Un curso práctico para construir agentes deterministas, auditables y fiables — combinando la potencia del LLM con la rigurosidad de Agent Script.
Topics, classification instructions y actions dentro de Setup: el modelo con el que nació Agentforce y sus reglas de juego.
¿Por qué el mismo agente, con la misma pregunta, no siempre hacía lo mismo? — y por qué eso frenó muchos pilotos de proyectos antes de producción.
Agent Script, el Agent Graph y el Atlas Reasoning Engine: cómo se separa lo que se ejecuta de lo que se razona.
Qué cambia en la herramienta, quién construye ahora, cómo se migra un agente existente y qué fechas marcan el calendario.
El lenguaje con el que se define un agente completo en un único fichero: instrucciones, acciones, variables y lógica.
Los símbolos que hay que saber leer: -> , | , {! } , @ , ... y # — y qué significa cada uno.
Por qué un LLM no repite la misma respuesta y cómo Agent Script acota su intervención sin renunciar a ella.
Construir un agente completo mínimo: config, system, start_agent y un subagente con una acción.
system, config, access, variables, language y connection: qué declara cada bloque del agente.
description, reasoning, instructions, actions y los bloques before/after: las piezas internas.
Los dos bloques de lógica garantizada que envuelven al LLM, con sus límites y usos típicos.
Del mensaje del usuario a la respuesta: qué se evalúa, en qué orden y cuándo entra el modelo.
Cómo se combinan las líneas `->` y `|` dentro de reasoning y qué ve realmente el modelo.
if/else, condiciones múltiples y los operadores soportados por el lenguaje.
Cómo conviven las instrucciones globales con las de cada subagente y cuándo conviene sobreescribirlas.
El estado del agente: cómo se declara, cómo se inicializa y por qué la descripción importa tanto.
Guardar outputs, compartir estado entre subagentes y dejar que el LLM rellene datos (slot filling).
Colecciones: declaración, acceso por índice, len() e iteración sin bucle for.
Declarar acciones sobre Flow, Apex o prompt templates, ejecutarlas con run y recoger sus salidas.
reasoning.actions, subagentes como tool y el control de disponibilidad con available when.
Las utilidades que la plataforma ofrece como tools listas para usar.
Insertar variables y acciones directamente en las instrucciones de razonamiento.
start_agent, descripciones eficaces, referencias selectivas, gating y enrutado determinista.
Transiciones por razonamiento y transiciones deterministas: cuándo usar cada una.
Instrucciones, acciones y transiciones condicionales combinadas en un flujo real.
Cargar en before_reasoning todo lo que el prompt necesita, y validar antes de conversar.
Acciones en secuencia garantizada, encadenado dentro del razonamiento y cadenas condicionales.
Filtrar subagentes y acciones con available when para que lo prohibido sea imposible.
Forzar un recorrido previo para todos los subagentes o para uno concreto.
Conversaciones por etapas gobernadas por una variable de paso: el ejemplo de la entrevista.
La guía transversal de Salesforce: qué decisiones repetir en todos los agentes.
Elegir modelo por agente y por subagente, incluido EinsteinHyperClassifier y sus límites.
AiAuthoringBundle vs Bot/BotVersion, proyecto SFDX, manifiesto, retrieve y deploy.
Del script compilado al agente activo: qué hay que configurar antes de exponerlo.
Cómo se prueba un agente cuya salida no es idéntica dos veces, y qué sí se puede afirmar.
Qué observar, cómo interpretarlo y cómo iterar moviendo la frontera entre lógica y LLM.
Qué significa hacer grounding, cómo funciona la recuperación aumentada (RAG) y qué papel juegan los retrievers y los search index.
La forma gestionada de dar conocimiento al agente: ficheros, Knowledge, web o retriever propio, sin construir índices a mano.
DLO, DMO y VDMO, data graphs, búsqueda vectorial y cómo Data Cloud alimenta el grounding de Agentforce.
CLI, extensión de VS Code y metadatos: escribir, previsualizar, probar y desplegar agentes como código versionado.
La extensión de VS Code para construir agentes, Apex y LWC conversando — y cómo encaja con Agentforce DX.
Conversar con el agente desde cualquier canal por REST: autenticación, sesiones, mensajes en streaming y variables.
Los tres pilares de la observabilidad y el procedimiento completo de activación en el org: Data Cloud, Einstein, session tracing y las apps de analítica.
Las seis categorías de medición del agente, las pestañas del panel, la cadencia de los datos y el consumo de créditos.
Session tracing turno a turno, Agent Optimization por intención, scorers, alertas de salud y el ciclo cerrado con Testing Center.