课程介绍
嗨，同学们，欢迎来到《Agentforce 开发人员指南》的第一课。我是你们的Salesforce老师，今天咱们用最轻松的方式，把这一页Slide的内容一点点拆开，保证你听完就懂。 你可能会问：“Agentforce到底是什么？怎么把生成式AI用到Salesforce里？”别急，这次演示就是专门回答这些问题的。我们会把在Salesforce平台上用好Agentforce和生成式AI所需要知道的关键点，全部梳理清楚。 具体来看，我们这节课会聊四件大事。 第一，Agentforce的核心概念。我会用最直白的话告诉你，Agentforce到底是个什么东西，它为什么能帮我们更聪明地工作。别担心，没有乱七八糟的术语，就像讲故事一样。 第二，怎么设置Einstein生成式AI。也就是说，我们手把手让AI真正在你的环境里跑起来。你不用去啃厚厚的配置文档，我会把步骤变得特别简单。 第三，用Salesforce CLI快速创建一个临时组织。这个“临时组织”你可以理解为一片随用随建的实验田，可以让你安全地开发、测试Agentforce功能，完全不影响正式环境。用一句命令行就能搞定，特别酷。 第四，也是必须重视的一点，就是了解Einstein信任层。它就像一道隐形的安全屏障，默默守护着你的数据，确保敏感信息不会泄露，让你用AI用得安心。 好，那接下来咱们就一个一个展开讲。准备好了吗？我们马上进入下一个细节。
课程章节
本课程共有 19 个章节
-
1
Get Started with
第 2 页同学们，大家好！欢迎来到我们的Agentforce课程。今天，咱们正式翻开第一章。在这一章里，我们要认识一个全新的概念，叫作Agentforce，它是Salesforce平台上的一个“代理驱动层”。 那到底什么是代理驱动层呢？别急，听我慢慢说。你可以把Agentforce想象成一个工具箱，它能帮你部署很多人工智能代理。这些代理可不是普通的程序，它们就像你的数字员工一样，能和你现有的团队肩并肩一起工作。这样，你的员工队伍一下子就得到了扩展，而且这些数字员工不需要休息，可以全天候、24小时不间断地为客户提供服务。 讲到这儿，有些同学可能会问：那我的数据安全吗？怎么把公司宝贵的数据和现在很火的大语言模型结合起来呢？这里就不得不提一个非常关键的部分，叫“信任层”。你们可以把它想成一座安全又牢靠的桥梁，这座桥把你的数据，和大型语言模型的强大能力，稳稳地、安全地连接在了一起。这样既用上了模型的能力，又不用担心数据泄露。 在这一章接下来的内容里，我会带着大家，一步一步去了解怎么用Agentforce来开发这些代理。我们会先看一份概述指南，帮大家理清整体思路，再熟悉一下要用到的开发工具，最后还会讲解，怎么去使用模型和提示，让代理变得更聪明。 好了，大概的情况大家心里都有数了，咱们就放松心态，一起进入今天的学习吧。
-
2
Develop with Agentforce Agents
第 3 页同学们，我们来看这一页。这一页讲的是Agentforce如何把对话人工智能的能力，真正带进咱们的业务里。 简单来说，Agentforce让你可以构建一个既值得信赖，又能深度定制的AI助手。这个助手会直接嵌在Salesforce里，帮你的用户回答问题、自动处理任务，让他们把工作完成得更快、更顺手。 你就把这个助手想象成一个懂你业务、会说人话的虚拟同事，它随时都在，能跟用户对话，理解用户意图，然后直接在Salesforce里帮你把事情办妥。 这里还有一个重要的命名变化，得跟大家提一下。从2026年4月开始，我们过去常说的“代理主题”，正式改名叫“子代理”了。功能上完全没变，换汤不换药，大家不要慌。只是在这个过渡期，你在我们的文档里可能会一会儿看到“代理主题”，一会儿看到“子代理” —— 这其实是同一个东西，记住就行，别被术语搞混了。 这一页的关键点，你只要记住：Agentforce带来可定制的对话AI助手，功能强大，命名在改，但本质没变。后面我们还会具体拆开来讲怎么构建它，但现在，先对这个概念有一个清晰的印象就好。
