题记

本文写在去年底，现在感觉特别适合当前的叙事逻辑，故拿出来分享给大家。

最近，腾讯科技撰文《微软困在Copilot里》，列举了MS Copilot的内忧外患：内部认为投入超过1000亿美金而收入远低于预期；外部57%的受访者认为该工具未能提供预期价值…无疑，这波AI技术革命，还将经历更多曲折。

于是乎，今年9月份Salesforce这场的Dreamforce大会就很值得详细分析下了，他们对企业AI应用的预判、规划和产品定义，非常值得我们关注和思考。

ps，结尾处附上这次围观的素材链接，欢迎拿走~

目录

1. Salesforce Dreamforce 2024：人与Agent协同，共同驱动客户成功

一年一度的Dreamforce，已经逐渐成了企业AI应用圈儿的模范生。今年Salesforce自己也不装了，直接表示自己是“The largest AI event in the world”。实际看完后，确实很有收获，觉得好像也没吹牛。

这本来是9月份的大会，2个月后回头去看，结合10月份微软Dynamic365的动作，反而让我们对明年的方向更清晰了 – 卷Agent、卷Reasoning。

本届Dreamforce的KeyNote主题是《Humans with Agents drive customer success together》，全场只有一个主角 – Agentforce。

说实话，之前一下子看到他们在讲Agent，有点觉得是新瓶装旧酒，结果看到最后，还反而觉得挺靠谱的。

这里看两个我认为非常棒的DEMO：

1. Agent和AgentBuilder
   

2. Agent和人协同
   

2. Salesforce的野望：Copilots不符合预期，Agents才是企业AI应用该有的样子

先吃个瓜，Marc Benioff在KeyNote上，讲了两个故事，非常有趣。

首先，Marc在大会上自己揭短，说去年发布的Einstein Copilot不好用，“Copilot一直不太稳定，客户会跟我说，表现完全不符合预期”， 并且还顺带diss了一下微软：“Copilot不是key step for future，只是新的Microsoft Clippy”。

ps，老人们都知道，微软在Copilot方面不是新手，早在Windows XP时代就有了，之后是Cortana，最后才是现在的Copilot。

然后，话锋一转，他建议大家在旧金山体验一下Waymo，感受下AI真正应该有的样子：Agent来代替人完成高频的机械动作，是企业AI应用的Waymo时刻。

于是乎，在AI演进上，Salesforce认为“The 3rd wave of AI is Agents”，而AGI是Wave 5，目测还得有些年头的感觉。

而在整体的技术演进上，Salesforce也认为Agents是继Data后的另一个大里程碑，而且与2016年的AI小模型做了额外的区分。

ps，看到这张图，我估计一千个人能有两千种解读，这里的名词定义太泛滥了。如果结合微软话语体系中的Copilot和Agents，不难发现，微软的Copilot也不仅仅是文本对话框，而是personal assistant（私人助理）的概念，里面也融合了多种Agent的能力。

3. Agentforce的定位：Agents是人类的好伙伴，共同驱动客户成功，基于Saleforce平台

先提一嘴，我很佩服一点：Salesforce在定义一种新概念、新趋势，并且在产品中贯彻执行的方面，确实很厉害。

这页图对Agentforce有非常准确的表达：与人一起工作，支撑客户成功，背靠Salesforce平台。

1. 与人一起工作：Salesforce希望通过Agent来解决一些高频重复的问题，这也一直是我们做企业AI的核心目标。大会上现场演示了一个Demo，当Agent无法继续工作时，会弹出，做一个“hand over”给人类客服。

2. 支撑客户成功：我在围观了两次Dreamforce以后，对Salesforce言必提客户成功这事儿，非常佩服。这是一种企业文化，也是换位思考，跟我司以客户为中心一样，只不过别人好像在每三页PPT里就把“customer success”写一遍。这里针对
   

3. 背靠Salesforce平台：这一点是Agentforce的非常非常非常核心的竞争力来源和护城河，这个我在下一章节做技术洞察方面详细做分析。

再来看看这个图，就能更深刻的理解为什么一切都是xx force。“force”这个词在英文体系里是有“团队”的概念，这里理解就很合理了：搞销售的，是销售团队（sales force）；搞服务的，是服务团队（serivce force）；搞数据的，是数据团队（data force）；而AI们也有自己的团队，就是agent force，一语双关。

于是乎，他们甚至用了之前管理客服团队的Omni Supervisor来监控和管理agents的工作（现场还做了个live show，可以管理、监听一个语音机器人正在通话的内容…这一点确实惊艳到了，这不是初创公司能做到的，只有成熟产品线 + 战略贯彻，才能做出来这种配合）。

