Mønstre for agentets pålidelighed
Få mere at vide om veludformet pålidelighed → Agent Enterprise Pålidelighed
Mønstre
| Hvor skal du se | Hvad der ser godt ud |
|---|---|
| Platform | Platformscache | ✅ Implementer kredsløbsafbrydere, der sporer LLM-servicetilstandstilstanden i platformscache for lavt ventetidslæsninger i realtid, understøttet af tilpassede metadatatyper for tærskler og konfiguration. Da platformscache er den bedste indsats, bevares den åbne/udløbne tilstand i en holdbar butik (f.eks. et tilpasset objekt) snarere end kun cachen. Åbn kredsløbet på en justeret fejltærskel (f.eks. fem på hinanden følgende afledningsfejl), og distribuer til tilbagerulningsmønstre |
| Platform | Platformscache | ✅ Gem validerede svarskemaer i platformscache, der aktiverer hurtig validering af agentsvar op mod den forventede struktur |
| Agentforce | Meddelelsesskabelon | ✅ Når svarvalidering mislykkes, kan du prøve igen med justerede meddelelser, herunder valideringsfejlen og et eksempel på korrekt struktur (maksimalt 3-5 forsøg) |
| Agentforce | Sessionssporing | ✅ Brug Agentforce Sessionssporing til at undersøge agentens argumentationssti og opdage hallucinationer i dets output |
| Data 360 | Vektorøgning | ✅ Kræv, at agenter citerer Data 360-vektorsøgekilder, så skader kan krydsrefereres mod hentede kilder før handlingskørsel |
| Platform | Proactive Monitoring | ✅ For konti med berettigelsen Signatur succes skal du bruge Proactive Monitoring, hvor Salesforce-medarbejdere overvåger organisationen for nye problemer. Det er ikke en selvbetjeningskonfigurerbar advarsel |
| Platform | Skaleringscenter | ✅ Brug Skaleringscenter til at identificere specifikke agenthandlinger, der nærmer sig styringsbegrænsninger |
| Agentforce | Handlinger | ✅ Implementer sideinddeling i agenthandlinger, der henter store registreringssamlinger |
| Agentforce | Handlinger | ✅ Design agenthandlinger med hårde grænser (maksimalt 200 underordnede pr. overordnet), og implementer prøveudtagningsstrategier, når grænserne overskrides |
Anti-mønstre
| Hvor skal du se | Hvad ser dårligt ud |
|---|---|
| Platform | Tilpassede metadatatyper | ⚡️ Tilladelse af ubegrænsede afslutningsforsøg uden en afbryder, oprettelse af uendelige forsøgsløkker, når LLM-tjenesten nedgraderes |
| Agentforce | Meddelelsesskabelon | ⚡️ Forsøg på mislykkede agentsvar uden at inkludere valideringsfejlen og den forventede struktur i prøvemeddelelsen |
| Agentforce | Handlinger | ⚡️ Tillad agenter at anmode om ubegrænset kontekst (f.eks. “alle historikker”) uden faste grænser for underordnede pr. overordnet registrering |
| Agentforce | Handlinger | ⚡️ Design af agenthandlinger, der henter store registreringssamlinger uden sideinddeling, hvilket medfører spidser for styringsbegrænsninger |
| Einstein | Trust Layer | ⚡️ Sikrede agentsvar uden krydsreferenceringskrav mod basisdatakilder, der tillader hallucinationer at nå handlingskørsel |
| Platform | Organisation | ⚡️ Behandler LLM-tjenestetilgængelighed som identisk med Salesforce Platform-tilgængelighed i stedet for at overvåge den som en separat afhængighed |
Mønstre
| Hvor skal du se | Hvad der ser godt ud |
|---|---|
| Agentforce | Agentkonfiguration | ✅ Design tilbagerulningskæder på flere niveauer: full-context-agent → reduceret-kontekst-agent → deterministisk regelsystem → menneskelig håndtering via Omni-Channel |