-
3
Overview Guides & Development Tools
第 4 页同学们，咱们今天来说说入门的两个核心指南，还有一些开发上会用到的实用工具。 首先，有两个主要的概述指南，你把它当作咱们的“入门藏宝图”就行。 第一个叫“Agentforce API和SDK指南”。这个指南会教你，怎么用各种API和软件开发工具包，也就是SDK，来构建出功能很强大的Agentforce解决方案。简单说，如果你想通过写代码来跟Agentforce打交道，那这本指南就是你的起点。 第二个指南是“Agentforce Action指南”。这里面呢，专门讲如何构建和增强你的Agentforce动作。动作就像是给代理赋予的具体技能，怎么定义、怎么优化，都在这本指南里。 除了这两个指南，咱们还有两个特别重要的开发工具，你一定要知道。 一个是Agent Script。这个呢，可以理解成在Agentforce Builder里构建代理时，你所用的一种专门的语言。你就用这种脚本来告诉代理，什么时候该做什么，逻辑该怎么走。 另一个是Agentforce DX。这是给喜欢用代码的开发者准备的，它把Agentforce的开发工具无缝集成到了Salesforce CLI和VS Code里，让你能用命令行和编辑器，用一种很“程序员”的方式去管理、部署你的Agentforce。这样你的整个开发体验就会更轻车熟路。 总之，这几个资源就是你最开始的几样法宝，把它们熟悉了，后面动手做东西就会顺畅很多。
-
4
Develop with Models and Prompts
第 5 页好，我们来看这一页。它告诉我们，在Salesforce平台上，现在有一些非常实用的工具，能帮我们直接去配置和使用大语言模型，也就是大家常说的LLM。 简单理解，你不需要从头去写复杂的代码，平台已经把这些能力封装好了，让你可以像搭积木一样，去调用这些AI的大脑。 其中有一个特别方便的功能，叫“提示生成器”。通过它，你可以创建自己的提示模板。比如你想让AI帮你总结客户对话，或者生成一封邮件草稿，你都可以提前把提示的结构、语气和要包含的信息定义成一个模板，以后反复使用、随时管理。 如果你还想了解更多细节，Salesforce也提供了官方的帮助文章，你可以去搜索“Agentforce and Generative AI”以及“Agentforce Agents”这些关键词，里面有详细的指导。这样一步一步走下来，你就能把生成式AI的能力真正融入到你的业务流程里了。
-
5
Set Up Einstein Generative AI
第 6 页好，我们接着来看这一页内容。这一页非常关键，讲的是设置阶段要做的一些准备工作，也就是我们必须先完成几个配置，才能让Agentforce后面的功能真正跑起来。 大家可以把这四个步骤想象成搭积木，一定得按顺序来：先有Data 360，再打开Einstein生成式AI，接着才能把Einstein信任层配好，最后才轮到设置代理。这个顺序为什么重要呢？ 因为Einstein信任层本身就需要Data 360在背后支持，才能正常运行并且保护好你的数据。打个比方，Data 360就像是给房子打好地基、接通水电，Einstein生成式AI是把智能设备搬进来，然后信任层像是给所有门窗加上一把安全锁。地基没打好，安全锁是装不稳的。 所以，如果你跳过前面直接去摆弄信任层的设置，系统很可能会报错，或者起不到真正该有的数据保护作用。 实际做的时候，流程其实很清晰： - 第一步，把Data 360配好，确保数据基础和相关的服务都已经到位。 - 第二步，启用Einstein生成式AI，让平台具备相应的AI能力。 - 第三步，再进入Einstein信任层进行配置，比如设置数据遮罩、审计、零保留这些安全策略。 - 最后一步，才是去设置你的代理，赋予它具体的技能和任务。 记住这个顺序，能帮你在设置过程中少走很多弯路。从下一小节开始，我们就会具体展开每一步该怎么操作了。好，我们先理解到这儿。
