非结构化数据工作流
无论您对非结构化数据的用例如何，都有一个在 Data 360 中接收和处理它的通用工作流。
所需的 Edition
| 适用于：Data 360 支持的所有版本。请参阅 Data 360 版本可用性。 |
| 所需用户权限 | |
|---|---|
| 设置 Data 360 | 系统管理员简档或 Data Cloud 架构师 |
| 接收非结构化数据并创建搜索索引 | 其中一个权限集：
|
另请参阅：
步骤 2：引入非结构化数据
根据您的用例，Data 360 具有专为从第三方应用程序或源接收非结构化数据而构建的连接器。您还可以使用 Salesforce CRM 连接器来接收 Knowledge 文章数据。
一些连接器，例如 Amazon S3、Azure 或 Google Cloud Storage 的连接器，需要文件通知漏斗。查看每个连接器的文档。
有关更多信息，请参考非结构化数据参考。
步骤 3：进程数据
使用 Data 360 中的文档 AI，从发票、简历、实验室报表和采购订单等文档中读取和导入非结构化或半结构化数据。使用 AI，Data 360 将数据从这些文档提取到数据湖对象 (DLO)，DLO 代表提取的数据的模式。从现在开始，您的数据可用于搜索索引处理和从自动化流或 AI 客服人员操作中检索。
请参阅文档 AI。
步骤 4：创建搜索索引
在设置非结构化数据连接后，您可以使用 Data 360 默认值或高级生成器创建矢量搜索索引或混合搜索索引。搜索索引有助于验证输出是否与您的用户意图和上下文进行了微调。
见使用高级设置创建向量搜索索引或使用高级设置创建混合搜索索引。
步骤 5：在工作流中使用非结构化数据
在 Salesforce 中使用非结构化数据会改善 AI 客服人员、自动化和分析工作流，改善客户体验和运营效率。根据您的用例，考虑这些资源。
- 使用查询 API 运行向量搜索查询或运行混合搜索查询。
- Data 360 中的检索扩充生成 (RAG) 是基础大语言模型 (LLM) 提示的框架。通过用准确、最新和相关信息增加提示，RAG 提高了 LLM 响应对用户的相关性和价值。请参阅使用检索扩充生成。
- 通过 Agentforce，将会话式 AI 的强大功能带到您的业务中。构建智能、可信和可自定义的 AI 客服人员，并让用户能够通过 Salesforce 完成更多工作。见Agentforce代理。
本文章是否解决您的问题？
请与我们共享您的想法，以便我们进行改进！
