Sammenligne Einstein med tjenesteagent

Sammenligne byggeblokker for diskusjoner

AI-agenter kan forstå den underliggende hensikten med meldinger og generere kontekstuelt relevante svar forhåndsdefinert. De engasjerer seg i flytende diskusjoner og bruker diskusjonskontekst til å ta beslutninger.

For å navigere i samtaler bruker Einstein forhåndsdefinerte dialoger, trinn og ytringer, og de svarer til kunder med skriptmeldinger. De bygger på hensiktsmodeller som kan kreve omfattende oppsett og opplæring. Hvis du vil se gjennom hvordan roboter fungerer, kan du se Hva gjør at roboter tick?.

I stedet for en forhåndsdefinert samtaleflyt navigerer Agentforce Service-agenter i samtaler ved hjelp av en resonansmotor og en LLM. Og selv om robotens viktigste byggeblokker er dialoger og trinn, bygges agenter med emner og handlinger med naturlig språk.

• Emner: Agentemner definerer omfanget av funksjonalitet som agenten kan håndtere. Et emne er en samling handlinger som en agent kan bruke til å utføre en jobb som skal utføres. Emner inneholder også emneinstruksjoner som hjelper agenten med å ta beslutninger og bruke handlinger effektivt. Å legge til emner i en agent hjelper den med å utføre forskjellige jobber.
• Handlinger: Agenthandlinger er verktøyene som agenten kan bruke til å utføre jobben. På samme måte som med dialoghandlingstrinn i Einstein, kan handlinger utføre bestemte oppgaver ved å ta inndata og produsere utdata. Hver agenthandling bygger på en referansehandling, som en ledetekstmal, flyt eller kallbar Apex.
• Årsaksmotor: Agenter bruker en vurderingsmotor til å velge og starte emner og handlinger under en samtale. På samme måte som en robots hensiktsmodell hjelper vurderingsmotoren en agent med å tolke brukerens interaksjoner og ytringer. Til forskjell fra hensiktsmodeller kaller imidlertid vurderingsmotoren en LLM som er opplært på store mengder data.

Sammenligne tilgjengelighet og fakturering