-
6
Provision Data 360 & Turn on Einstein
第 7 页同学们，咱们这门课是讲 Agentforce 的，但在真正上手使用那些酷炫的 AI 功能之前，有几项基础设置必须先搞定。这块幻灯就清楚地列出了第一步要做什么。 首先，在开启 Einstein 生成式 AI 功能之前，务必要保证你的 Salesforce 组织里已经配置并启用了 Data 360。Data 360 是什么呢？简单说，就是帮我们整合并管理数据的底座，没有它，后面的智能功能就没法正常运转。如果你还不清楚怎么设置，可以直接去 Salesforce 帮助里搜索“打开 Data 360”，里面有很详细的指引。 等 Data 360 配置好之后，接下来就要正式启用 Einstein 了。操作其实非常简单：我们进入 Salesforce 的“设置”页面，在左侧的“快速查找”框里输入“Einstein 设置”，然后点进去。你会看到一个开关，把它打开，就顺利启用了 Einstein 生成式 AI。 这样一来，组织就已经准备好，后面我们就能顺畅地体验 Agentforce 里那些强大的人工智能能力了。这一步虽然简单，但是个关键前提，大家一定要先确认好。
-
7
Configure Trust Layer & Add Agents
第 8 页好，我们来看这一页。这一页讲的是怎么配置爱因斯坦信任层，让它符合你们公司自己的隐私和安全政策。 简单点说，爱因斯坦信任层就是一道安全护栏。你在 Salesforce 里用 AI 功能，比如 Agentforce 代理，所有数据进出都要经过这道护栏检查一遍。配置信任层，就是告诉 Salesforce：“哪些数据能用，哪些要屏蔽，哪些要脱敏。” 如果你是第一次用 Agentforce 代理，那你不仅要设信任层，还得单独去设置一下代理。这两个步骤是分开的，但有关联。就好比你先建好安检通道，再让旅客进来。 具体怎么操作呢？Salesforce 帮助文档里写得很清楚，你可以直接搜索“设置爱因斯坦信任层”和“设置代理”这两个文章。如果你用的是 Scratch org 做开发，还需要看“设置爱因斯坦生成式 AI”的 Scratch 开发组织访问文档。 总结一下，你要做三件事： 第一，看帮助文档，把信任层配置好，让数据隐私合规。 第二，如果你要上线 Agentforce 代理，就去设置代理，把它激活。 第三，如果是开发环境，别忘了配好生成式 AI 的访问权限。 这三步做完，你的 AI 功能就能安全地使用了，不会踩到公司的安全红线。
-
8
Create an Agentforce-Ready
第 9 页同学们，咱们现在来看一下怎样快速搭建一个用于开发Agentforce代理的测试环境。Salesforce里有一个特别好用的工具叫临时组织，英文叫Scratch Org，你可以把它想象成一个临时的、用完即弃的沙盘。 那什么时候用沙箱，什么时候用临时组织呢？简单说，如果你的代理需要用到正式的Agentforce数据库，或者要使用Data 360这类高级数据功能，那建议直接用沙箱。因为沙箱里可以拷贝生产环境的数据，测试起来更真实。 但如果你的项目刚刚启动，或者正在创建一个新功能分支、要做一些快速的单元测试，临时组织就非常合适了。它最大的好处是快，通过命令行一条指令就能生成一个全新的、完全可配置的环境，而且里面是干干净净的，不包含任何生产上的数据或者元数据。这样一来，你就不会把测试数据弄乱，也不会受历史包袱的影响。 咱们今天就是学习用Salesforce CLI来创建这种临时组织的基本步骤。掌握了它，你就能随时随地、快速起一个开发环境来编写和调试你的Agentforce代理了。好了，这个知识点咱们就先讲到这儿。