最后，再结合着一个月后（10月份）Dynamic 365所发布的10个Agent基本上跟Salesforce的Agentforce一毛一样，从Copilot到Agent，是2025年的软件AI应用方向，只不过内嵌OpenAI o1、更多微软的调性。

ps，再配上一张微软的演进方上一张微软的演进方向图：

4. Agentforce背后的技术分析：新瓶装“老酒”，是一种不错的集成AI解决方案

我在写这一章总结之前，在想这算“新酒”还是“老酒”，细品以后，还是认定这算“老酒”。

我想从三个方面来拆解：

1. Agentforce技术路线演进
2. Agentforce架构细节分析
3. Agentforce Atlas技术分析
4. Agentforce产品能力展示和解析

4.1 Agentforce技术路线演进

Agentforce肯定不是从石头里蹦出来的，本身就有个演进，尤其是在去年Einstein 1 Platform、Einstein Copilot做出来以后，配套的Prompt Builder、Copilot Builder、Skill Builder都是很好的设计（详情参考我之前的文档：Dreamforce 2023洞察链接）

而从效果看，Copilot能够解决的企业问题是有限的，效果是不稳定的，这个做过AI应用的都清楚，而且目测很难通过模型本身来解决，所以Agentforce提出来了4个核心竞争力：

1. Knows your business：这一点必须得服气，在体外做AI应用最难的就是懂业务、跟业务数据和知识做集成，而Salesforce本身就是业务系统啊，这个优势确实很强（后面看一些live demo，也是不断在强调这部分）
2. Plans & reasons：这部分全部依靠Salesforce提出的一个模型“Large Action Model”，不是一个，而是一套4个尺寸，简称xLAM，下一小节再详细说
3. Takes action：这个事儿，Salesforce也确实非常擅长，还是第一个原因 – Salesforce本身就是业务系统啊，之前收购的MuleSoft也好，Apex、Flow也好，都是一种action
4. Scales：规模这个事儿，没业务就没规模，有业务就可以处处都是规模，原因跟第一个也是一样的

上面这四个核心竞争力一分析就能看得出来，Salesforce主打的并不是技术先进性（甚至也不是之前跟OpenAI合作的EinsteinGPT，完全已经不提这个了），而是我的产品线、生态、存量业务，这些是极深的护城河。

因此在大会上，几个主讲人不断在重申：不要再DIY你的AI应用了，就用我的即可。

最后，会玩儿的是，在Einstein的品牌上，直接做了升级，以后大家见不到这个“小老头儿”了，变成了“赛博小老头”（Salesforce在品牌上的定义和演进确实强悍，Einstein形象深入人心，这次也没抛弃之前的品牌，而是做了变身，非常有趣的设计）：

4.2 Agentforce架构细节分析

恕我观察不够，这次大会才知道原来Salesforce还开源了AI大模型、AI Agent框架，而且用他们的话说，是yylx…

首先，Agentforce的架构图，我认为Salesforce还没有把概念完全梳理清楚（不得不说，大企业在简化自己架构图方面，非常牛逼），所以下面我就只能先盲人摸象解析几个。

1. Agentforce的5个关键构成，属于一种高维抽象：

   • Role（能搞啥 – 依赖Salesforce的既有权限体系）
   • Data（基于啥搞 – 依赖DataCloud）
   • Actions（咋搞 – 依赖Salesforce的业务能力）
   • Channels（触点在哪儿 – 依赖收购和集成/被集成的各种触点）
     

2. 再简单看下Agentforce的内核2.0版：Atlas（1.0叫啥我也不知道，没提）

   • Atlas Reasoning Engine（这块我不得不去看了一场他们的技术分享…稍后详细分享）
   • RAG @ DataCloud
   • Action @ Customer 360 & Channels
     

3. 然后是Agentforce背后的Builders（这里也能看到产品上的继承性，确实也很棒，不知道算架构设计的好，还是算架构演进的好）：

   • Agent Builder（全新的）
   • Prompt Builder（去年出的）
   • Model Builder（同上，去年）
   • Flow Builder（不知道啥时候，早年）
   • Object Manager（更不知道啥时候了，估计最早就有了）
     

4. 为了扩大Salesforce的既有优势，甚至还给Agent搞了个生态（SF向来是懂玩儿生态的）
   

4.3 Agentforce Atlas技术分析

Agentforce的内核是几个FC模型（叫xLAMs - Large Action Models）和一套Agent框架（开源版叫AgentLite），目前他们认为演进到了第二步AI Agent时代，正在探索第三步Multiple AI Agents时代。下面就简单分析下xLAMs和AgentLite

