ADG001

课程介绍

同学们，咱们今天来看一个特别实用的方法，叫 `getDeliveredValue`，它是实现全局复制功能的关键。你想想，用户一点复制按钮，就能直接拿到格式化好的表格，多方便。这个方法必须用 `@api` 装饰成公共的，并且一定要返回一个字符串——可以是纯文本，也可以是丰富的HTML。 我们来看一个例子，它会生成一个漂亮的HTML表格，表头和单元格都带样式，还会遍历字段定义和记录数据。整个实现有个很好记的“五步模式”。 第一步，用CSS初始化表格样式，让它看起来整齐。第二步，根据字段标签来构建表头那一行。第三步，根据记录数据来构建表格的主体行。第四步，在嵌套循环里，把匹配的字段值填到对应的数据单元格里。最后第五步，把完整的HTML字符串返回出去。 当用户点击复制时，他们得到的就是一个可以直接粘贴到Excel、邮件或者文档里、格式又美观的表格，这可比从一堆凌乱的JSON里面手动抄数据舒服多了。大家只要记住这个五步模式，以后做这类功能就轻车熟路了。

课程章节

本课程共有 10 个章节

• 1

  Citations in Apex:

  第 245 页

  同学们，咱们来看这张幻灯片，讲的是Agentforce里一个特别实用的功能——引用。简单说，引用就是让代理在给出回答时，能够标注出信息来源，告诉用户“这个结论是从哪份资料里来的”。 在Agentforce中，开发人员可以，以编程的方式，，也就是写代码，给自定义操作添加上引用来源。这些引用可以被员工代理直接使用，也可以透过代理API来消费。支持的源类型很丰富，比如知识文章、PDF文件、外部的网页，这些都属于非结构化数据。 那在代码层面，Apex给我们提供了两种生成引用的类型。咱们一个一个看。 第一种叫 ，GenAiCitationInvestment，，这个 Investment 你可以理解成“投入”的意思。它就是你把相关的资料一股脑儿交给推理引擎，让引擎自己去分析，自动判断并生成合适的引用。就像你跟助手说：“这些材料都给你，你帮我找出最相关的依据来回答。” 第二种叫 ，GenAiCitationExit，，Exit 是“退出”或“直接给出”的意思。这种方式是开发人员自己明确指定引用内容，比如直接写死“参考第12页第3段”，推理引擎就不用再猜了，直接就用你给的这个引用。 所以简单小结一下：Investment 是让AI帮你挑引用，Exit 是你帮AI把引用定好。根据不同的场景，你可以灵活选择。比如，当材料很杂、需要动态匹配时，用Investment；当你有明确的固定来源，比如某条具体的法律条文，就直接用Exit。 这样讲，是不是对引用和这两种Apex类型更清楚了呢？

  ▶ 播放视频 查看详情
• 2

  Citation Basics: Two Approaches

  第 246 页

  同学们，今天这节课我们来看一个很实用的小知识：在Agentforce里，当我们让AI生成回答时，怎么给它加上引用来源。这里有两种方法，对应的就是两个不同的类，名字稍微有点长，但别担心，我们一步步说清楚。 第一种叫 ，GenAiCitationInvestment，。你可以把它想象成“投资型引用”——我们把源信息“投喂”给推理引擎，然后引擎自己去动脑筋，决定在生成的回答里，该在哪里加引用、怎么加。你只是提供素材，AI自动去安排。当你想让AI根据你给的资料，自己找出最相关的引用位置时，这个方法就非常理想了。 第二种叫 ，GenAiCitationExit，。这个“Exit”就像“直接退出”自动逻辑，完全由你来掌控。你需要显式地、也就是明明白白地指定要包含哪些引文。引擎不再帮你自动判断，你给什么，它就用什么。当你已经有预设好的引用，而且这些引用必须原样出现时，用Exit就是最好的选择。 打个比方：Investment是让AI当自动驾驶员，带你到达目的地；Exit是你自己手握方向盘，精确控制每一条引用的显示。 另外，这两个类都有一个好用的功能：它们都支持自定义标签字段。也就是说，你可以设置引用在文本里显示的样子，比如让它显示成“[资料来源A]”或者你想要的任何简短文字。还要记得，一定得保证最终用户能够访问到引用里指向的URL，这样他们点击引用时，才能真的看到原始资料。 所以总结起来很简单—— - 如果你希望AI自动帮你找出合适的引用，就用 ，Investment，。 - 如果你需要手动、精确地控制每一条引用，就用 ，Exit，。 根据你是想要自动控制，还是手动控制，直接选对应的方法就行。好了，这节课关于引用方法的讲解就到这里，大家理解了吗？