-
9
Understanding Scratch Orgs
第 10 页好，那咱们接着聊一个很重要的概念，叫 ，Scratch org，，也就是临时组织。 你呀，可以把它想象成Salesforce里的“一次性实验台”。就像你做个新菜，不想直接在正式大餐上试，先拿个小碗单独调个酱汁，尝好了再倒进去。Scratch org就是这种小碗，它是一个，临时的、可配置的环境，，你按个按钮就能快速创建出来，用完丢掉就行。 它跟咱们熟悉的沙箱（Sandbox）有啥不一样呢？最核心的区别是：沙箱是从你的生产环境里拷贝一份数据、一份元数据，像个克隆体；而Scratch org生来干干净净，里面，没有任何你公司现有的数据或现成的配置，。你给它一份“定义文件”，告诉它：“嘿，我要一个带这些功能、这些设置的Salesforce环境”，它就按你的菜单现搭一个。 所以，Scratch org特别适合哪些场景呢？ - 团队拿到一个新项目，大家想先在一个空白的、配置好的空间里写代码、测试新功能，又不想影响到别人。 - 你用Git开了一个新功能分支，想单独验证这个分支的代码对不对，就拉起一个干净的Scratch org来测。 - 做一个快速的功能原型或练习，用完就删，多方便。 但是要注意啊，因为它天生不带数据和复杂的配置，如果你要测试的东西强烈依赖，真实数据，，或者要结合Agentforce的数据库，甚至是Data 360那些围绕数据打通的高级功能，那Scratch org就有点抓瞎了。比方说你要验证Agentforce能不能正确理解库存表里的信息，或者跑一个数据分析流程，没有数据哪儿行呢？这种情况下，我们就会推荐你用沙箱，因为沙箱里带着数据和完整的元数据，能更真实地模拟生产情况。 总结一下：Scratch org轻巧、干净、灵活，适合开发新功能、跑单元测试；沙箱厚重、带数据、稳定，适合集成测试、UAT（用户验收测试），以及需要Agentforce依赖数据场景的时候。你就按这个原则选，清楚了吗？
-
10
Steps 1–3: Install, Update & Project Setup
第 11 页同学们，咱们今天要正式开始接触 Agentforce 了。不过在动手去搭建智能助手之前，得先把咱们的“工具箱”准备好。这一页幻灯片呢，就是告诉大家怎么把最基础的工具——Salesforce CLI，也就是命令行界面，安装和配置好。 咱们一步一步来。首先，第一步很简单：在你的电脑上安装 Salesforce CLI。你只要去 Salesforce 开发者网站，找到适合你操作系统的安装包，像安装普通软件一样“下一步”就行，macOS、Windows、Linux 都有对应的版本。 第二步，安装完之后，我们要确认它是最新版本。因为 Agentforce 这类新功能，往往需要最新的命令行工具来支持。这时候你打开终端——如果是苹果电脑或 Linux 就打开“终端”，Windows 就打开“命令提示符”或者 PowerShell——然后输入 `sf update` 并回车。它会自动检查并更新，保证你拿到的是最新版，这样后面操作才不会碰到莫名其妙的兼容性问题。 第三步是可选的，不过我想多花十几秒给你解释清楚。这一步说的是在电脑上创建一个 Salesforce DX 项目。什么是 DX 项目呢？你可以把它想象成一个专门给你放代码、配置、测试数据的工程文件夹。如果你只是想临时体验一下 Agentforce，比如创建一个临时组织玩一玩，那这个步骤的确可以先跳过。