客服主管如何在 Salesforce Service Cloud 中部署与监控 Agentforce Service Agent 以处理入站工单

客户支持管理者面临着持续的压力：减少工单积压、缩短平均处理时长，并在各个数字渠道保持高水准的客户满意度。直接内置于 Service Cloud 中的新一代自主客户服务 AI——Salesforce Agentforce Service Agents，通过自主处理常规入站咨询，同时保留无缝的人工升级路径，有效应对了这一挑战。成功落地 Agentforce 需要结构化的部署方法、借助 Omni-Channel Supervisor 进行前瞻性运营监督，以及持续的绩效追踪。本指南将引导支持管理者完成配置、上线、监督和优化 Agentforce Service Agents 以实现入站工单解决的全流程。

理解 Agentforce 在 Service Cloud 中的定位

与依赖刻板决策树的传统规则型聊天机器人不同，Agentforce Service Agents 使用由推理引擎协调的生成式大语言模型（LLM）。Agentforce 智能体无需遵循预设的分支脚本，而是根据已定义的业务主题（Topics）评估入站客户消息，识别客户意图，并利用可信的 CRM 数据执行相应操作。

在标准 Service Cloud 架构中，Agentforce Service Agent 充当入站数字渠道的第一道防线。它可以回答政策问题、查询实时订单状态、处理标准交易（如地址更新或预约排程），并在将复杂问题升级给人工客服之前收集前置信息。

Agentforce 的基石依赖于 Salesforce 平台内的三大支柱：

• Salesforce Data Cloud 与 Knowledge： 基于企业知识库与客户上下文的 Grounding（数据接地）机制，确保智能体检索经过验证的企业知识库文章和客户记录背景，最大限度减少模型幻觉。
• Einstein Trust Layer： 内联安全机制，严格执行与 LLM 提供商的零数据保留协议，脱敏个人身份信息（PII），并进行实时有害内容审查。
• Omni-Channel 集成： 统一路由将 AI 智能体视为数字化团队成员，在跨消息渠道中实现一致的工作负载平衡、队列管理与人工移交。

部署前准备与数据就绪

在 Salesforce Setup 中配置 AI 智能体之前，支持管理者必须确保运营和数据基础已准备就绪。AI 智能体的准确性和有效性完全取决于其引用的数据质量。

1. 许可证与权限配置

确保组织拥有有效的 Agentforce 许可证，并在 Setup 中启用了 Einstein Generative AI。负责构建和监督智能体的支持管理者和管理员需要特定权限集：

• Manage Agentforce Service Agents 和 Manage AI Agents：用于构建、配置和更新智能体逻辑。
• Contact Center Supervisor 或具备访问 Omni-Channel Supervisor 中 AI Agents 标签页的自定义主管权限。
• 标准 Omni-Channel 权限：用于管理状态配置、路由配置文件和服务队列。

2. 知识库完备性与数据接地

审查现有 Salesforce Knowledge 文章，确保内容最新、结构清晰且语言精炼。Agentforce 使用检索增强生成（RAG）引用知识库：

• 归档陈旧文章，解决跨历史版本之间的冲突文档。
• 使用清晰的标题、项目符号和明确步骤组织文章结构，使语义检索更加可靠。
• 验证文章可见性设置，确保智能体仅检索面向客户的公开文档，而非仅供内部坐席参考的备注。

3. Data Cloud 中的统一客户数据

利用 Data Cloud 将跨联系人记录、客户账户和外部交易系统的客户标识符连接起来。当入站工单到达时，智能体利用该统一档案识别客户身份、查看近期交易并个性化回复，而无需重复询问验证问题。

Service Cloud 分步部署指南

部署 Agentforce Service Agent 涉及在 Agent Builder 中配置智能体行为、定义业务边界、建立业务操作（Actions），并将智能体关联到入站沟通渠道。

步骤 1：配置智能体角色人设与全局指令

打开 Setup，导航至 Agentforce Agents，创建或选择 Service Agent 以启动 Agent Builder。

1. 定义智能体身份： 设置智能体名称、公开人设（Persona）和首选语言。
2. 设置系统指令： 就智能体的身份、语气和操作边界提供清晰的高层次指引。明确智能体如何做自我介绍（例如明确说明自己是自动化助手），以及必须采用何种语言风格（专业、同理心且精炼）。
3. 指定范围外指令（Out-of-Scope Directives）： 明确告知智能体必须谢绝或立即转接给人工客服的主题，例如法律咨询、超过特定金额的账单争议，或客户明确要求人工协助的情况。