  ▶ 播放视频 查看详情
• 3

  Example: Inline Citations with RAG

  第 247 页

  好，咱们来看这一个知识点——用 Apex 代码实现带内联引用的 Agent 回答。这个类的名字叫 `KnowledgeaseApex`，它是怎么做到的呢？ 想象一下，用户问了一个问题，我们要从知识库里找到答案，并且还要告诉用户“这个答案是从哪里来的”，这样用户才能信任我们。这个类就专门用 RAG（检索增强生成）的方式，把引用直接嵌入到回复里，用户一眼就能看到出处。 首先，核心的 `execute()` 方法，它会通过 Connect API 去调用一个提示模板。这里有一个关键设置：`citationMode` 被设成了 `"Post_generation"` 。啥意思呢？就是系统在生成答案之后，会自动检测哪些内容需要引用，然后帮我们把引用标上去。这就省得我们自己去做复杂的引用标记逻辑了。 不过，Connect API 返回的引用格式，和 Agentforce 平台期望的格式不太一样。所以这里还有一个 `transform()` 辅助方法，它的任务就是把 Connect API 给的那种引用结构，转换成 Agentforce 自己能识别的 `AiCopilot.GenAiCitationInvestment` 格式。你可以把它想象成一个翻译官，让两边数据能对上号。 那这个方法怎么被 Agent 调用呢？注意，它有一个 `@InvocableMethod` 注解，名字叫 `executePrompt`。这让它变成了一个可以配置在流程里、或者被 Agent 直接当作操作来调用的入口点。当用户提问后，Agent 就会触发这个方法，把问题传进去。方法内部会去调用提示模板、拿到生成的文本，再把引用转换好，最后同时返回两样东西：一个是带着内联引用的回答文本，另一个是结构化的引用源列表。 这样，当 Agent 把回复展示给用户时，用户不仅能看到答案，还能在文字里直接看到引用的序号或标记，再配合下方的“来源”区域，整个回答就非常透明、可信了。这就是 `KnowledgeaseApex` 类演示的完整内联引用实现方式。 简单总结就是：一个方法接问题，调模板生成答案并自动加引用，再用另一个方法把引用格式转换一下，最后一起返回给用户，让回答有据可查。

  ▶ 播放视频 查看详情
• 4

  Models and Prompts Overview

  第 248 页

  同学们，我们接着来看Agentforce背后的大脑——Einstein平台。这一页的内容非常关键，因为它解释了Agentforce是怎么跟各种各样的大语言模型打交道的。 首先，Einstein平台给我们提供了很强的工具，能灵活配置和使用那些大语言模型，也就是我们常说的LLM。这样一来，Agentforce就不只会用一种模型，而是可以根据不同场景，调用最合适的。 为了让咱们快速上手，平台默认就开启了一个Sales Management模型。你什么都不用做，Agentforce就能直接开始工作，处理销售相关的对话或任务。 那如果你想在代码或应用里调用模型呢？没问题。平台提供了模型API，你可以通过Apex或者REST的方式，从你的应用中访问不同的模型，非常方便。 还有一个特别实用的东西，叫提示生成器，也就是Prompt Builder。它帮你创建和管理提示模板。你可以用通俗的话告诉Agentforce：“遇到这种问题，你就这样回答”，也就是教它怎么更好地对话。 更厉害的是，你不只局限于Salesforce自带的模型。你完全可以把自己用惯的模型带进来，比如OpenAI的、微软Azure的、谷歌Vertex AI的，或者亚马逊Bedrock的。甚至如果你有自己定制的模型，可以通过LLM Open Connector轻松接入。 这样一来，Agentforce的“智力”就完全由你掌控了，既灵活又开放。好，理解了这些基础，咱们下一节就看看怎么实际用这些工具。