但如果你打算正儿八经做开发，要把元数据、配置、甚至给 Agent 写的测试案例都存到 Git 这样的版本控制系统里，那我强烈建议你执行这一步。在终端里，先用命令进到你想要放项目的目录，然后运行 `sf project generate` 之类的命令来初始化，后续所有的改动都会被有条理地管理起来。 好，总结一下：先装好 CLI，再把它更新到最新，最后根据自己的需要，决定要不要建 DX 项目。这三步做完，你就有一个顺手的基础环境了。咱们下一张幻灯片，就开始在这个环境下，真正去创建和配置 Agentforce 的智能体啦。
-
11
Steps 4–6: Dev Hub, Login & Definition File
第 12 页好，那咱们接着来看接下来的几步，这些都是为后面搭建Agentforce做的准备工作，我一条一条给你讲清楚。 首先，第4步，你需要选中一个Dev Hub组织，并且把它启用起来。你可以把它理解成是一个“开发大本营”，咱们后面创建的各种测试环境都是从这儿分配出去的。不过有一点要特别注意，这个Dev Hub组织必须带有你的Data 360许可证，没有它的话，后面就没法给Agentforce分配数据权限。具体怎么选、怎么启用，你感兴趣的话可以去查一份叫《Salesforce DX开发人员指南》的文档，里面有详细的图文说明，我就不在这里展开了。 接着看第5步，很简单，就是用一个浏览器窗口，登录你刚刚选好的那个Dev Hub组织。用你平时的Salesforce账号密码登进去就行。登进去之后，系统会弹出一个授权页面，问你是不是允许 Salesforce CLI 这个命令行工具来访问你的组织。你直接点“允许”就好了，这一步相当于告诉Salesforce：“我信任我的开发工具，它可以替我操作组织里的东西。”这样，咱们在电脑上敲的命令，才能连上云端的环境。 最后是第6步，咱们需要创建一个叫做“定义文件”的东西，通常我们会把它命名为 `afdx-scratch-def.json`。这个文件相当于一张“配方单”，你可以在里面写上：我想要一个什么类型的临时测试环境，里面要带哪些功能。 如果你是在一个标准的Salesforce DX项目里操作，就把这个文件放到项目的配置目录里。接下来，为了让咱们的临时环境能使用Einstein生成式AI的能力，你需要在文件里加入一个名叫 `Einstein1AIPlatform` 的功能开关，它在开发者版本和企业版本里都是支持的。 那要让这个环境一启动就自动把Einstein和Agentforce都开了，你还得把两个设置项打开：一个是 `agentPlatformSet`，另一个是 `einsteinGptSet`。你可以在文件里写成布尔值 true，保存好就行了。这样一来，你用这个定义文件去创建的任何临时开发环境，都会直接把Agentforce和Einstein给你准备好，省得你每次创建完还要去手动挨个打开，非常方便。 好，这三步就是提前搭好工作台的过程，你照着做一遍，环境就备齐了。下一步咱们就可以开始真正设计一个Agent了。
-
12
Steps 7–8: Create & Open Scratch Org
第 13 页同学们，咱们现在到了动手实操的环节啦。要想真正体验 Agentforce 这些很酷的生成式 AI 功能，首先得有一个干净的开发环境，也就是 scratch org。 第 7 步，用 scratch org 的定义文件来创建环境。你只需要执行 `sf org create scratch` 这条命令，同时把定义文件、一个好记的别名，还有你授权过的 Dev Hub 告诉它。命令一跑完，系统就会按照定义文件里的配置，给你生出一个全新的临时组织。 接着第 8 步就更简单了，用 `sf org open` 命令直接把这个 scratch org 打开。 组织一打开，你就可以放手去探索 Salesforce 的生成式 AI 能力了。比如说咱们这节课的主角 Agentforce，还有提示生成器、模型生成器以及模型 API，这些都可以在组织里直接上手试用。 如果你想了解更深入的内容，别忘记随时去翻一翻 Salesforce 官方帮助，搜一下 Agentforce 和 Einstein Generative AI，里面有详细的文档可以慢慢看。 好，创建和打开环境这两步就讲到这里，大家快去试试吧。
