Padrões de confiabilidade do agente
Saiba mais sobre a confiabilidade bem construída → Agent Enterprise Reliability
Padrões
| Onde procurar | Qual é a boa aparência |
|---|---|
| Plataforma | Cache da plataforma | ✅ Implemente quebradores de circuito que rastreiam o estado de integridade do serviço LLM no Cache da plataforma para leituras em tempo real de baixa latência, com suporte de Tipos de metadados personalizados para limites e configuração; como o Cache da plataforma é o melhor esforço, mantenha o estado aberto/descartado em uma loja durável (como um objeto personalizado) em vez de apenas no cache. Abra o circuito em um limite de falha ajustado (por exemplo, cinco falhas de inferência consecutivas) e encaminhe para padrões de fallback |
| Plataforma | Cache da plataforma | ✅ Armazene esquemas de resposta validados no Cache da plataforma, permitindo uma rápida validação das respostas do agente em relação à estrutura esperada |
| Agentforce | Modelo de prompt | ✅ Quando a validação da resposta falha, tente novamente com avisos refinados, incluindo o erro de validação e um exemplo de estrutura correta (máximo de três a cinco tentativas) |
| Agentforce | Rastreamento de sessão | ✅ Use os rastreamentos de raciocínio de rastreamento de sessão do Agentforce para inspecionar o caminho de raciocínio do agente e detectar alucinações em suas saídas |
| Data 360 | Pesquisa de vetores | ✅ Exigir que os agentes citem fontes de pesquisa vetorial do Data 360 para que as declarações possam ser referenciadas entre fontes recuperadas antes da execução da ação |
| Plataforma | Proactive Monitoring | ✅ Para contas com o direito de Signature Success, confie no Proactive Monitoring, em que a equipe do Salesforce monitora a organização para problemas emergentes; não é um alerta configurável de autoatendimento |
| Plataforma | Centro de escala | ✅ Use o Centro de escala para identificar operações específicas do agente se aproximando dos limites do regulador |
| Agentforce | Ação | ✅ Implementar paginação em ações do agente recuperando grandes coleções de registros |
| Agentforce | Ação | ✅ Projete ações do agente com limites rígidos (máximo de 200 filhos por pai) e implemente estratégias de amostragem quando os limites forem excedidos |
Anti-Padrões
| Onde procurar | Qual é a aparência ruim |
|---|---|
| Plataforma | Tipos de metadados personalizados | Permitir novas tentativas ilimitadas de inferência sem um disjuntor, criando loops de novas tentativas infinitas quando o serviço de LLM é reduzido |
| Agentforce | Modelo de prompt | ⚡️ Tentar novamente as respostas do agente com falha sem incluir o erro de validação e a estrutura esperada no prompt de nova tentativa |
| Agentforce | Ação | ⚡️ Permitir que os agentes solicitem contexto ilimitado (por exemplo, “todo o histórico”) sem limites rígidos de filhos por registro pai |
| Agentforce | Ação | ⚡️ Projetar ações do agente que recuperam grandes coleções de registros sem paginação, causando picos de limite do regulador |
| Einstein | Camada Trust | ⚡️ Confiar nas respostas do agente sem reivindicações de referência cruzada contra fontes de dados de fundamentação, permitindo que as alucinações cheguem à execução da ação |
| Plataforma | Organização | ⚡️ Tratar a disponibilidade do serviço LLM como idêntica à disponibilidade da Salesforce Platform em vez de monitorá-la como uma dependência separada |
Padrões
| Onde procurar | Qual é a boa aparência |
|---|---|
| Agentforce | Configuração do agente | ✅ Projetar cadeias de fallback de vários níveis: agente de contexto completo → agente de contexto reduzido → mecanismo de regra determinística → transferência humana por Omni-Channel |
| Agentforce | Configuração do agente | ✅ Configure um agente secundário usando contexto condensado (últimos 30 dias vs. todo o histórico, os cinco principais resultados da pesquisa do vetor vs. os 20 principais) para reduzir a probabilidade de falha |
| Plataforma | Fluxo | ✅ Implementar lógica de fallback no Fluxo de orquestração ou Apex acionado por Eventos de plataforma, registrando qual nível foi bem-sucedido para visibilidade nos padrões de falha |
| Plataforma | Fluxo | ✅ Criar fluxo determinístico ou lógica do Apex que lida com cenários comuns como fallback quando o raciocínio do agente falha (por exemplo, regras de validação padrão, cálculo de pontuação baseado em regra) |
| Agentforce | Omni-Channel | ✅ Configure o roteamento baseado em habilidades para transferência humana garantindo que os escalonamentos alcancem o conhecimento adequado |