  ▶ 播放视频 查看详情
• 5

  Models & Prompts Feature Overview

  第 249 页

  好，我们来看看这一页讲的内容，理解起来其实很简单。它说的是模型和提示的生态系统，也就是让Agentforce变聪明的那一套东西。你可以把它想象成一套工具箱，里面有四个主要的工具。 第一个工具叫“提示生成器”。它的作用就是让你能轻松地做提示模板，而且可以把客户关系管理的数据，像客户名字、订单记录这些，直接融进提示里。你不需要写一堆代码，用拖拖拽拽或者简单配置的方式就能把提示设计好，这也就是所谓的“低代码提示工程”，特别适合不习惯写代码的人。 第二个工具是“AI模型”。这里有两类模型可以选：一类是Salesforce自己负责管理的模型，默认就打开了，开箱即用；另一类是外部公司提供的大语言模型，你想用自己带来的模型也没问题，这叫BYOLLM，就是“自带大语言模型”。在这里面，你可以配置它们，还能做测试，看看哪个模型回答得更好。 第三个工具是“Models API”。如果你需要用程序去调用那些配置好的模型，不管是通过Apex代码，还是通过REST接口，它都提供了标准的方法。这样开发人员就方便了，能在应用里灵活使用AI能力。 最后，聚焦到Agentforce这个产品上，你在选择模型的时候，有两种主要的选项：一个是Salesforce的默认方案，它是一种托管的混合模式，经过专门优化，特别注重数据安全与信任；另一个是托管在亚马逊云上的，叫AWS-Hosted方案，里面主要用的是Claude on Bedrock。如果你还有更特别的需求，那么“LLM开放连接器”可以把BYOLLM的能力进一步扩大，支持连接你任何定制好的模型。 这么讲下来，你就清楚了：想要快速做提示，用提示生成器；想要选模型调模型，在AI模型工具里找；想要写代码调用，用Models API；而在Agentforce里部署，主要就在默认安全和AWS强模型之间二选一，还能随时扩展自己的模型。这样整个生态就串起来了。

  ▶ 播放视频 查看详情
• 6

  Supported Models

  第 250 页

  同学们，我们来看看这一章要讲什么。这一章会给大家一个Agentforce支持的大语言模型——也就是LLM的完整图景，让大家知道咱们手里到底有哪些模型可以用，以及怎么用。 首先，Salesforce已经帮我们管理好了一批模型，你可以直接拿来用，不用自己折腾部署。这些模型覆盖了目前最主流的几个云提供商：有Amazon Bedrock上的，包括亚马逊自己的Nova模型和Anthropic的Claude系列；有微软Azure OpenAI上的GPT系列；还有OpenAI原厂的各种GPT模型，甚至包括了最新的O3、O4系列；另外Google Vertex AI上的Gemini系列也在里面。总之，这些模型都是开箱即用的，你不用操心底层的算力或者API，在Agentforce里点一点就能调用。 不过，有些公司可能已经有自己采购的模型实例了，也许是因为有专属折扣，或者有特殊的数据合规要求。这也没问题，我们支持“带上你自己的大语言模型”，也就是BYLLM。你可以从上面提到的这些提供商里，把自己的实例连接进来，继续在Agentforce里使用。这样一来，你既享受了平台的便利，又能复用你已有的投资。 那如果想用的模型不在上面这些提供商里，比如你自己微调了一个定制模型，或者用了一个很小众的模型，怎么办？这时候就可以用LLM开放连接器。它把支持范围扩展到了几乎任何语言模型，无论是开源的、自建的，还是某个实验室的试验品，理论上你都能接进来。也就是说，Agentforce的模型大门是敞开的，不会把你锁在固定几家。 除了能选哪些模型，这一章我们还会进一步讲到实际操作时的几个关键点。我们会聊聊模型选择的标准：什么时候该用大而全的模型，什么时候用轻量又便宜的模型。还会介绍地理感知路由，意思就是系统能自动感知用户所在的区域，然后智能地把请求路由到靠近用户、或符合当地数据法规的模型上，既快又合规。另外，对于一些还在实验阶段的测试版模型，你也能提前试用，不过我们也会告诉你测试版怎么用、有哪些风险。最后，任何模型都有生命周期，我们会讲清楚模型的弃用政策，也就是说，当某个模型要退休或者升级时，Salesforce会怎么通知你，给你多长时间切换，保证你的应用不会突然中断。 总的来说，这一章就是要让你对可用的模型资源有一个全面、清晰的了解，并且知道怎么根据实际情况做出最好的选择。好，我们先休息一下，下个小节就从这些开箱即用的模型详细看起。