-
13
Scratch Org — See Also
第 14 页同学们，刚才我们聊了 Agentforce 的基础配置和一些上手步骤。那如果你还想再往深走，特别是一些开发或者自动化部署的场景，有一类资源我觉得你必须知道。 这个幻灯片上就给你指了路，说“如需更多参考，可以去看以下两份文档”：一个是关于设置 Einstein Generative AI 和 Agentforce 本身的，另一个是 AgentPlatformSettMetals API，还有一个名字很绕，叫 EinsteinGttSettements Metals API。名字长不要紧，你只需要明白，这两类 API 文档，会告诉你怎么用代码的方式，在“临时组织”里做元数据级别的细腻设置。 这里咱们解释一下哈，“临时组织”在 Salesforce 里，你可以理解成那些专门用来做测试、开发的临时环境，比如 Scratch Org。而“元数据设置”，大概意思就是：你界面里点的那些配置，背后其实都可以用结构化的文件来描述，再用 API 去同步和管理。一旦你想把 Agentforce 的配置自动化，或者想批量部署到不同的环境里，这些东西就变得特别实用。 所以这页幻灯片的信息，其实是在跟你说：别看咱们课上主要是点点鼠标就能配好，但如果你后面要做持续集成、要做自动化，官方已经给你准备了特别详细的元数据配置选项，都在这些文档里。你可以把它当成一个拓展阅读的邀请。 那么，下一部分我们就要带着这些概念，看一下具体怎么把这些元数据拉出来，或者写进一个临时组织里去验证。先休息一下，你也可以瞥一眼这些文档的标题，心里先有个印象，等我们接着讲的时候，你理解起来会更容易。
-
14
Trust Layer
第 15 页好，同学们，我们来到最后一章，聊一个特别关键的话题——爱因斯坦信任层。 你想想，当我们用这些大语言模型去驱动业务的时候，最担心的是什么？就是我的数据安不安全？会不会泄露？模型会不会乱说话？爱因斯坦信任层，就是 Salesforce 专门为这些问题打造的一套“安全护盾”。 它在你跟大语言模型交互的过程中，提供了五重关键保护。我一个个说给你听，都很好理解。 第一重，叫“CRM 数据接地”，说白了就是“立足真实数据”。模型给出的答案，不是凭空瞎猜的，它会扎根在你的客户关系管理数据里，用你公司真实可靠的记录来生成回复。这样能保证准确性，不会一本正经地胡说八道。 第二重，是“屏蔽敏感数据”。像社保号码、信用卡信息这些，系统会自动检测到，然后立刻把它们遮盖起来，不让它们流入模型，从源头杜绝隐私泄露。 第三重，叫“毒性检测”。模型生成出来的内容，系统会再过一道筛子，看看有没有仇恨言论、暴力倾向或者脏话。如果有，直接过滤掉，保证输出是安全、有礼貌的。 第四重，是“审计跟踪和反馈”。每一次模型跟数据的交互，都会留下清晰的日志，哪天、谁、问了什么、答了什么，全都可追溯。同时，你还能给模型的回答打分、提意见，让它越用越聪明。 第五重，最让你放心，叫“零数据保留协议”。我们跟那些第三方的顶尖大语言模型合作时，会签死协议——你的数据，他们看一眼就用，用完马上就扔，绝对不会拿你的数据去训练他们自己的模型，碰都不许碰。 你看，这五重保护就像一道道闸门，保证了你的数据既安全又私密，还能用得精准、可控。有了爱因斯坦信任层，你就能放心大胆地去用 AI 创新，不用一边冲业务，一边担心后院起火。 好了，这章的信任层我们就讲到这里，它其实为后面我们所有 AI 应用的落地，打下了最坚实的基础。
