Salesforce Einstein：Salesforce AI

为什么需要 Salesforce Einstein：企业 AI 不能脱离 CRM 数据与治理

传统 CRM 的痛点很明显：销售与服务代表的大量时间花在重复性工作上——筛选线索靠经验、写跟进邮件靠复制模板、客服第一响应靠人工逐条读工单。规则式自动化（如 Flow）能处理固定分支，但遇到非结构化请求（自然语言、情绪、上下文）就失效。企业想引入大模型，却发现 ChatGPT 类 API 无法直接访问 CRM 记录、无法解释“这条线索为什么该优先处理”，更无法通过安全审计。

Einstein 的解法是把 AI 直接构建在 Salesforce 平台的数据与元数据之上：预测式模型读取历史 CRM 数据生成评分与推荐，生成式模型通过 Prompt Builder 用记录字段动态组装提示词，Agentforce 则在授权范围内自主执行动作。三者共用一套权限模型与审计体系。最关键的是 Trust Layer——大模型请求出域前对敏感字段做掩码，并承诺零数据保留，这让客户数据可以在合规边界内被 AI 使用。

与 LangChain/LlamaIndex 这类通用编排框架相比，Einstein 的气质是“平台内嵌、治理优先”：不追求自由度，追求在 Salesforce 生态内最短路径产出业务价值。适合已经运行 Salesforce、且必须把数据合规放在第一位的企业，而不是需要完全自控管道的团队。

安装与环境配置：4 步就绪

Einstein 是云服务，没有本地安装包，“安装”实际是在 Salesforce 组织（Org）中开通功能位并配置权限。

步骤一·开通 Einstein 功能位。使用 Enterprise 及以上版本（或 Einstein 1 Sales/Service 版），管理员登录后在 Setup 中搜索 "Einstein"，按功能打开开关（Einstein 预测、Prompt Builder、Agentforce 等），部分能力需单独购买 Add-On 许可。

步骤二·安装 Salesforce CLI（开发者路径）。本地安装官方 CLI 用于授权与后续元数据部署。

步骤三·配置权限与数据。创建或分配 Einstein 权限集（Permission Set），确认记录字段可见性；需要检索增强生成时，先在 Data Cloud 中连通数据源并建立向量索引。

步骤四·验证。在 Setup → Einstein 查看功能列表；用 CLI 确认组织连接与版本符合要求。

# 1) 安装 Salesforce CLI（需 Node.js 18+）npm install @salesforce/cli --global # 2) 授权目标组织（生产或沙盒）sf org login web --alias einstein-demo # 3) 确认组织版本（必须 Enterprise 及以上或含 Einstein 许可）sf org display --target-org einstein-demo # 4) 打开组织后台核对 Einstein 功能位sf org open --target-org einstein-demo

快速上手：15 分钟跑通第一个生成式 AI

最小可用流程的思路：不先建复杂 Agent，而是用 Prompt Builder 做一个“基于记录上下文的生成模板”，在真实记录页验证输出，再升级为 Agent。

1. 进入 Setup → Einstein → Prompt Builder（需管理员或 Einstein 权限集）。

2. 点击 New Prompt Template，选择模板对象（如 Lead 或 Case）。

3. 在指令文本中写任务描述，例如：“用中文为这条线索写一封简短的专业跟进邮件”。

4. 在文本中插入合并字段（Merge Fields），选择记录字段（如客户名称、公司），控制哪些数据进入上下文；可选用动态取数（Dynamic Grounding）决定是否带入关联记录。

5. 保存并激活（Activate），为对应权限集分配访问。

6. 验证：打开任意 Lead 记录页，调用 Einstein（Copilot 组件或记录页按钮）请求生成；或通过 Apex / 模型调用 API 以编程方式触发。

7. 进阶：在 Agentforce Agent Builder 新建代理，添加“销售跟进”主题并绑定该提示词模板作为动作，发布到内嵌聊天窗口测试。

结果：在记录上下文下产生个性化输出。进阶技巧：先在沙盒（Sandbox）全流程测试，再通过发布管线推生产。开发者可用 Agent SDK 将同一代理嵌入自有前端：

// 需先安装：npm install @salesforce/agentsdk-jsimport { Agent } from '@salesforce/agentsdk-js'; const agent = await Agent.create({  baseUrl: 'https://你的组织.my.salesforce.com', // 组织域名  agentId: '复制自 Agent Builder 的 Agent ID',}); const session = await agent.sessions.create();const response = await session.messages.newUserMessage({  message: '查询本周高优先级未结工单',});console.log(JSON.stringify(response, null, 2));// 流式事件与消息格式详见官方 Agent SDK 文档