步骤 2：构建主题（Topics）与子主题

主题定义了智能体被授权处理的业务领域。支持管理者不应将所有指令打包到单个庞大的提示词中，而应将业务逻辑划分为模块化主题：

每个主题都需要自己独立的描述性范围和清晰的指令集。推理引擎根据客户提示词，依靠主题描述来判断何时激活该主题。

步骤 3：为主题配置操作（Actions）

操作是使 Agentforce 智能体能够在 Salesforce 中检索信息或执行更新的可执行工具。操作可通过以下方式创建：

• Autolaunched Flows： 最适合声明式工作流，例如更新 Case 记录、生成退货授权（RMA）编号或查询库存水平。
• Apex Classes： 用于复杂逻辑、跨系统数据查询或对性能有严格要求的操作。
• Prompt Templates： 在 Prompt Builder 中构建，用于利用特定记录字段生成定制摘要或格式化回复。
• MuleSoft APIs： 集成以连接外部企业资源规划（ERP）或传统订单履约数据库。

每个操作都必须有清晰记录的输入和输出参数。推理引擎会检查这些参数描述，以确定从对话中提取哪些值并传入操作中。

步骤 4：通过 Omni-Channel Flow 配置入站路由

要将入站客户咨询引导至 Agentforce Service Agent，请在 Flow Builder 中创建 Omni-Channel Flow：

1. 新建类型为 Omni-Channel Flow (Contact Center) 的流。
2. 将 Route Work 元素添加到流画布中。
3. 在路由配置中，将路由服务设置为 Agentforce，并选择在 Agent Builder 中创建的特定 Service Agent。
4. 定义人工客服后备队列，以防 AI 智能体离线、达到最大并发会话限制或遇到执行故障。
5. 保存并激活该流。

步骤 5：连接沟通渠道

将 Omni-Channel Flow 关联到面向客户的触点：

• Web 与移动端 Embedded Messaging： 将 Embedded Messaging 组件添加到 Salesforce Experience Cloud 站点，或将部署代码片段嵌入外部客户门户。
• 第三方消息渠道： 通过 Service Cloud Messaging 渠道连接 WhatsApp、SMS 或 Facebook Messenger，将入站会话直接通过已激活的 Omni-Channel Flow 进行路由。

设计防故障的人工转接工作流

只有当客户确信随时能够获得人工协助时，自主客户服务才能取得成功。支持管理者必须建立清晰的转接触发器和无缝的上下文传递机制。

转接触发器

在 Agent Builder 中配置显式与隐式升级规则：

• 显式触发器： 客户输入“联系人工”、“转人工客服”或“代表”等短语。智能体必须立即响应请求，不得争辩或反复询问原因。
• 意图复杂度限制： 如果客户咨询不匹配任何已定义主题，或需要超出智能体范围的权限，则触发自动转接。
• 重复理解失败阈值： 如果智能体连续两次未能理解客户的回答，则升级互动以防止客户产生挫败感。
• 情绪与风险信号： 监控负面情绪关键词或检测到的升级标记，在满意度恶化之前将客户转接给人工。

转接时的上下文保留

当 Agentforce 智能体将互动转入人工队列时，接收的客服人员绝不能让客户重复陈述问题。为此应做到：

1. 传递完整聊天记录： 活动中的 Messaging Session 记录直接转入人工客服的 Service Console 工作区，保留完整对话历史。
2. 生成 AI 工单摘要： 利用 Agentforce Case Summarization 生成三句话梗概，概述客户问题、AI 智能体已尝试的操作以及升级原因。
3. 预填充工单字段： 确保智能体的操作已在底层 Case 记录上预先填入了标准字段，例如联系人姓名、已验证账户 ID、主题和初始分类。

使用 Omni-Channel Supervisor 进行实时监控

智能体上线后，支持管理者通过 Omni-Channel Supervisor（在增强配置中亦称为 Command Center for Service）监督运营。