| Agentforce | Agentkonfiguration | ✅ Konfigurer en sekundær agent ved brug af kondenseret kontekst (de sidste 30 dage kontra al historik, top 5 vektorsøgeresultater kontra top 20) for at reducere fejlsandsynlighed |
| Platform | Forløb | ✅ Implementer tilbagerulningslogik i orkestrering Forløb eller Apex udløst af platformsbegivenheder, registrering af hvilket niveau der lykkedes for synlighed i fejlmønstre |
| Platform | Forløb | ✅ Opbyg deterministisk forløbslogik eller Apex, der håndterer almindelige scenarier som tilbagerulning, når agentarrangering mislykkes (f.eks. standardvalideringsregler, regelbaseret scoreberegning) |
| Agentforce | Omni-Channel | ✅ Konfigurer færdighedsbaseret distribution for menneskelig afvisning, så eskaleringer når til relevant ekspertise |
| Agentforce | Omni-Channel | ✅ Videregiv fuld samtalekontekst til den menneskelige kø inklusive forsøgsstrategier, agentkonfidensscores og fejlårsager |
Anti-mønstre
| Hvor skal du se | Hvad ser dårligt ud |
|---|---|
| Agentforce | Agentkonfiguration | ⚡️ Design af agenter med en enkelt kørselssti, der mislykkes fuldstændigt, når en komponent nedbrydes |
| Agentforce | Agentkonfiguration | ⚡️ Brug af den samme fuldkontekstagentkonfiguration til tilbagerulningsforsøg i stedet for gradvist at forenkle konteksten |
| Agentforce | Omni-Channel | Distribution til menneskelig overførsel uden at overføre samtalekontekst, forsøgsstrategier eller fejlårsager, hvilket tvinger agenten til at starte fra grunden |
| Platform | Forløb | ⚡️ Ikke registrere, hvilket tilbagerulningsniveau der lykkedes, mister synlighed i fejlmønstre og tilbagerulningseffektivitet |
Mønstre
| Hvor skal du se | Hvad der ser godt ud |
|---|---|
| Platform | Platformsbegivenheder | ✅ Udgiv kontrolpunktbegivenheder efter hvert vellykket trin i agentarbejdsflows med flere trin, lagring af korrelations-id, fuldførte trin og tilstand, der er nødvendig for fortsættelse i begivenhedsdataene |
| Platform | Platformsbegivenheder | ✅ Design agentarbejdsflows som løst tilknyttede begivenhedskæder, hvor hver agent kan mislykkes og prøve igen uafhængigt uden at blokere hele arbejdsflowet |
| Platform | Platformsbegivenheder | ✅ Implementer forsøgskøer med eksponentielle tilbagerulningsforsinkelser (30 sekunder, 2 minutter, 8 minutter, 30 minutter) ved brug af platformsbegivenheder med optælling af forsøg i data |
| Platform | Platformsbegivenheder | ✅ Distribuer til dødstavskø og advarselshandlinger efter maksimale forsøg (typisk 5) er udtømt |
| Platform | Platformsbegivenheder | ✅ Inkluder korrelations-id i alle relaterede begivenheder. Brug API for platformsbegivenhedsgenafspilning til at genopbygge fuld arbejdsflowhistorik til fejlfinding |
| Platform | Platformsbegivenheder | ✅ Anvend det 72-timers genafspilningsbevarelsesvindue, der er tilgængeligt for højvolumen platformsbegivenheder (standardvolumenbegivenheder bevares i 24 timer) for at bevare prøvekøer gennem organisationsvedligeholdelsesvinduer eller nedetid for implementering |
Anti-mønstre
| Hvor skal du se | Hvad ser dårligt ud |
|---|---|
| Platform | Platformsbegivenheder | ⚡️ Opbygning af agentarbejdsflows med flere trin uden kontrolpunkter, der kræver fuld genudførelse, når et mellemliggende trin mislykkes |
