ADG001

课程介绍

好，我们来看这一页，讲的是跟费率限制相关的事情。你先别被那些数字和缩写吓到，其实挺简单的。 首先，咱们Agentforce这个平台，不同的组织类型，还有不同的访问方式，能承受的请求次数是不一样的。打个比方，就像不同级别的公路，限速不一样：生产环境就相当于高速公路，可以开得快一点；而沙箱和试用环境更像市区小路，限制就会多一些。 具体来说，对于正式的生产组织，如果你用REST接口或者Apex来调用推理引擎，速率限制是每分钟2000个请求，也就是2000转/分。这足够大部分实际场景用了。 但沙箱环境就不一样了，沙箱里的Apex调用限制得非常严格，是每小时只有500个请求。注意，是每小时，不是每分钟。也就是说平均下来每分钟才不到9个请求，所以千万别在生产环境那么随意地测试。演示或试用组织就更苛刻了，每小时只有150个请求，所以用它来跑批量测试基本是不行的。 还有一点要特别提醒：目前Agentforce推理引擎在沙箱里是没有速率限制的，也就是说暂时放飞自我。但这个情况将来可能会调整，所以咱们心里要有数，别开发的时候猛跑，等将来一收紧就出问题。 接下来我们看模型API名称这部分。所有模型，包括默认提供的和自己带来的，API名称都遵循一个固定格式，就像一种命名规律：它是“sfdc_ai__Default”打头，后面再跟上跟服务商和具体模型相关的标识符。比如某个模型的API名称可能就是“sfdc_ai__DefaultOpenAI_gpt_4_turbo”这样。记住这点，以后你一看前缀就知道是在调用Agentforce的AI模型。 如果你用的是自定义模型，或者叫BYOLLM，也就是自带的大语言模型，那要找到它的API名称，就得去平台里的“AI Models”设置页面里查找，上面会清清楚楚写着。这个名字很重要，因为你接下来不管是拼REST的URL路径，还是在Apex里设置请求的属性，都得用它来准确告诉系统“我要用哪个模型”。打个比方，这个名称就像模型的身份证号，你在代码里不填对，系统就不知道你想找谁干活。 好，这一页的核心内容就是这些。你只需要记住三点：第一，不同环境限制差得远，生产慷慨，沙箱严格，试用更紧，沙箱推理暂时无限制但可能变；第二，模型名有固定前缀，很好认；第三，自定义模型得去“AI Models”里找名字，然后把它用在URL和代码里。这样后面做集成和开发的时候，就能少踩很多坑。

课程章节

本课程共有 4 个章节

• 1

  Trust Layer: Languages, Masking & Toxicity

  第 264 页

  同学们，我们来看这张Slide，它讲的是Agentforce信任层的三个关键功能，这些功能就像是给AI套上了一层安全防护罩，确保每次交互都合规、安全。 第一个功能，是关于语言和区域设置的规范。为什么这很重要呢？因为掩蔽敏感数据和检测有害内容的准确度，很依赖对语言的理解。信任层在处理用户输入时，会先判断语言。如果整个提示是单一语言，它就用一个“默认语言环境”来优化后处理；如果提示里包含混合语言，它会用概率估计出一个“输入语言环境”。这样，无论是掩蔽还是毒性检测，都能更精准。 第二个功能，是自动化的数据屏蔽。这里的屏蔽，专门针对PRI（个人隐私信息）和PC（受保护类别）数据。想象一下，用户可能在对话框里不小心写了自己的邮箱、病例，或者提到种族、宗教等敏感信息。在把提问发给大语言模型之前，信任层会自动把这些真实数据替换成占位符，比如换成“姓名_1”、“邮箱_1”之类的标签。等大模型生成回复后，再在返回给用户前，把占位符原样替换回真实数据，这叫解屏蔽。整个过程对用户几乎无感知，但数据安全了。需要留意的是，开启数据屏蔽时，能处理的上下文窗口上限是65536个令牌，超过这个长度的对话可能会被截断。 第三个功能，是自动化的毒性评分。每次大模型生成回答后，信任层都会立即给这个回答打分，检测有没有不妥内容。评分是0到1之间的数值，分数越高，表示某一类毒性内容可能性越大。同时还会返回一个“是否检测到毒性”的标记。它会检查六大类毒性：身份攻击、仇恨言论、亵渎、暴力、性内容和身体相关的不良内容。所有的屏蔽记录和毒性评分数据，都会存储到Data 360后台，方便后续做审计审查，确保一切操作可追溯、合规。 简单总结，这三个功能让Agentforce在输出精准的同时，牢牢守住了安全底线：语言适配提升准确性，数据屏蔽保护隐私，毒性评分过滤有害内容，并且全程留痕可审计。这样，企业就可以放心地在各类业务场景中使用AI了。