-
15
Einstein Trust Layer Protections
第 16 页好，同学们，咱们现在来看一个特别重要的功能点——爱因斯坦信任层。你可以把它想象成数据的一道安全守护网，专门给AI应用上了五重关键保护，确保你的数据既用得准，又绝对安全。 第一个保护是“立足CRM数据”。意思就是AI在给答案的时候，不会凭空瞎编，而是牢牢地基于你公司自己CRM系统里的真实记录。这样一来，它的回复才可靠、有上下文，不会跑偏。 第二个保护叫“掩盖敏感数据”。比如你的客户信息里如果出现了社会安全号码、信用卡号这类隐私内容，信任层会自动给它们打码隐藏掉，这样即使是在AI处理过程中，这些敏感信息也不会泄露出去。 第三个保护是“毒性检测”。它能实时扫描大语言模型生成的内容，像什么仇恨言论、暴力倾向或者有攻击性的字眼，都会被拦截下来，防止这些有害信息出现在你和客户的对话里。 第四个保护是“审计追踪和反馈”，主要是为了治理和合规。系统会详细记录每一次AI交互的日志，并且允许用户对回答进行反馈。这样一来，任何问题都能追溯，也方便企业进行审查和优化。 第五个保护特别关键，叫做“零数据保留协议”。就是说，当我们调用第三方的大语言模型服务时，我们跟他们签订了严格协议，他们绝对不能存储你的任何数据。数据用一次就彻底忘掉，绝不留存。这样从源头就堵住了外部泄露的风险。 这五重保护合在一起，就让你既能享受AI带来的效率，又不用在数据安全上操心。好，这一页的核心就是这些，大家记一下。
-
16
Zero Data Retention
第 17 页来，我们看这一页。这页讲的是信任，在Salesforce里，信任永远是第一位的。你可能会担心，用Agentforce这些AI功能的时候，我的数据会不会被外面的大语言模型公司，比如OpenAI，给拿走了？放心，Salesforce已经跟这些提供商签了严格的协议。重点是什么呢？零数据保留。意思就是说，你的数据在模型那边处理完，他们不会存下任何内容。不会拿你的数据去训练他们的模型，也不会保留日志。这样你就能安心使用生成式AI功能，不用担心企业私密信息泄露。说白了，这就是Salesforce信任层的一个核心保障，保证你的数据始终是私密和安全的。大家可以把这个当作一个坚实的安全承诺。
-
17
Five Principles for Trusted Generative AI
第 18 页同学，刚才我们提到Salesforce在做Einstein生成式AI的时候，不是随便乱来的，它背后有一套非常清晰、负责任的原则。这一页正好把这五项原则都列出来了，我一条一条讲给你听，你听完就明白为什么它叫“可信”的AI了。 第一条，，准确性，。 你看，AI有时候会胡编乱造，对吧？Einstein的做法是，尽量给它的回答附上解释和来源，就像写论文要列参考文献一样。而且，对于比较重要的场景，它还会建议你人工再检查一遍。这样做，就是避免AI乱说而你稀里糊涂就信了。 第二条，，安全性，。 这里不光是防黑客那种安全，更关键的是，它要从技术层面去检测并减少偏见、有毒言论或者有害内容。你想想，如果AI学会一些歧视性的说法，那后果多严重。Salesforce在这方面用了行业领先的技术，就是为了把这种风险降到最低。 第三条，，透明度，。 意思很简单，就是明明白白告诉你数据从哪儿来的。你的数据，它尊重；用到什么模型、怎么用的，它也会让你清楚。绝对不会偷偷把你的数据跟别人的混在一起乱用，一切以“你的数据”为根基。 第四条，，赋权，——这个说法很特别，它不是要去替代人，而是想“增强”人的能力。 产品设计的逻辑，就是帮你提高效率，让你做决策更聪明，但最终的决定权还是在你手里。你才是主角，AI只是你的超级助手。 最后一条，，可持续发展，。 训练AI模型其实特别耗电，碳排放巨大。所以Salesforce会去构建“合适大小”的模型，不过分追求“大”，而是在保证准确的前提下，尽量减小碳足迹。也就是说，它想的是，既要效果好，也要对环境友好。 你看这五项原则合在一起，就构成了一个既聪明又负责任的AI框架。好，这下你对“可信生成式AI”就有底了吧。
