深入解析构建Salesforce代理框架的技术实践

从聊天机器人到智能代理系统

当我们首次接触大语言模型（LLM）时，立即意识到与Salesforce数据库进行自然语言交互的潜力。企业大量业务数据存储在Salesforce实例中，而传统用户界面虽然信息丰富但往往令人应接不暇。我们基于现有的Einstein AI平台开始构建这一体验，最终发展出Agentforce：一套预构建的AI技能、主题和动作，使用户能够构建和定制自主AI代理。

核心技术架构

Atlas推理引擎：系统的大脑

当用户向Agentforce提问时，系统调用Atlas推理引擎作为协调器。该引擎使用LLM确定用户意图，将问题分解为不同主题（即需要完成的独立任务）。这些主题可能包含复杂的指令、业务策略和额外的防护措施。

事件驱动的异步规划器

从聊天机器人转向编排代理系统需要构建事件驱动的异步规划器。我们的代理需要三个核心组件：

• 状态管理：存储过去交互、用户数据和相关上下文
• 流程控制：代理完成请求所需的步骤和动作
• 副作用处理：流程动作完成后产生的持久性变更

声明式代理创建

我们通过YAML文件定义代理，无需编写大量代码即可指定代理功能、数据访问权限、可执行动作、防护措施以及操作域和工具。新代理只需创建包含动作等配置的新YAML文件即可部署，就像在智能手机上添加应用一样简单。

多模型扩展架构

推理组件（IC）设计

为了消除流量预测需求，我们创建了推理组件，允许单个模型在其独立容器中根据流量动态扩展。通过在同一端点上托管多个模型并根据需求调整容量，我们能够合理控制成本。

事件驱动架构

整体架构采用事件驱动设计，Atlas推理引擎为所有代理和动作操作发布-订阅队列。通过解耦组件和强类型函数，代理可以并发独立运行。

企业级安全与信任

Einstein信任层

代理在Einstein信任层内运行，检测有害提示和响应，防御提示注入等攻击。即使有这些防护措施，我们仍将任务转交人工代理作为防止意外结果的备用方案。

数据边界保护

与超大规模厂商和开源框架不同，我们的解决方案确保所有交互（基于CRM数据的问题和响应）都保持在信任边界内，避免公司敏感信息泄露给第三方。

垂直行业集成

行业特定解决方案

针对不同行业的本体论、业务需求和规范，我们提供特定的数据模型、对象和组件。Agentforce通过垂直特定的元数据、数据模型和深度API或工作流程，为行业特定用例提供垂直感知代理。

性能成果与未来规划

早期试点显示响应相关性翻倍，客户服务应用的端到端准确性比竞争对手或内部DIY解决方案提高33%。未来计划包括测试评估框架、多意图、多模态和多代理支持，持续提升用户生产力。