| Platform | Platformsbegivenheder | ⚡️ Genprøve mislykkede agentanmodninger uden eksponentiel tilbagerulning, hvilket skaber thunderingshare-effekter på gendannelse af tjenester |
| Platform | Platformsbegivenheder | ⚡️ Design af tæt forbundne sekventielle arbejdsflows, hvor en enkelt agentfejl blokerer al downstream-behandling |
| Platform | Platformsbegivenheder | ⚡️ Udeladelse af korrelations-id’er fra begivenheder, hvilket gør det umuligt at spore og fejlfinde fuldstændig arbejdsflowkørsel |
| Platform | Platformsbegivenheder | ⚡️ Forsøger uendeligt uden et maksimalt antal forsøg eller død bogstavskø, forbruger platformsressourcer på permanent mislykkede handlinger |
Mønstre
| Hvor skal du se | Hvad der ser godt ud |
|---|---|
| Platform | Apex | ✅ Brug batch Apex til agenthandlinger, der analyserer 1.000+ registreringer, udnytter asynkrone styringsbegrænsninger (200 SOQL-forespørgsler, 150 DML-handlinger, 60 CPU pr. kørsel) |
| Platform | Apex | ✅ Brug Apex, der kan sættes i kø, til agentarbejdsflows med flere trin, der kræver flere eksterne API-kald eller udvidet behandlingstid. Spor status i tilpassede objekter, der aktiverer genoptagelse ved fejl |
| Platform | Apex | ✅ Brug @future-metoder til lette brand-og-glem-agenthandlinger (adviseringer, ekstern logføring, ikke-nødvendige opdateringer), hvor fejl kan tolereres |
| Platform | Apex Jobs | ✅ Overvåg asynkron behandlingskapacitet via siden Apex (Opsætning → Apex) og Apex Flex-køen: maksimalt 5 samtidige batchjob (yderligere jobkø i Flex-køen, op til 100 i holding-status) og den daglige grænse for asynkrone Apex-kørsler (DailyAsyncApexExecutions) for hele organisationen – det, der er større end 250.000 eller 200 gange antallet af brugerlicenser pr. 24 timer – fordelt på tværs af batch, kø, fremtid og planlagt Apex |
| Platform | Organisation | ✅ Advar, når asynkron forbrug nærmer sig grænser, der aktiverer proaktiv kapacitetsstyring, før agentbehandling blokeres |
Anti-mønstre
| Hvor skal du se | Hvad ser dårligt ud |
|---|---|
| Platform | Apex | ⚡️ Behandler 1.000+ registreringer i synkrone agenttransaktioner i stedet for at flytte til batch Apex, når grænsen på 100 SOQL-forespørgsler efter blot nogle få registreringer |
| Platform | Apex | ⚡️ Brug af kæder, der kan sættes i kø, uden at spore status i tilpassede objekter, hvilket forhindrer genoptagelsesfunktionen ved fejl |
| Platform | Organisation | ⚡️ Ikke at overvåge grænsen på 5 samtidige batchjob eller den delte daglige asynkrone Apex-kørselsgrænse (DailyAsyncApexExecutions – det, der er større end 250.000 eller 200 x brugerlicenser pr. 24 timer på tværs af Batch, Kø, Fremtid og Planlagt Apex), hvilket medfører, at agentbehandling forsvinder eller mislykkes |
Mønstre
| Hvor skal du se | Hvad der ser godt ud |
|---|---|
| Platform | Organisation | ✅ Indlæs agentydeevne i Full Copy Sandbox med datamængder på produktionsskala; simuler samtidige samtaler, der matcher spidsbehov |
| Platform | Organisation | ✅ Mål p95 og p99 forsinkelse under belastning, der identificerer ydeevnedegradering under stress. Valider styringsbegrænsning for forbrug, der forbliver under tærsklerne ved spidsbelastning |
| Agentforce | Agentkonfiguration | ✅ Udfør fejlinjicering: simulere fejl ved LLM-afledning i servicelaget, som din afbryder overvåger, injicere SOQL-undtagelser til test af fejlhåndtering, korrupte svar til test valideringslogik |