-
18
Reviewing Generative AI Outputs
第 19 页同学们，咱们来看这一页幻灯片，它讲的是我们在使用生成式AI，特别是在Agentforce这样的平台上构建智能服务时，必须时刻记在心里的一件事：，责任始终在我们自己身上，。 生成式AI确实是个好帮手，它能帮你更有创造力、提高效率，还能辅助做出更明智的业务决策。但是，请一定记住，它不能代替我们做最终的判断。你才是那个拍板的人。 无论你是手动写的回复，还是让大语言模型帮生成的回复，你的客户都会把它直接和你的品牌关联起来，甚至会依据这些内容来做出他们自己的决定。所以，你对任何要分享给客户的、由AI生成的回复，都负有最终责任。 那么，怎么把好这个关呢？当你审查那些面向外部受众的内容时，一定要盯住两个重点：准确性和安全性。具体来说，要去检查有没有“幻觉”——也就是AI编造出来的、看似合理但实际上根本不存在的信息；有没有偏见，也就是回复里是否带了不公平的倾向；还有没有毒性，比如包含攻击性、歧视性或者有害的内容。 如果生成出来的回复不符合你的标准，或者没达到公司的业务要求，你完全没必要硬着头皮用。有些工具允许最终用户直接编辑回复，但如果你觉得改起来太费劲，或者底子就是歪的，最好的做法就是干脆放弃这一条，重新生成另一个更靠谱的响应。 在Agentforce课程后面的动手环节里，你会有机会亲自去体验和审查AI代理生成的回复，那时就可以把今天这些检查清单用起来。记住，你才是那个赋予AI回复信任的最后一道关卡。
-
19
Next Steps & Additional Resources
第 20 页好，接下来咱们看一下这一页，讲的是接下来你应该做些什么。 这些内容看似有点技术，但其实很简单。我们用中文把它讲清楚。 首先，建议你去看一下 Salesforce 帮助文档里关于“Einstein 信任层”的部分。这个名字听起来有点高端，其实你可以把它想象成 AI 的一个安全防护罩。它确保我们调用模型的时候，不会传出去一些不该传的敏感数据，也能帮我们识别模型返回的内容是不是有什么问题。 这里面有两个要点，你一定要知道。一个是“毒性置信度评分”。它是什么呢？就是当模型生成了一段文本之后，系统会给它打一个分数，告诉我们这段话有多大可能含有攻击性、歧视性或者不友善的内容。这样我们就可以提前拦截，或者人工审核，避免直接推送给客户。 另一个是“数据掩蔽”。简单说就是，系统会自动把用户输入里的敏感信息——比如邮箱、电话、信用卡号——给隐藏掉，换成占位符。处理完之后再还原回来。这样在模型那边，根本接触不到真实数据，你的数据安全性就大大提升了。 说到底，这些都是为了确保我们的 AI 实施既合规又安全。如果你想让自己的 Agentforce 项目真正能被企业放心使用，这些信任机制是必须了解的。 最后，再给你推荐一个更深入的资源：去 Salesforce 研究网站上，找“可信人工智能”那个页面。那里会从原则、框架到实践，完整地介绍我们负责任的 AI 开发方法。看完之后，你对整个 AI 的信任体系会有一个更全局的认识。 好，这一页就是这些，建议你花点时间把这些文档翻一翻，对你后续搭建真正安全可靠的智能体非常有帮助。我们就讲到这儿，有什么问题随时提。
📋 课程信息
- 所属目录：ADG001
- 课程名称：Agentforce 入门指南
- 章节数量：19 个