  ▶ 播放视频 查看详情
• 7

  Salesforce-Managed Models by Provider

  第 251 页

  同学们，我们来看这一页，讲的是Agentforce背后用到的AI模型从哪里来，以及他们在Salesforce里是怎么托管的。这里很关键，尤其是有数据合规需求的同学，要认真听一下。 简单说，Salesforce的AI能力现在跨越了 ，四个主要的模型提供商，，方便我们按需选用。 --- ，第一类，是Amazon Bedrock上的模型。， 包括亚马逊自己的Nova系列、大家熟悉的Anthropic Claude，还有NVIDIA的Nemotron。这些模型都运行在Salesforce自己控制的，信任边界，里，也就是说，底层服务器、网络全是Salesforce自己在运营维护，数据不会流到第三方云环境去。这对很多要求数据不能离开Salesforce基础设施的企业来说，非常重要。 --- ，第二类，是OpenAI和Azure OpenAI的模型。， 从GPT-4o一直到最新的5.5，以及推理模型O3、轻量级的O4 Mini，都在里面。这些模型有一个好处：它会自动感知你在哪个地理位置，然后把请求路由到最近的数据中心。比如你人在欧洲，它会就近处理，减少了延迟，也照顾到了数据驻留。 --- ，第三类，是Google Vertex AI上的Gemini家族。， 这里从Gemini 2.5到3.5版本都能用，Google生态里需求大的客户可以选择。 --- ，第四类，是Embedding模型。， 目前提供的是Ada 002，但这个模型，只能在模型API里调用，，不是直接在Agentforce界面里选，做开发的同学可以留意。 --- 再提一个实用点：所有这些模型的API名称都遵循了一致的命名模式，方便大家编程时调用，不容易搞混。 还有，，测试版模型，要特别注意——它们的调用频率限制比较低，稳定性也没有正式版高，所以Salesforce明确建议，只用在校验的环境里，比如沙盒或者开发组织，，不要直接上生产。 --- 最后再强调一遍前面提到的，信任边界，。如果你要满足严格的数据驻留合规要求，一定要看清楚模型是运行在Salesforce自己的信任边界内，还是通过外部云服务路由的。这个区别会直接影响你的合规报告和审计。 好，这一页记住这几个供应商和它们的部署模式就够了。有什么问题随时提出来。

  ▶ 播放视频 查看详情
• 8

  BYOLLM, Open Connector & Model Selection

  第 252 页

  同学们，我们来看这一页内容。它讲的是一个很实用的功能，叫 ，自带大语言模型，，也就是 BYOLLM。 你可以把自己的模型——不管是你自己训练的，还是第三方厂商提供的——用你自己的凭证，连接到 Salesforce 平台上。然后，通过统一的 Models API 去调用它。这样做的好处是什么呢？它仍然在我们的完全信任层保护之下，但调用的“爱因斯坦请求”消耗量会减少 30%，帮你省钱。 接下来还有一个更开放的选项，叫 ，LLM Open Connection，。这又是什么概念呢？它把兼容范围扩大到了任何模型，只要那个模型遵循 OpenAI 兼容的 API 规范就行。而且这个是社区驱动的，相关规范就放在 GitHub 上，你可以直接去查看和贡献。 那么，当你要选择一个模型的时候，不能光看名气。我建议大家从四个角度去评估： 第一是 ，能力，，就是这个模型能处理多少种任务，对指令的理解是不是准确、听话。 第二是 ，成本，，你要看它怎么计费，使用成本划不划算。 第三是 ，质量，，可以参考 LMSYS Chatbot Arena 这种公开的模型排行榜，看看大家的真实评分。 第四是 ，速度，，包括延迟和吞吐量，也就是它回答快不快，能不能撑起大量请求。 有一点要注意：如果你开启了数据屏蔽功能，那么模型的上下文窗口会被限制在 ，65,536 个令牌，。这个数你要心里有数，别放太长的文档进去被截断了。 最后，想客观比较不同模型，有很多基准测试资源可以用。除了业界的通用基准，我们还提供了 Salesforce 自己打造的 CRM 专项基准，能帮你评估模型在客户管理场景下的真实表现。 好了，这一页就讲这么多，有没有哪里不清楚的？

