas.
- I sökfÀltet, skriv namnet pÄ det datamodellobjekt (DMO) som du vill rapportera om. I detta fall skulle du vÀlja TelemetrispÄrningsintervall eller AI-agentinteraktion.
- Skapa en ny fĂ€ltrelation inom de relevanta datamodellobjekten. I detta fall kan du vĂ€lja Telemetry Trace Span -Telemetry Trace â ManyToOne â AI Agent Interaction - Telemetry Trace.
I Data 360 etableras relationer mellan DMO genom att definiera en anslutning frÄn en "KÀll-DMO" till en "MÄl-DMO" med hjÀlp av nyckelfÀlt. Den vanligaste typen av relation Àr MÄnga-till-en, dÀr flera poster frÄn kÀll-DMO motsvarar en enskild post i mÄl-DMO. Se Datamodellobjektrelationer för mer information.
- PÄ DMO:s detaljsida finns fliken Relationer. Denna flik ger en visuell och strukturerad vy över alla relationer som finns för denna DMO. Verifiera de nya DMO-relationerna genom fliken Relationer.
Exempel pÄ telemetrispÄrning
Exempel pÄ AI-agentinteraktion
- Skapa en egen rapporttyp.
- Klicka pÄ Ny egen rapport i InstÀllningar under Ny egen rapport. Fyll i fÀlten för att skapa en ny egen rapporttyp. I detta fall skulle du skapa rapporttypen Session & plattformsspÄrning.
- GÄ till Data Cloud-appen och vÀlj fliken Rapporter.
- Skapa en Data 360-rapport. Klicka pÄ Ny rapport och vÀlj önskad rapporttyp (t.ex. sessionsspÄrning och plattformsspÄrning).
- Klicka pÄ Starta rapport.
NÀr rapporten har inletts bör du kunna visualisera korrelerade plattformstelemetrispÄrningsomfÄng som loggas som en del av varje agentsession.
Datamodell för agentplattformsspÄrning
Att aktivera dessa funktioner skapar automatiskt en Data 360-dataström, ett Datasjöobjekt (DLO) och ett Datamodellobjekt (DMO). Dessa data skapas inom det datautrymme som specificeras i Granskning och övervakning.
Observerbarhet strÀcker sig över dataström
Dataströmmen Observability Spans [Observerbarhet omfattar] skapas automatiskt för att samla in spÄrningsdata:
| Etikett | API-schema | ID |
|---|---|---|
| cdp_sys_PartitionDate | cdp_sys_PartitionDate__c |
DateTime |
| Intern organisation | InternalOrganization__c |
Text |
| DatakÀllobjekt | DataSourceObject__c |
Text |
| DatakÀlla | DataSource__c |
Text |
| attribut | attributes__c |
Text |
| durationNanos | durationNanos__c |
Nummer |
| endDateTime | endDateTime__c |
DateTime |
| operationName | operationName__c |
Text |
| organizationId | organizationId__c |
Text |
| parentSpanId | parentSpanId__c |
Text |
| serviceName | serviceName__c |
Text |
| spanId | spanId__c |
Text |
| spanKind . | spanKind__c |
Text |
| startDateTime | startDateTime__c |
DateTime |
| statusCode | statusCode__c |
Text |
| traceId | traceId__c |
Text |
Observerbarhet strÀcker sig över datasjöobjekt
Ett nytt DLO som heter ObservabilitySpans skapas med följande fÀlt:
| Etikett | API-schema | Datatyp |
|---|---|---|
| attribut | attributes__c |
Text |
| cdp_sys_PartitionDate | cdp_sys_PartitionDate__c |
DateTime |
| cdp_sys_SourceVersion | cdp_sys_SourceVersion__c |
Text |
| DatakÀlla | DataSource__c |
Text |
| DatakÀllobjekt | DataSourceObject__c |
Text |
| durationNanos | durationNanos__c |
Nummer |
| endDateTime | endDateTime__c |
DateTime |
| Intern organisation | InternalOrganization__c |
Text |
| KQ_parentSpanId | KQ_parentSpanId__c |
Text |
| KQ_spanId | KQ_spanId__c |
Text |
| operationName | operationName__c |
Text |
| organizationId | organizationId__c |
Text |
| parentSpanId | parentSpanId__c |
Text |
| serviceName | serviceName__c |
Text |
| spanId | spanId__c |
Text |
| startDateTime | startDateTime__c |
DateTime |
| statusCode | statusCode__c |
Text |
| traceId | traceId__c |
Text |
Datamodellobjekt för telemetrispÄrning
En ny DMO som heter TelemetrispÄrningsintervall skapas med följande fÀlt:
| Etikett | API-schema | Datatyp | Beskrivning |
|---|---|---|---|
| DatakÀlla | ssot__DataSourceId__c |
Text | Ett unikt referens-ID för postkÀllan. |
| DatakÀllobjekt | ssot__DataSourceObjectId__c |
Text | Unikt ID för ursprungsobjektet, som en molnlagringsfil eller anslutarenhet. |
| Varaktighetsnummer | ssot__DurationNumber__c |
Text | Total varaktighet för spÀnnvidden i nanosekunder. |
| Slutdatum/-tid | ssot__EndDateTime__c |