| Agentforce | Agentkonfiguration | ✅ Introducer dataskydning (konti med 10.000+ underordnede) under test for at validere sideinddelingslogik håndterer værste tilfælde-scenarier |
| Platform | Platformsbegivenheder | ✅ Udfør kaosteknik: inaktiver tilfældigt abonnenter af platformsbegivenhed, der tester gendannelse af afspilning, afslut asynkroniserede job ved afslutning af kontrolpunktgenstart |
| Platform | Organisation | ✅ Planlæg regelmæssige kaosdage i faseinddelte miljøer, der bevarer modstandsdygtighed, efterhånden som agenter udvikles |
| Platform | Organisation | ✅ Kør langsigtede stabilitetstest (72+ timer) overvågning for tidsafhængige fejl: akkumulere fejl og gradvist nedsætte ydeevnen |
| Platform | Organisation | ✅ Spor CPU-tidstendenser og -forbrug over udvidede perioder, der registrerer gradvis nedbrydning i kontekststyring |
Anti-mønstre
| Hvor skal du se | Hvad ser dårligt ud |
|---|---|
| Platform | Organisation | ⚡️ Indlæs test i Delvis kopi-sandbox med reducerede datamængder, hvilket giver vildledende tillid, da datamængden direkte påvirker agentydeevnen |
| Agentforce | Agentkonfiguration | ⚡️ Kun test af glade stier uden bevidst at introducere fejl for at validere afbrydere, prøve logik og timeouthåndtering |
| Platform | Organisation | ⚡️ Kør kun test af kort varighed, manglende tidsafhængige fejl (akkumulerede fejl, gradvis forringelse), der kun vises under vedvarende 72+-timers drift |
| Platform | Platformsbegivenheder | ⚡️ Test aldrig gendannelse af platformsbegivenhedsgenafspilning eller genstart af kontrolpunkt, så gendannelsesmekanismerne ikke valideres |
Mønstre
| Hvor skal du se | Hvad der ser godt ud |
|---|---|
| Forretning | Dokumentation | ✅ Etabler SLO’er før opbygning af agenter, ikke efter produktionsfejl. Definer mål for samtalesuccesfrekvens (typisk 95-99 %) pr. agenttype |
| Platform | Organisation | ✅ Spor samtalesuccesfrekvens som primær metrik for agentpålidelighed: procentdel af samtaler, der fuldføres uden fejl eller timeouts. Tæller en fornuftig afvisning til et menneske som en succes, da eskalering er det designede endelige tilbagerulningsniveau. Tæller kun mislykkede eller utilsigtede eskaleringer op mod metrikken |
| Platform | Organisation | ✅ Spor succesfrekvens separat efter agenttype og anvendelsessituation, da succeskriterier er forskellige mellem agentformål |
| Platform | Organisation | ✅ Beregn MTBF (Middle Time Between Failures) pr. agenttype for at identificere de mindst pålidelige agenter, der kræver optimeringsinvestering |
| Platform | Organisation | ✅ Mål Gennemsnitlig tid til gendannelse (MTTR - Measure Mean Time to Recovery); automatiser gendannelse via platformsbegivenhedsgenafspilning og strømafbrydere for meget hurtigere og mindre fejlvenlig gendannelse end manuel intervention |
| Einstein | Trust Layer | ✅ Eksempel på tilfældige agentsvar, der validerer skader mod Data 360-kilder for at måle nøjagtighed for grundlægning. Undersøg, når nøjagtigheden falder under 95 % |
| Platform | Platformsbegivenheder | ✅ Overvåg gaps for afspilning af platformsbegivenhed (begivenheder, der er glemt eller ikke-leveret) via et logføringsmønster på abonnentsiden, der registrerer hvert begivenheds replayId og korrelations-id til et tilpasset objekt |
