一、了解 Grounding 基础
欢迎来到 Grounding an Agent with Data。本模块将深入讲解 AI Agent 领域中一个至关重要的概念——Grounding（数据锚定）。简单来说，Grounding 就是在 LLM 的提示词中注入您希望模型在回答时参考的特定信息，让 Agent 的回答不再只是泛泛而谈，而是基于您的业务数据、您的客户信息和您的实际内容。
LLM 虽然强大，但它们是在通用知识上训练的，并不了解您公司独有的业务流程、产品细节或客户历史。Grounding 就是弥合这一差距的关键——将可信的、实时的、领域特定的数据注入提示词，从而显著提升回复的准确性、相关性和可信度。
在开始之前，建议您先完成以下预备内容：Discover Agentforce、Data + AI + CRM: Quick Look、Prompt Fundamentals，以及 Large Language Models 模块。相关术语可参考 Agentforce Glossary of Terms。
什么是 Grounding？
从本质上说，Grounding（数据锚定） 就是将您希望 LLM 在处理请求时考虑的特定信息注入到 LLM 提示词中。这些 Grounding 数据源可以包括 结构化数据（如 Excel 电子表格和 CRM 数据）以及 非结构化数据（如 PDF 文档、聊天记录、电子邮件和博客文章）。
Grounding 的核心目标是提高 LLM 回复的准确性和相关性。LLM 通常与 Agent 配合使用，但它们是在通用知识而非特定上下文或专有信息上训练的。通过从可靠数据源添加相关的、领域特定的知识和上下文信息，可以增强 LLM 的输出结果，并提升用户对 AI 解决方案的信任。
使用可验证的数据源为 Agent 提供 Grounding，可以带来更好的决策能力和更有效的行动。当 Agent 被赋予最新、最准确、最相关的信息时，它们的表现会显著更好。虽然 Grounding 并非每个 Agent 的绝对必需品，但对于任何使用 LLM 来帮助完成任务的 Agent，都强烈推荐实施 Grounding。
Grounding 就是 "通用 AI 回答"与"了解您的业务、您的客户和您的数据的 AI 回答"之间的根本区别。一个经过良好 Grounding 的 Agent，回答的不再是模糊的通用知识，而是针对您具体业务场景的精准洞察。
结构化与非结构化数据 & RAG
用于为 Agent 和 LLM 提供 Grounding 的信息可以分为两大类：结构化数据和非结构化数据。
📊 结构化数据（Structured Data）：以预定义格式组织，具有已知的元数据。易于搜索、分析和与 Agent 集成。典型示例包括 Salesforce 标准对象（如 Accounts、Contacts、Cases）或数据模型对象（DMO）。这类数据的优势在于可以直接映射到字段，Agent 可以精确查询和使用。
📝 非结构化数据（Unstructured Data）：缺乏预定义格式，元数据未知。示例包括电子邮件、聊天记录、社交媒体帖子或文档。虽然处理起来更具挑战性，但非结构化数据往往能提供最有价值的洞察。非结构化数据需要经过预处理才能为检索做好准备——您可能需要使用自然语言处理（NLP）工具或数据提取服务将其转换为结构化格式。
这就引出了 RAG（检索增强生成，Retrieval Augmented Generation）——它是 Grounding 的一种具体形式，专门从非结构化数据源中检索知识。在 RAG 方法中，LLM 的提示词被来自可信来源（如文档集合或知识库）的相关、最新信息所丰富。
举个例子：如果客户询问某个产品功能，RAG 会从您的知识库中检索该功能的最新详细信息，将它添加到提示词中，然后 LLM 基于这些真实数据生成回复。这样，回答就基于您的实际内容，而非 LLM 训练数据中可能过时的信息——有效减少"幻觉"（hallucination），显著提升回复的可信度。
二、Agent 连接数据的选项
那么，Agentforce 究竟如何访问您的数据来进行 Grounding 呢？要理解这一点，我们首先需要了解 AI Agent 的基本构成，然后深入探讨 Agent 连接数据的四种核心机制。
Agent 的构建模块与四种引用操作
每个 AI Agent 由三个关键元素构成：
- Subagents（子代理）：定义 Agent 能够执行的工作类型。Salesforce 提供了一些标准子代理让您快速上手，但您也可以创建自定义子代理来赋予 Agent 处理特定业务任务的能力
- Instructions（指令）：划定清晰的边界，定义 Agent 如何做决策。指令决定了 Agent 在什么情况下采取什么行动，以及如何与用户交互
- Actions（操作）：Agent 能够执行的具体任务或活动。这是 Agent 真正"动手做事"的部分
在构建 Agent Action 时，您不必从零开始。Actions 建立在您希望让 Agentforce 使用的现有平台功能之上。在 Agentforce 中，这些底层功能被称为 引用操作（Reference Actions）——它们是 Agent 连接数据并完成工作的四种核心机制：
🔹 Apex（代码驱动）
开发人员可以使用 Apex（可调用或 REST Apex 类）构建 Agent Actions，也可以从 Apex 类中调用 Agentforce Agent。这是专业代码（Pro-Code）方案，提供对数据访问和逻辑的完全编程控制。适合需要复杂业务逻辑或高度定制化的场景。详见 Agent Customization with Apex 模块。
🔹 Flows（低代码/无代码）
如果您偏好低代码或无代码方式，可以使用 Flow Builder 构建 Agent Actions。通过自动启动的 Flow（Autolaunched Flow）作为底层功能，业务分析师和管理员也能创建强大的自动化操作。详见 Agent Customization with Flows 模块。