核心能力详解：5 大支柱

支柱一·Einstein Trust Layer（可信层）。企业拒绝直接裸传客户数据给第三方大模型，Trust Layer 解决四个问题：数据掩码（出域前将姓名、邮箱等敏感信息替换为令牌，返回时还原）、零数据保留（模型服务商不存储你的提示与输出）、毒性检测（拦截有害内容）、审计与反馈闭环（记录每次生成用于合规审计）。Secure Data Gateway 支持可选的私有网络连接。上线前应全量启用。

支柱二·Prompt Builder（提示词管道）。生成式输出的统一治理入口：提示词模板、合并字段（把记录字段动态插入指令）、动态取数控制“带哪些数据进上下文”、版本管理与按权限集分发。典型用途是自动生成销售邮件、客服回复与工单摘要，保证所有生成行为走同一套模板与审计。

支柱三·Agentforce 与 Agent Builder（自主代理）。Agent Builder 用主题（Topics，声明代理能处理的用户意图领域）与动作（Actions，可执行能力）构建代理，内置 1,000+ 官方认证动作（Flow、Apex、外部 API 等）。Agentforce 2.0 引入 Atlas 推理引擎，支持多步推理、在知识或行动缺口时主动向用户澄清提问，并通过 MCP 协议连接 Salesforce 之外的业务系统。

支柱四·预测式 AI（Next Best Action、Prediction Builder）。传统机器学习以无代码方式嵌入交互：Next Best Action 在每次客户交互时基于实时数据推荐最优下一步（如交叉销售、挽留动作）；Prediction Builder 从 CRM 历史数据训练分类/回归模型（如线索转化概率、流失风险），结果直接写回对象字段驱动流程。

支柱五·Einstein Studio 与 Data Cloud（数据与模型底座）。Data Cloud 统一第一方客户数据并提供向量索引，支撑在当前平台内检索增强。Einstein Studio 支持 BYOM（Bring Your Own Model）：注册外部大模型或自有微调模型，让“模型过来、数据不出 Salesforce 边界”，是金融等强合规行业的 RAG 落地路径。

生产部署与监控：从上线到运维

部署方式一：沙盒先行 + 元数据发布。在 Developer/Full Sandbox 完成 Einstein 功能开关、Prompt 模板、Agent 与权限集配置，通过 Change Set 或 DevOps Center 将元数据（PromptTemplate、Agent、PermissionSet）发布到生产，再在生产环境单独激活与授权。注意外部模型密钥、密文字段不会随 Change Set 迁移，需在生产重新配置。

部署方式二：Trust Layer 与模型治理。上线前确认掩码字段白名单、零数据保留开关、毒性检测与审计事件均已启用；选定模型来源（内置模型或 BYOM）；对折扣、发票、法律文本等高影响动作配置 Guardrail（护栏）与人工确认环节，避免自主代理越权执行。

可观测性。使用事件监控（Event Monitoring）的 EventLogFile 查看 Einstein/Agent 相关事件；Agentforce 管理页提供会话用量与成本仪表板；定期审计代理会话的转人工率与一次解决率，据此补充知识库或收紧 Guardrails 范围。

<p class="para-label">避坑清单：</p>

<ul class="dash-list"><li>未启用 Trust Layer 就调外部 LLM：数据掩码按字段白名单生效，需在启用时显式配置敏感字段，否则客户姓名、邮箱可能直接出域。</li><li>在生产直接改 Prompt/Agent：元数据不自动随代码仓库同步，沙盒验证后需走 Change Set 或 DevOps Center 发布并单独激活。</li><li>把 Agentforce 当规则 Flow 用：LLM 输出非确定，必须在 Guardrails 中限定动作范围，对高影响动作配置人工确认。</li><li>忽略沙盒与生产功能位差异：Einstein/Copilot 开关、模型绑定、权限集需在生产单独开启，否则上线即报错。</li></ul>

版本迭代

Einstein 从 2016 年起以预测式 AI 嵌入 CRM，2023 年转向生成式（Einstein GPT → Einstein Copilot），2024 年以 Agentforce 品牌完成「助手 → 自主代理」转型，并在 Agentforce 2.0 引入 Atlas 推理引擎。截至本指南，最新正式发布为 Agentforce 360（2025-02）；（截至训练数据，可能已有更新版本）。

AI 应用场景

常见误区

面试题

参考来源

• webpageSalesforce Einstein 产品页Einstein AI 能力总览与产品入口
• webpageAgentforce 产品页自主代理平台官方介绍