| Platform | Organisation | ✅ Advar handlinger, når en SLI falder under dens definerede SLO-tærskel |
Anti-mønstre
| Hvor skal du se | Hvad ser dårligt ud |
|---|---|
| Forretning | Dokumentation | ⚡️ Opbygning af agenter uden at definere SLO’er først, kun ved at etablere pålidelighedsmål, når der forekommer produktionsfejl |
| Platform | Organisation | ⚡️ Brug af en enkelt aggregeret succesfrekvens på tværs af alle agenttyper i stedet for at spore separat efter agenttype og anvendelsessituation |
| Platform | Organisation | Vi er udelukkende afhængige af traditionel Salesforce-overvågning (Trust.salesforce.com) uden at spore agentspecifikke SLI’er som samtalesuccesfrekvens, MTBF, MTTR og nøjagtighed for fastgørelse |
| Platform | Organisation | ⚡️ Kræver manuel intervention for alle agentfejl i stedet for at automatisere gendannelse med platformsbegivenhedsgenafspilning og strømafbrydere |
| Einstein | Trust Layer | ⚡️ Du må aldrig prøve agentsvar for validering af nøjagtighed for landestandard, så hallucinationer ikke bliver registreret i produktion |
Mønstre
| Hvor skal du se | Hvad der ser godt ud |
|---|---|
| Agentforce | Agentkonfiguration | ✅ Design prøvemønstre, tilbagerulningskæder og eskaleringstærskler i agentarbejdsflows fra det indledende design, ikke som eftertænkninger |
| Agentforce | Handlinger | ✅ Masseinddel kontekstforberedelse og sideinddeling af store registreringssamlinger i agenthandlinger |
| Platform | Platformscache | ✅ Sæt hyppigt åbnede referencedata i cache i platform, der reducerer overflødige forespørgsler under forberedelse af agentkontekst |
| Platform | Skaleringscenter | ✅ Brug Skaleringscenter til at identificere ressourceintensive agenthandlinger, der kræver optimering |
| Platform | Platformsbegivenheder | ✅ Design selvgendannende arbejdsflows ved brug af platformsbegivenheder som holdbare prøvekøer med afbrydere, der beskytter eksterne afhængigheder |
| Agentforce | Agentkonfiguration | ✅ Inkluder altid menneskelig afvisning som sidste tilbagerulning i hver agents nedbrydningskæde |
| Platform | Organisation | ✅ Overvåg agent-SLI’er, der kontinuerligt advarer, når metrikker falder under SLO’er |
| Agentforce | Agentkonfiguration | ✅ Afbalancer autonom funktionalitet med relevant supervision: aktiver selvgendannelse fra midlertidige fejl, mens eskalering sker, når der opstår fald i tillid eller kanttilfælde |
Anti-mønstre
| Hvor skal du se | Hvad ser dårligt ud |
|---|---|
| Agentforce | Agentkonfiguration | Tilføjelse af pålidelighedsmekanismer (forsøg, tilbagerulning, eskalering) som eftertænkninger i stedet for at designe dem fra starten |
| Agentforce | Handlinger | ⚡️ Ikke massebehandler kontekstforberedelse, hvilket forårsager styringsbegrænsningsfejl under forespørgselsmønstre i den virkelige verden |
| Platform | Organisation | ⚡️ Ikke at overvåge API-forbrug og tildeling af platformsbegivenhed proaktivt og kun at finde grænser, når agenter mislykkes |
| Agentforce | Agentkonfiguration | ⚡️ Design af agentkæder uden en menneskelig afvisning som endeligt tilbagerulning, og efterlader ingen gendannelsesti, når alle automatiserede indstillinger er udtømte |
| Agentforce | Agentkonfiguration | ⚡️ Tildeling af agenter fuldt autonom drift uden eskaleringstærskler for situationer med lavt konfidensniveau eller kantsager |