  ▶ 播放视频 查看详情
• 9

  Geo-aware, Beta, Deprecations & Rerouting

  第 253 页

  好，同学们，我们来看这一页内容，聊聊Agentforce里的地理感知模型和模型生命周期。 先说这个地理感知模型，它的作用其实很直观——就是为了减少延迟。Agentforce会根据我们Data 360里设定的区域，自动把请求路由到离你最近的数据中心。比如你人在新加坡，数据请求就会走新加坡的数据中心，不用千里迢迢绕到美国，这样反应速度自然就快了。 这里要提一下Beta型号，就是那些还在测试阶段的模型。这些Beta模型限制比较多，仅供我们内部测试和试用，别拿它去跑生产环境的重要任务，因为它随时可能调整，甚至撤掉。 然后就是模型废弃。这个是有规律的，不用紧张。整个过程分三步走：先发官方公告，告诉你哪个模型要退役了；然后给一个关闭日期，也就是最后能用的那天；到了关闭日期之后，系统会自动把所有请求重新路由到替代的新模型上，你不用手动改。 重要的一点是，一旦宣布弃用，你就要马上开始迁移。别等到关闭日期再动，那会儿流量已经被自动转走了，可能你的流程就断了。所以要提前适配新模型。 很多旧模型都在不断被重新设计，比如之前的Claude 3现在升级成了Haiku 4.5，GPT 3.5和4升级到了GPT 4 Omni，Gemini 2.0变到了2.5。这些升级背后，是模型本身能力、性能的迭代。 这些模型公告都是写在我们每个月的发布说明里的，你要养成习惯去看，这样不会错过任何变化。 最后一点，还记得吧，Salesforce不只是用第三方的模型，我们自己也通过人工智能研究，专门针对CRM的特定用例，研发自己的模型。这些模型更贴近我们业务场景，比如销售、服务、营销这些垂直领域，效果往往更好。 好，这页讲的就是这些。简单总结：地理感知帮你低延迟，Beta模型只测不用，模型废弃有公告、有关闭日期、自动重路由，要及时迁移。多关注每月发布说明，Salesforce还有自研的CRM模型。都记住了吗？

  ▶ 播放视频 查看详情
• 10

  Models API Overview

  第 254 页

  咱们今天讲一个特别实用的部分——Models API。你可以把它想象成一座桥，专门把你的Salesforce应用和外部那些强大的大语言模型连接起来。 这座桥其实是Salesforce提供的一套Apex类和REST端点。也就是说，你既可以在代码里直接调用，也可以通过外部系统发请求，非常灵活。而且不管你是做第一代还是第二代的托管包，都能用这个API，不用担心包的类型限制。 有一点很贴心，所有通过这个API产生的请求，都会自动经过爱因斯坦信任层。这就好比给你的数据加了一个安全滤网，所有进出都要被检查，防止敏感信息泄露或者不合规的调用。 当然，这个API也不是无限用的。每个请求都会计入Salesforce的Einstein使用量，并按照相应的计费规则走。所以咱们在设计的时候，要稍微留神一下调用次数和频次。 这个API主要支持四种核心能力：第一是聊天生成，就是流式的对话回复；第二是文本生成，比如写总结、改措辞；第三是嵌入，可以把文字转成向量，方便做语义搜索；第四是反馈提交，让你能把模型输出的好坏反馈送回去，帮助持续优化模型效果。 简单来说，Models API就是一个安全、合规、并且能直接在你熟悉的Salesforce环境里，去集成大模型能力的关键入口。后面我会带大家实际跑一下代码，看看怎么用Apex调用它来生成内容，我们一步一步来，不用着急。

  ▶ 播放视频 查看详情