| Agentforce | Omni-Channel | ✅ Passe todo o contexto da conversa para a fila humana, incluindo tentativas de estratégias, pontuações de confiança do agente e motivos para falha |
Anti-Padrões
| Onde procurar | Qual é a aparência ruim |
|---|---|
| Agentforce | Configuração do agente | ⚡️ Projetar agentes com um único caminho de execução que falha completamente quando qualquer componente é reduzido |
| Agentforce | Configuração do agente | ⚡️ Usar a mesma configuração de agente de contexto completo para tentativas de fallback em vez de simplificar progressivamente o contexto |
| Agentforce | Omni-Channel | Roteamento para transferência humana sem passar o contexto da conversa, estratégias tentadas ou motivos para falha, forçando o agente a começar do zero |
| Plataforma | Fluxo | ⚡️ Não registrar qual nível de fallback foi bem-sucedido, perdendo visibilidade de padrões de falha e eficácia de fallback |
Padrões
| Onde procurar | Qual é a boa aparência |
|---|---|
| Plataforma | Eventos de plataforma | ✅ Publique eventos de ponto de verificação após cada etapa bem-sucedida em fluxos de trabalho de agente de várias etapas, armazenando o ID de correlação, as etapas concluídas e o estado necessário para continuação na carga útil do evento |
| Plataforma | Eventos de plataforma | ✅ Projete fluxos de trabalho do agente como cadeias de eventos soltas em que cada agente pode falhar e tentar novamente de forma independente sem bloquear todo o fluxo de trabalho |
| Plataforma | Eventos de plataforma | ✅ Implemente filas de nova tentativa com atrasos exponenciais de retrospectiva (30s, 2min, 8min, 30min) usando Eventos de plataforma com contagem de novas tentativas na carga útil |
| Plataforma | Eventos de plataforma | ✅ Rotear para a fila de mensagens mortas e alertar operações após o máximo de novas tentativas (geralmente 5) serem esgotadas |
| Plataforma | Eventos de plataforma | ✅ Inclua o ID de correlação em todos os eventos relacionados; use a API de reprodução de evento de plataforma para reconstruir o histórico de fluxo de trabalho completo para depuração |
| Plataforma | Eventos de plataforma | ✅ Aproveite a janela de retenção de reprodução de 72 horas disponível para eventos de plataforma de alto volume (eventos de volume padrão são retidos por 24 horas) para preservar filas de novas tentativas por meio de janelas de manutenção da organização ou tempo de inatividade da implementação |
Anti-Padrões
| Onde procurar | Qual é a aparência ruim |
|---|---|
| Plataforma | Eventos de plataforma | Criar fluxos de trabalho do agente de várias etapas sem apontar de verificação, exigindo reexecução completa quando qualquer etapa intermediária falhar |
| Plataforma | Eventos de plataforma | ⚡️ Repetir as tentativas de solicitações de agente com falha sem retroceder exponencialmente, criando efeitos de turbilhão em serviços de recuperação |
| Plataforma | Eventos de plataforma | ⚡️ Projetar fluxos de trabalho sequenciais fortemente acoplados em que uma falha de um único agente bloqueia todo o processamento posterior |
| Plataforma | Eventos de plataforma | ⚡️ Omitir IDs de correlação de eventos, tornando impossível rastrear e depurar a execução completa do fluxo de trabalho |
| Plataforma | Eventos de plataforma | ⚡️ Tentar novamente indefinidamente sem uma contagem máxima de novas tentativas ou fila de mensagens mortas, consumindo recursos de plataforma em operações com falha permanente |
Padrões
| Onde procurar | Qual é a boa aparência |
|---|---|
| Plataforma | Apex | ✅ Use o Apex em lote para operações de agente analisando mais de 1.000 registros, aproveitando limites de regulador assíncrono (200 consultas SOQL, 150 operações DML, 60s CPU por executar) |
| Plataforma | Apex | ✅ Use cadeias do Apex enfileiráveis para fluxos de trabalho de agente de várias etapas que exigem várias chamadas à API externas ou tempo de processamento estendido; acompanhe o progresso em objetos personalizados permitindo retomar quando falha |
| Plataforma | Apex | ✅ Usar métodos @future para operações de agente com foco e esquecimento leves (notificações, registro externo, atualizações não urgentes) em que a falha seja tolerável |
| Plataforma | Trabalhos do Apex | ✅ Monitore a capacidade de processamento assíncrono por meio da página Trabalhos do Apex (Configuração → Trabalhos do Apex) e da Fila Flex do Apex: máximo de 5 trabalhos em lote simultâneos (fila de trabalhos adicionais na Fila flexível, até 100 no status de Espera) e o limite diário para execuções assíncronas do Apex em toda a organização (DailyAsyncApexExecutions) — o maior de 250.000 ou 200 × o número de licenças de usuário por 24 horas — compartilhado entre Apex em lote, Em fila, Futuro e Agendado |