1. xLAM的概念：Salesforce关于LAM的定义，与业界Function Calling（简称FC）是一致的，大致玩法就是从提示词到Action（包含执行tools和执行指令）
   

2. xLAM的模型：Salesforce做了一套4个模型（目测是两个dense，两个moe），1B、7B、8x7B、8x22B，下面是一些信息：

   • 1）号称使用了1百万条FC数据，是#1的FC模型（ps，我去看了下伯克利的FC评分板，排名第12，不清楚啥情况）
   • 2）小规模模型的特点是又快又稳（性价比特别高）；大规模模型的特点是能力特别强，鲁棒性很好
     

3. xLAM的秘密：他们自己说，自己的秘密就是数据，号称自己是世界上最不幻觉的FC模型…（这一点确实服气，毕竟世界上最大的CRM SaaS，每天无数的事务在跑）
   

4. AgentLite，开源了一个Agent框架（我去看了下github，star 500多，跟AutoGen、AutoGPT远不能比）
   

5. 从Single Agent到Multi-Agent：Salesforce的思考跟业界没太多区别，但是这里的关键是能把CRM里的业务Agent串起来，之前我们看到的Multi-Agent一般还是搞软件研发、一些无关痛痒的通用场景，而Salesforce这里的Agent场景全部都实际的业务作业场景，背后都有清晰的业务价值，这一点很棒（线上演示了一个live demo，就是几个agent凑了一个局，与人工坐席一起，真正解决了客户问题）
   

4.4 Agentforce产品能力展示和解析

1. Agentforce @ Channels（下面的demo是Slack的，在对话中加入多个Agent，每个Agent有名字、有岗位、有技能，而且可以在Slack里做一些作业）
   

2. Agentforce @ Tableau Einstein（不仅是分析报表、生成报表，还能直接关联到MarketingCloud上，驱动对方的Agentforce，这一点非常秀，真正做到AI驱动的察打一体。下面是一个客户分群的demo）
   

3. AgentBuilder，这是一个全新的Builder，这里有几个核心概念：

   • Agent，一个Agent就是一个数字员工，有自己的名字、身份、Channel等
   • Topic，一个Topic有点像之前的Skill概念（今年直接干掉了），里面装了Topic的Scope、思考链路（instruction），以及一堆可以操作的Actions
   • Action，一个原子动作，目前支持几种：Apex代码、Flow工作流编排、Prompt（之前的PromptBuilder）、MuleSoftAPI（原子API）
     

4. AgentBuilder的调试功能，我认为值得单独拿出来学习一下（非常直观、非常符合业务认知，而不是技术视角）。因为画质问题，我大致解释一下：

   • 1）在右下角做对话的时候，左侧的配置页面会自动替换成Atlas Reasoning的页面
   • 2）Reasoning的过程里面，包括User Prompts、Select Actions、Reasoning、Agent Responses几种卡片
   • 3）几种卡片搭配串联，且展示了参数细节和耗时（ps，当然，我极度怀疑这个live demo是假的，因为每个耗时都是2s – 也太不用心了，:D）
     

ps，因为原视频的live show画质很感人，所以这里可能看不太清楚，建议直接去底部看原视频）

5. Omni Supervisor，之前管人类Agent的产品，也同样用来管AI Agent，这个让我佩服到了（不仅可以监控AI Agent已经完成的作业，还可以看AI Agent正在进行的通话）
   

6. Agentforce背后的男人（不是xLAM）-- DataCloud：这里也live show了下，没啥新鲜的，跟去年DataCloud没啥区别，还是在PromptBuilder里Data Grounding的能力，不过他们表示Data Cloud是Salesforce卖的最好的新产品（是否得益于收购snowflake和tableau？）
   

综上，且不谈Salesforce是否已经100%做到了，至少他们的愿景是清晰的，而且在现场说：“每个参会客户，现场就能搞个自己的Agentforce带回家…”，至少已经证明了他们走在这条路上。

5. Agentforce背后的战略意图分析：靠山吃山，靠水吃水

Salesforce敢于卷Agentforce，我认为有几个意图：

1. Agentforce可以抢占企业用户的共识：Salesforce一直在跟客户强调，AI Copilot没啥，AI Agent才是未来，咱有，还yylx，还不用到处找，就家里开箱即用，你的数据、业务、模型，都是现成的（ps，最近看梁宁的《真需求》，里面不断在强调共识的价值，我认为Salesforce是懂如何建立共识的）