🔹 Prompt Templates（提示词模板）
Agentforce 中的提示词模板通过提供与特定数据和业务上下文对齐的结构化格式，确保 AI 回复经过充分 Grounding。当您预定义结构或格式时，它可以指导 AI Agent 生成回复或完成操作。结合 LLM 生成输出，提示词模板驱动的 Action 可帮助 Agent 处理知识搜索、摘要、翻译、分类、内容创建等多种查询。详见 Service Agent Customization with Prompt Builder 模块。
🔹 MuleSoft APIs（外部系统集成）
MuleSoft 通过 API 和连接器将 AI Agent 连接到任何第三方系统。与 Data 360 连接外部数据源类似，MuleSoft API 提供个体级别的连接。在 Agentforce 中，您可以将 API 暴露为 Agent Subagents 和 Actions，其中包含嵌入的指令和元数据。这意味着您可以在 Salesforce org 之外的数据上为 Agent 提供 Grounding——例如 ERP 系统、SaaS 应用程序等外部企业系统。详见 MuleSoft for Agentforce。
不确定构建 Agent Action 时应选择哪种引用操作类型？查看 Agentforce: Agent Planning 徽章了解更多关于 Agent 设计的内容。
Salesforce 数据资源与 Data Library
充分利用 Salesforce 中已有的数据，可以从几乎任何您已在使用的字段中为 Agent 提供 Grounding。使用现有 CRM 数据可提供无缝集成和实时准确性。以下是可用的数据类型：
- 标准对象（Standard Objects）：Agent Actions 可以直接访问来自标准 Salesforce 对象的结构化数据，如 Accounts、Contacts、Cases 和 Opportunities
- 自定义对象（Custom Objects）：如果有为业务定制的自定义对象，Agent Actions 同样可以访问这些对象的数据
- 外部对象（External Objects）：通过 Salesforce Connect 实现实时数据集成，将单个外部数据源直接链接到 Salesforce 环境，确保 Agent 始终拥有最新信息
- 数据提取（Data Extraction）：使用 Salesforce Data Export Service 或 Data Loader 提取必要数据，然后将其格式化用于 LLM 提示词
然而，仅用 Salesforce 数据为 Agent 提供 Grounding 并非唯一选项。许多企业使用多种软件服务，这意味着数据可能存储在不同的来源和格式中。借助 Data 360，您可以统一这些数据，使其可用于 Agentforce 中的 Grounding。了解更多：The Force Behind Agentforce: How Data 360 Fuels Agent-First Enterprises。
🚀 Agentforce Data Library（ADL）
Agentforce Data Library（ADL） 简化了 Grounding 的设置和维护，尤其适用于非结构化数据集。当您创建 Data Library 时，Data 360 和 Prompt Builder 中的多个配置步骤会自动完成：
- 将数据流推送到 Data 360
- 映射数据对象
- 创建搜索索引和检索器（Retriever）
完成这些步骤后，您可以轻松地将 Agent 链接到数据。Data Library 可从 ADL 设置或通过 Agentforce Builder 创建和配置。详见 What Are Data Libraries。
Data 360 + ADL = 统一的 Grounding 数据基础，覆盖结构化和非结构化数据源，让您的 Agent 拥有最全面的数据支撑。
总结与资源
为 AI Agent 提供 Grounding，能帮助它们提供精准且上下文高度相关的回复，完全针对您的业务需求量身定制。让我们回顾一下本模块的核心要点：
- Grounding 定义：将可信数据注入 LLM 提示词，以提高准确性和相关性。这是"通用 AI"与"了解您业务的 AI"之间的核心区别
- 结构化 vs 非结构化数据：CRM 对象等结构化数据易于搜索和集成；文档、邮件等非结构化数据需预处理但能提供宝贵洞察
- RAG 检索增强生成：从非结构化知识库中检索内容并丰富提示词，确保回复基于您的真实内容而非 LLM 训练数据，有效减少幻觉
- 四种引用操作机制：Apex（专业代码）、Flows（低代码/无代码）、Prompt Templates（结构化 LLM 引导）、MuleSoft API（外部系统集成）——每种适用于不同的场景和技能水平
- Salesforce 数据资源：标准对象、自定义对象、外部对象（Salesforce Connect）和数据提取服务，为 Agent 提供实时准确的 CRM 数据
- Agentforce Data Library：自动化 Grounding 设置——推送数据流、映射对象、创建搜索索引和检索器，覆盖结构化和非结构化数据
Grounding 是构建可信、准确的 AI Agent 的基础。将 Agent 连接到您的数据，见证它们的智能发生质变。想进一步学习？推荐以下资源：
- Trailhead: Retrieval Augmented Generation — Quick Look
- Trailhead: Connect Data 360 to Agentforce
- Trailhead: Get to Know Prompt Builder
- Trailhead: Prompt Fundamentals
- Blog: AI Grounding Reduces Generative Hallucinations
- Blog: Build Custom Agent Actions Using Apex