Nummer | SpÀnnande sluttid. |
| Intern organisation | ssot__InternalOrganizationId__c |
DateTime | Identifierare för den interna organisation eller avdelning som Àger datan. |
| Ăverordnat intervall för nyckelkvalificeringstelemetri | KQ_TelemetryParentSpanId__c |
Text | ID för fullstÀndigt kvalificerat överordnat spÄrningsomrÄde |
| SpÄrningsintervall-ID för nyckelkvalificerare för telemetri | KQ_Id__c |
Text | ID för fullstÀndigt kvalificerat spÄrningsomrÄde |
| Operationsnamn | ssot__OperationName__c |
Text | Namn pÄ operationen som utförs pÄ den externa tjÀnsten. |
| Servicenamn | ssot__ServiceName__c |
Text | Serviceidentifierare. |
| Startdatum/-tid | ssot__StartDateTime__c |
Text | SpÀnnvidd starttid. |
| Statuskod | ssot__StatusCode__c |
DateTime | Utföranderesultatet för ett spÀnnvidd. |
| Ăverordnat spĂ€nnvidd för telemetri | ssot__TelemetryParentSpanId__c |
Text | Unik identifierare för ett överordnat intervall, anvÀnds för att följa kapslade underoperationer. |
| Attribut för telemetriintervall | ssot__TelemetrySpanAttributeText__c |
Text | NyckelvÀrdesmetadata som ger operativt sammanhang för ett spÀnnvidd. |
| TelemetrispÀnnviddshÀndelser | ssot__TelemetrySpanEventText__c |
Text | Loggar en enskild, meningsfull hÀndelse under ett tidsintervall. |
| TelemetrispÄr | ssot__TelemetryTrace__c |
Text | Unik identifierare som anvÀnds för att följa en fullstÀndig begÀran över alla relaterade intervall. |
| ID för telemetrispÄrning | ssot__Id__c |
Text | Ett unikt ID för ett individuellt intervall som representerar en enskild arbetsenhet. |
SOQL-exempel
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 100SpÄrningsexempel
Trace ID: a744ad5ccf0f61c2
run.interaction [Atlas Reasoning Engine] [ROOT]
(spanId: 9dcc09221a05d4cf)
â
âââ run.action.AnswerQuestionsWithKnowledge_179gL0000019Ah7 [Atlas Reasoning Engine]
â (spanId: 90a3808ba7a67fe8)
â â
â âââ run.invokeActions.STREAM_KNOWLEDGE_SEARCH [InvocableAction]
â (spanId: 95499b41725eb82a)
â â
â âââ run.einstein_gpt__answerWithKnowledge.1 [PromptTemplate]
â (spanId: a9a8b8f2e1fd35cb)
â đ Attributes:
â âą prompt_template.execution.api.version: 66.0
â âą prompt_template.execution.step: 66.0
â âą prompt_template.api.name: einstein_gpt__answerWithKnowledge
â âą prompt_template.api.version: 1
â â
â âââ run.invokeActions.EINSTEIN_RETRIEVER_GET_RESULTS [InvocableAction]
â (spanId: 82559a5dedaff638)
â â
â âââ run.step.einstein_gpt__answerWithKnowledge [PromptTemplate]
â â (spanId: 934afceaac15c6d4)
â â đ Attributes:
â â âą prompt_template.step.start_time: 1774049705404
â â âą prompt_template.step.end_time: 1774049705430
â â âą prompt_template.step: resolve_template
â â â
â â âââ run.step.einstein_gpt__answerWithKnowledge [PromptTemplate]
â â (spanId: b93e831b1c492cf9)
â â đ Attributes:
â â âą prompt_template.step.start_time: 1774049705447
â â âą prompt_template.step.end_time: 1774049705449
â â âą prompt_template.step: mask_template
â â â
â â âââ run.step.einstein_gpt__answerWithKnowledge [PromptTemplate]
â â (spanId: 8380c9b813f64afa)
â â đ Attributes:
â â âą prompt_template.step.start_time: 1774049705500
â â âą prompt_template.step.end_time: 1774049705502
â â âą prompt_template.step: generation
â â
â âââ run.retriever.File_ADL_File_ADL_1Cx_Xl7d6d114de [Einstein AI Gateway]
â (spanId: a0f6b9721e1049a3)
â đ Attributes:
â âą retriever.numberofresults: 10
â âą retriever.isadvancedmode: False
â âą retriever.retrievername: File_ADL_File_ADL_1Cx_Xl7d6d114de
â â
â âââ run.hybridsearch.ADL_File_ADL_index__dlm [Data Cloud]
â (spanId: 86aa7512858c1aa9)
â
âââ run.topic.GeneralFAQ_16jgL000001ATzR [Atlas Reasoning Engine]
â (spanId: a3709c000d5d6a2e)
â â
â âââ run.llmstep [Atlas Reasoning Engine]
â â (spanId: 9829763b4362466f)
â â
â âââ run.llmstep [Atlas Reasoning Engine]
â â (spanId: 9a29b1009ea0f4c6)
â â
â âââ run.llmstep [Atlas Reasoning Engine]
â (spanId: bf63506e4fccff9f)
â
âââ run.llmstep [Atlas Reasoning Engine]
(spanId: 9f31edde2c62d1dc)
Summary:
- 15 total spans in this trace
- 5 spans with attributes (marked with đ)
- 10 spans without attributes
- All spans share trace ID: a744ad5ccf0f61c2