| Plataforma | Organização | ✅ Alerta quando o consumo assíncrono se aproxima dos limites habilitando o gerenciamento proativo de capacidade antes que o processamento do agente seja bloqueado |
Anti-Padrões
| Onde procurar | Qual é a aparência ruim |
|---|---|
| Plataforma | Apex | Processamento de mais de 1.000 registros em transações síncronas do agente em vez de passar para o Apex em lote, atingindo o limite de 100 consultas SOQL após apenas alguns registros |
| Plataforma | Apex | ⚡️ Usar cadeias enfileiráveis sem rastrear o progresso em objetos personalizados, impedindo o recurso retomar quando falhar |
| Plataforma | Organização | ⚡️ Não monitorar o limite de 5 trabalhos em lote simultâneos ou o limite diário compartilhado de execução assíncrona do Apex (DailyAsyncApexExecutions — maior que 250.000 ou 200 × licenças de usuário por 24 horas, em Apex em lote, enfileirável, futuro e agendado), fazendo com que o processamento do agente fique em fila ou falhe silenciosamente |
Padrões
| Onde procurar | Qual é a boa aparência |
|---|---|
| Plataforma | Organização | ✅ Carregue o desempenho do agente de teste no Full Copy Sandbox com volumes de dados em escala de produção; simule conversas simultâneas que correspondam à demanda máxima |
| Plataforma | Organização | ✅ Medir a latência p95 e p99 sob carga para identificar a degradação do desempenho sob estresse; validar o limite de consumo do regulador permanece abaixo dos limites na carga máxima |
| Agentforce | Configuração do agente | ✅ Realizar injeção de falha: simular falhas de inferência de LLM na camada de serviço que seu disjuntor monitora, injetar exceções SOQL para processamento de erro de teste, responder corrompido para testar a lógica de validação |
| Agentforce | Configuração do agente | ✅ Apresente o desvio de dados (contas com mais de 10.000 filhos) durante o teste para validar as lógicas de paginação que lidam com cenários de pior caso |
| Plataforma | Eventos de plataforma | ✅ Realizar engenharia de caos: desabilitar aleatoriamente os assinantes de evento de plataforma testando a recuperação de reprodução, encerrar trabalhos assíncronos no meio da execução reinicialização do ponto de verificação de teste |
| Plataforma | Organização | ✅ Agende dias de caos regulares em ambientes de preparação mantendo a resiliência conforme os agentes evoluem |
| Plataforma | Organização | ✅ Execute o monitoramento de testes de estabilidade de execução longa (72 horas ou mais) para falhas dependentes de tempo: acumulando erros e reduzindo gradualmente o desempenho |
| Plataforma | Organização | ✅ Acompanhe tendências de tempo de CPU e consumo de heap em períodos estendidos detectando degradação gradual no gerenciamento de contexto |
Anti-Padrões
| Onde procurar | Qual é a aparência ruim |
|---|---|
| Plataforma | Organização | Teste de carregamento no Sandbox de Cópia parcial com volumes de dados reduzidos, fornecendo confiança enganosa, pois o volume de dados afeta diretamente o desempenho do agente |
| Agentforce | Configuração do agente | Teste apenas caminhos satisfeitos sem introduzir intencionalmente falhas para validar interruptores de circuito, retomar a lógica e lidar com tempo limite |
| Plataforma | Organização | Executar apenas testes de curta duração, falhas dependentes de tempo ausentes (erros acumulados, degradação gradual) que aparecem apenas em operação sustentada de mais de 72 horas |
| Plataforma | Eventos de plataforma | ⚡️ Nunca teste a recuperação de repetição de evento de plataforma ou reinicialização do ponto de verificação, deixando os mecanismos de resiliência não validados |
Padrões
| Onde procurar | Qual é a boa aparência |
|---|---|
| Negócios | Documentação | ✅ Estabelecer SLOs antes de criar agentes, não após falhas de produção; definir metas de taxa de sucesso da conversa (geralmente 95-99%) por tipo de agente |
| Plataforma | Organização | ✅ Rastrear a taxa de sucesso da conversa como métrica de confiabilidade principal do agente: porcentagem de conversas concluídas sem erros ou tempos limite. Conta uma transferência agradável para um ser humano como um sucesso, pois a escalação é o nível de fallback final projetado; conte apenas escalonamentos com falha ou inadvertidos em relação à métrica |