  ▶ 播放视频 查看详情
• 2

  Prompt Builder Overview

  第 265 页

  好，同学们，我们接下来看这一页，它讲的是怎么用程序的方式去访问和使用提示模板。 你可能之前已经在提示生成器里，通过界面创建了一些提示模板，里面可以插入合并字段、引用了 Flow、相关列表，甚至 Apex 里的数据。那现在，如果你要在一个外部系统里调用这些模板，或者在自己的 Apex 代码里动态生成内容，该怎么办呢？这页就给我们列出了三种主要的编程访问方式。 第一种，叫连接 REST API。它主要是为了和组织外部的集成来用的。比如你有一个外部的网站、移动 App，或者别的云服务，想调用 Salesforce 里已经配好的提示模板去生成一段文字，那么就可以通过这个 REST API 发一个请求过来，把需要的上下文数据传进去，Salesforce 就会把填充好的结果返回给你。非常直接，适合做跨平台的集成。 第二种，连接在 Apex 中。这其实就是在 Salesforce 内部，你自己的代码里使用。同样是那个“连接”命名空间下的类和方法，你可以在触发器、控制器、批处理类里直接调用。这样你就能在自己的业务逻辑里动态生成邮件内容、描述字段，或者任何需要根据数据实时拼出来的文本。 第三种，叫可调用操作。这个主要是给 Flow 用的，当然因为可调用操作也可以被别的地方调用，所以它覆盖的是平台范围的访问。你可以在 Flow 里拖一个动作，选到这个提示模板的可调用操作，把输入参数传给它，它就把生成好的文本返回来，让你继续后面的自动化。这样即使不懂代码的管理员，也能在 Flow 里直接利用提示模板的力量。 除了这三种运行时访问方式，这页还提到了两个用于管理和部署的机制。一个是批处理，用于大规模生成。比如说你有一百万条记录，每条都要根据同一个提示模板生成一段个性化摘要，那就可以写一个批处理类，在 Apex 里循环调用模板，异步分批次地处理，避免碰到调控器限制。 另一个是元数据 API，它用于组织到组织的部署。你在沙盒里建好的提示模板，怎么迁移到生产环境呢？就可以通过元数据 API 把它作为一个组件，打包到部署里，和其他的元数据一起迁移过去。这样就能实现版本化的、可复制的部署。 所以这一页总结起来就是：你要用提示模板，不只是在界面上手动点，可以程序化地访问。对外用 REST API，对内用 Apex，对流程用可调用操作，要大批量跑就用批处理，要部署就用元数据 API。这几条路基本上覆盖了所有你能想到的自动化场景。 好了，这一页的内容就是这样，大家有没有什么问题？没问题的话我们往下走。