2. Agentforce如果简单弄弄，实际上不难搞：说实在的，这套Agents如果简单搞，就是“RPA Plus”呀，但是很稳、很有用，很容易做出价值。但是这里如果真的全靠Atlas Reasoning的能力，我认为目前依然会很难，要实际看到真机才知道

3. Agentforce确实跟微软的Copilot体系划了一道切割线：微软一直在制造的共识是Copilot当道，并且在所有产品线植入Copilot概念，而Einstein Copilot好巧不巧，踩到了别人修的跑道上，等于给别人抬轿，包括SAP的AI Copilot Joule，也是跟跑，这次重新命名，转向Agent，并且摇旗呐喊，且只字不提Copilot，甚至很少提LLM，确实在跟微软在AI未来的话语权上做切割

另外，Salesforce搞AI的护城河，这两年一直没变，一切都源自Salesforce的业务自信，底气很足，这张图每年都拿出来update一下，也就是说，这是Agentforce既得利益者+AI的叙事，而不是颠覆者靠AI入场。且一直在diss那些试图DIY AI应用的同学，我想这就是护城河。

最后，Salesforce也有一场分享，是在介绍自己的AI如何改变了UX体验，在这里作为本次洞察总结：从“人直接控制UI填表单”，到“人通过AI获得建议支撑决策”，最后到“人设定目标、人与AI协同来完成操作”，这也许是目前3-5年的可行演进方向，而不再期望AGI明天就能到来。

6. 我的总结：Agentforce对于2025年AI应用工作的启发和思考

1. 做工程商人，场景为王，低垂的果子先摘一直有效：Salesforce在关键场合极少提及内部的模型，反而不断强调场景的价值、强调如何解决客户问题。从他们抛出来的场景看，都是成熟场景、高频重复。跟我们的“AI场景12问”不谋而合，我们一直不觉得自己是科研团队，甚至不觉得是AI技术团队，而是AI解决方案团队，是集成商，是实践者，追求高分打榜不是我们的目标，我们的目标是创造更大价值。

2. 善用自己的优势地位，AI模型不是全部，垂域数据、知识、作业是核心竞争力：Agentforce背后，是DataCloud，正是因为懂业务，才能在用户与Agent交互时，提供充分的上下文；也正因为背靠作业系统，AI可以快速把各式Action集成进来，使得AI能够不仅仅是talk；同时，他们也认为，业务数据和作业就是Agent的安全护栏。反过来想，Agent的本质不就是作业自动化么，这件事Salesforce也已经搞了很多年，而AI大模型的对话式体验和reasoning能力成了一种补充或增值，这样就很合理，也很容易落地。这一点值得我们反思，我们手里也有华为云的数据、知识、作业，目前只有知识做了充分融合，数据和作业的融合还远远不够，集成成本也太高，这是需要下一步思考改进的。

3. 人与Agent协同，像人一样设计Agent作业过程，像人一样管理Agent：说实话，这一点是惊艳到我了。简单说，就是：我之前YY过这个场景，但没想过这么设计。我看到Salesforce的Agent像员工一样有profile；Agent处理不了的问题，会主动handover给人，而人也会收到Agent转交的工单，像人一样；Agent的工作情况和质量同样和人一样被管理和监控。这样一来，作业系统就需要设计Agent员工的用户旅程，这种方式似乎是一种面向未来可进可退的方案，如果AI短期内继续高歌猛进，可以快速跟上，如果还需要更长时间，那当下的AI对话能力加上作业自动化，可以给客户和员工更好的体验，想来觉得很合理。

最后，关于什么是Agent，我看到众说纷纭，我有这么五个点，供参考：有工作身份、有工作边界、有工作资源、有工作能力、有工作协同。

“道阻且长，行则将至；行而不辍，未来可期”，这是去年我们团队对AI应用工作的共识，那时AI预期还是高涨的，给大家泼冷水是OK的。但如果明年AI预期不足、Scaling Law减速，那“山高路远”的恐慌，可能会成为另一个AI应用的巨大障碍，这个时候就需要更多信念和灯塔，共勉。

附，参考资料

• （必看）Main Keynote: Humans with Agents Drive Customer Success Together

  • 50:55，Agentforce和AgentBuilder的DEMO
  • 01:34:22，Agent与坐席协同

• （必看）Large Action Models in a Multi-Agent World

• Future of Salesforce Design

• Discover Agentforce: What AI Was Meant to Be

• 微软Dynamic365相关资料 - 1

• 微软Dynamic365相关资料 - 2

• 去年这个时间，我也跟踪洞察了2023的Dreamforce（链接附上）

欢迎交流讨论~