| Plataforma | Organização | ✅ Rastreie a taxa de sucesso separadamente por tipo de agente e caso de uso, pois os critérios de sucesso diferem entre as finalidades do agente |
| Plataforma | Organização | ✅ Calcular o tempo médio entre falhas (MTBF) por tipo de agente para identificar os agentes menos confiáveis que precisam de investimento na otimização |
| Plataforma | Organização | ✅ Meça o tempo médio para recuperação (MTTR); automatize a recuperação por meio de reprodução de evento de plataforma e quebradores de circuito para uma recuperação muito mais rápida e menos propensa a erros do que intervenção manual |
| Einstein | Camada Trust | ✅ Amostras de respostas aleatórias do agente que validam declarações em fontes do Data 360 para medir a precisão da fundamentação; investigar quando a precisão cai abaixo de 95% |
| Plataforma | Eventos de plataforma | ✅ Monitore lacunas de reprodução de evento de plataforma (eventos perdidos ou não entregues) por meio de um padrão de registro no lado do assinante que registra o replayId e o ID de correlação de cada evento para um objeto personalizado |
| Plataforma | Organização | ✅ Alerta operações quando qualquer SLI cair abaixo do limite de SLO definido |
Anti-Padrões
| Onde procurar | Qual é a aparência ruim |
|---|---|
| Negócios | Documentação | Criar agentes sem definir SLOs primeiro, estabelecendo metas de confiabilidade apenas após a ocorrência de falhas de produção |
| Plataforma | Organização | ⚡️ Usar uma única taxa de sucesso agregada em todos os tipos de agente em vez de rastrear separadamente por tipo de agente e caso de uso |
| Plataforma | Organização | Confiar apenas no monitoramento tradicional do Salesforce (trust.salesforce.com) sem rastrear SLIs específicos do agente, como taxa de sucesso da conversa, MTBF, MTTR e precisão de fundamentação |
| Plataforma | Organização | ⚡️ Exigindo intervenção manual para todas as falhas do agente em vez de automatizar a recuperação com repetição de evento de plataforma e quebradores de circuito |
| Einstein | Camada Trust | ⚡️ Nunca amostrar respostas do agente para validação de precisão de fundamentação, permitindo que a alucinação não seja detectada na produção |
Padrões
| Onde procurar | Qual é a boa aparência |
|---|---|
| Agentforce | Configuração do agente | ✅ Projetar padrões de nova tentativa, cadeias de fallback e limites de escalação em fluxos de trabalho do agente do design inicial, não como reflexões posteriores |
| Agentforce | Ação | ✅ Massifique a preparação de contexto e pagina grandes coleções de registros em ações do agente |
| Plataforma | Cache da plataforma | ✅ Armazenar em cache os dados de referência acessados com frequência no Cache da plataforma, reduzindo consultas redundantes durante a preparação do contexto do agente |
| Plataforma | Centro de escala | ✅ Use o Centro de escala para identificar operações de agente com uso intensivo de recursos que precisam de otimização |
| Plataforma | Eventos de plataforma | ✅ Projetar fluxos de trabalho de auto-recuperação usando Eventos de plataforma como filas de repetição duráveis com disruptores de circuito protegendo dependências externas |
| Agentforce | Configuração do agente | ✅ Sempre inclua transferência humana como fallback final na cadeia de degradação de cada agente |
| Plataforma | Organização | ✅ Monitorar SLIs do agente que alertam continuamente quando as métricas ficam abaixo dos SLOs |
| Agentforce | Configuração do agente | ✅ Balancear a funcionalidade autônoma com a supervisão adequada: habilitar a auto-recuperação de falhas temporárias enquanto escala quando a confiança cai ou casos de ponta aparecem |
Anti-Padrões
| Onde procurar | Qual é a aparência ruim |
|---|---|
| Agentforce | Configuração do agente | ⚡️ Adicionar mecanismos de confiabilidade (retry, fallback, escalonamento) como pensamentos posteriores em vez de projetá-los desde o início |
| Agentforce | Ação | ⚡️ Não massifica a preparação do contexto, causando falhas de limite do controlador em padrões de consulta do mundo real |
| Plataforma | Organização | ⚡️ Não monitorar o consumo da API e a alocação de evento de plataforma de modo proativo, descobrir limites apenas quando os agentes falham |
| Agentforce | Configuração do agente | ⚡️ Projetar cadeias de agentes sem uma transferência humana como fallback final, deixando nenhum caminho de recuperação quando todas as opções automatizadas estiverem esgotadas |
| Agentforce | Configuração do agente | ⚡️ Conceder aos agentes operação totalmente autônoma sem limites de escalação para situações de baixa confiança ou casos de ponta |