  ▶ 播放视频 查看详情
• 3

  Programmatic Access to Prompt Templates

  第 266 页

  来，我们看看这个Slide的内容，主要是讲怎么用编程的方式去访问Agentforce的提示模板，也就是给开发人员用的方法。你不需要记所有细节，但要理解每种方式适合什么场景。 首先，有三种主要的编程访问方法。 第一，是，Connect REST API，。你可以把它想象成开了一个标准的网络大门，让外部的应用程序，比如你自己写的网页服务、手机App，通过HTTP请求来调用Agentforce的提示模板。好处是跨平台，哪怕你的系统不在Salesforce上，也能用。 第二，，在Apex代码内部调用，。Salesforce提供了一个叫做`EinsteinLLM`的类，你只要用它的`generateMessagesForTemplate`方法，再指定模板的开发人员名称，就能在自己的Apex触发器、算法或者任何后端逻辑里，直接让模板生成内容。而且这个功能还被包装成了可调用操作，意味着连流程构建器（Flow Builder）都能拖拽使用，不写代码也能在自动化流程里集成智能提示。 第三，，提示模板批处理，。如果你有大量数据要处理，比如给几万条线索批量生成个性化邮件草稿，就可以用`AiJobRun`这个对象。它会启动一个作业，一次同步运行最多能处理一万条记录，效率很高。 最后，顺便提一下部署。想把模板从一个环境迁移到另一个环境，比如从沙盒搬到生产，可以用，元数据API，中的`GenAiPromptTemplateActv`类型，就像部署其他元数据一样，简单可靠。 总结一下：外部应用用REST API，内部代码用Apex类，流程用可调用操作，大规模处理用批处理，迁移用元数据API。根据你的具体场景选择就好。

  ▶ 播放视频 查看详情
• 4

  Prompt Template Batch Processing

  第 267 页

  同学们，我们这节课来聊聊一个很实用的技能：怎么在 Salesforce 里，用 Agentforce 一次性、同步地生成大量提示模板的响应。你可能会问，什么是“同步生成大量提示模板响应”？简单说，就是你想让 AI 同时处理很多条提示，并且能立刻拿到结果，而不是一个一个慢慢等。 要实现这一点，我们得把提示模板批处理和两个关键对象结合起来用，一个叫 AiJobRun，另一个叫 AiJobRunProject。听起来有点绕，别急，我慢慢拆开讲。 首先，这个功能背后是一套完整的三步模式。第一步，你得创建一个 AiJobRunProject，它就相当于一个“项目文件夹”，里面装着所有你要跑的提示模板任务。第二步，在这个项目里，你要定义具体的 AiJobRun 记录，每个 AiJobRun 就像一张任务单，指定了要用哪个提示模板、要输入什么参数。第三步，就是触发这个批处理，让系统去执行这些任务，并返回结果。 整个过程是同步的，也就是说，你发起请求后，系统会一次性处理完所有任务，然后把结果一块儿返回给你，你不用反复去查询进度。 那怎么知道任务跑得顺不顺利呢？这就靠平台事件来监控了。当批处理开始、完成，或者中间某个任务出错了，系统会自动发布平台事件。你可以在 Flow 或者 Apex 里订阅这些事件，这样就能实时收到通知，知道处理的状态，是不是全都成功了。 但在这里，有几个特别重要的注意事项，你写代码的时候一定要记在心里。第一个是，不可变性，。一旦你创建了 AiJobRun 记录并且指定好了提示模板和输入，就不能再改了。这就像你点了一份菜，下单后不能中途换成别的。所以创建之前，一定要检查清楚。第二个是，状态更改，。AiJobRun 和项目都有状态字段，比如“排队中”、“处理中”、“完成”、“失败”。这些状态是系统自动更新的，你不能手动去改它，它反映的是真实的执行情况。 第三个是，速率限制，。哪怕你是同步批处理，Salesforce 平台也有调用限制，一次不能无限制地塞太多任务。所以你要合理规划每次批处理的数量，别一股脑全扔进去，不然可能被限流，甚至失败。 第四个是，处理顺序，。虽然说是“批处理”，但这些任务并不是完全并行乱序的，系统会按照 AiJobRun 在项目里的排列顺序依次处理。这就意味着，如果前面的任务卡住了，可能会影响后面的任务时间。虽然最终都会执行，但时序逻辑你要心里有数。 总结一下，今天我们讲了怎么用 AiJobRun 和 AiJobRunProject 来同步生成大量提示模板的响应。核心是三步走：建项目、派任务、触发执行。同时要学会通过平台事件监控进度，还要时刻注意不可变性、状态不能乱改、注意速率限制和处理顺序。掌握了这些，你就能高效、安全地调用 Agentforce 处理大规模提示了。 好了，这部分内容就是这样。有什么疑问，我们下次课继续深入。

  ▶ 播放视频 查看详情