浏览 AI Agents 标签页

Omni-Channel Supervisor 包含专为协同管理自主智能体与人工团队而设计的 AI Agents 标签页：

• 活动会话视图（Active Sessions View）： 实时显示由 Agentforce 处理的所有并发会话，包括客户姓名、渠道、互动持续时长以及当前活动主题。
• 工作负载分布： 显示容量利用率和入站流量趋势，帮助管理者预判人工队列的需求高峰。

实时会话查看与干预

主管可以在实时客户互动期间直接介入：

• 实时记录监控： 单击活动会话上的 Monitor 按钮可打开实时记录窗口。主管可以在客户与 AI 智能体交流时实时查看对话展开情况。
• 一键转接给坐席（Transfer to Rep）： 如果主管注意到智能体误解了复杂的细微差别，或者观察到客户感到不满，可以单击 Transfer to Rep。此操作会立即断开 AI 智能体与对话的连接，并将客户以高优先级放入指定的人工队列中。
• 标记会话： 情绪下降或客户表现出困扰的互动可以在主管仪表盘上自动标记，提醒管理者复查该会话。

绩效追踪与分析

评估 AI 智能体需要衡量运营效率、解决成效和客户感知的多维指标。支持管理者可通过 Agentforce Studio (Observe & Optimize > Analytics)、Tableau 驱动的仪表盘以及标准 Salesforce 报表访问这些洞察。

关键绩效指标 (KPIs)

在 Data Cloud 中使用 Agent Session Tracing

Agentforce 在 Data Cloud 中的 Agent Session Tracing 模型下存储详细的执行遥测数据。这提供了对以下内容的精细洞察：

• 单次 LLM 调用与延迟。
• 匹配的主题与未匹配的用户查询。
• 操作执行成功率（例如流成功完成与抛出验证错误的频率对比）。
• 由 Einstein Trust Layer 触发的护栏激活情况。

LLM 辅助评估

仅依赖“未转接即关闭会话”可能会产生误导，因为客户可能仅仅是因为挫败而放弃了聊天。Salesforce 引入了基于 LLM 的评估评判机制，对已关闭的会话进行复审以对解决质量打分。这些评估模型会评估客户提出的问题是否得到了直接回答，从而将真正的解决与客户流失区分开来。

持续优化节奏

部署 Agentforce Service Agent 并非一劳永逸的项目；它需要持续的治理与迭代。支持管理者应建立结构化的周度和月度优化节奏：

周度复盘：
  1. 检查未匹配查询（Unmatched Queries）
     └── 找出没有匹配主题的反复出现的客户问题。
  2. 审查升级记录（Escalated Transcripts）
     └── 定位智能体陷入死胡同或误解意图的节点。
  3. 审查负面 CSAT 会话
     └── 找出体验摩擦点、易混淆的表述或失败的操作。

月度优化：
  1. 更新 Salesforce Knowledge 文章
     └── 纳入新产品政策、常见问题及排障步骤。
  2. 完善主题指令与边界
     └── 阐明 Agent Builder 中的描述，防止主题重叠。
  3. 扩充操作目录（Action Catalog）
     └── 将频繁的手动任务转化为自动化 Flows 或 Apex 操作。
  4. 在 Sandbox 环境中测试
     └── 在推向生产环境前，验证提示词修改与新操作。

长期成功的最佳实践

• 审慎组合指标： 始终将解决率与 CSAT 和客户费力度评分结合分析。自主解决率高而 CSAT 暴跌表明客户在问题未解决的情况下离开了。
• 采用分阶段上线策略： 首先在低风险的信息类主题（如营业时间、物流常见问题和退货政策）上部署智能体。待表现稳定后，再引入交易类操作（如订单取消、地址更新和保修登记）。
• 保持清晰的权责划分： 在支持团队领导层、Salesforce 管理员和知识库管理者之间建立联合运营团队，确保提示词指令、流逻辑和参考文档与业务变化保持同步。

相关资源汇总

需要详细实施指南和技术文档的支持管理者可参考以下官方资源：

• Salesforce Help: Agentforce Service Agent Overview
• Salesforce Help: Monitor AI Agents in Omni-Channel Supervisor
• Salesforce Help: Observe and Optimize Agentforce Performance
• Salesforce Help: Einstein Trust Layer Architecture
• Salesforce Product Guide: Agentforce for Service