第一阶段推出的 AI Actions已全面上线，利用 AI执行日常任务，如自动回复消息、生成客户洞察和电话总结。Al Actions 通过 CXG AI连接器和Prompt Builder 将阿里云的大模型嵌入到 CRM 系统中,从而帮助完成特定的业务任务。
洞察非结构化数据
仅需点击操作即可轻松从Salesforce Data Library 中提取关键信息。
在 Prompts 中应用最新且相关的业务信息
结合 Prompt Builder, 您可以实时从知识库中检索关联信息，结合上下文生成 Prompt，从而显著提升 LLM 的响应准确。
赋能员工的现有工作流
业务人员可通过 RAG 和 AI Actions，向客户提供更相关、更个性化的回复，显著提升客户满意度和忠诚度。
| CXG RAG 的工作流程
1.建立索引：在Data Library 中管理我们的企业知识，对文档内容进行解析、切片与向量化。
文档解析：这里需要清洗和提取原始数据，将 PDF、Docx等不同格式的文件解析为纯文本数据；然后将文本数据分割成更小的片段（chunk）
文本向量化：将文档中的文本内容转化为数值向量，此过程叫做embedding，并将原始语料块和嵌入向量以键值对形式存储到向量数据库中，以便进行后续快速且频繁的搜索。这就是建立索引的过程。
2.检索召回：根据用户查询（Prompt），从向量存储中匹配并召回相关的知识片段。
随着用户输入请求，RAG 需要计算出用户的问题与向量数据库中的文档块之间的相似度，选择相似度最高的K个文档块（K值可以自己设置，最大值为20）作为回答当前问题的知识。在这个过程中需要用到2个实时模型：
实时请求Embedding：在用户发起请求时，实时将用户查询 (Query) 通过模型进行向量化，用于后续的文档向量检索。
实时请求ReRank: ReRank模型用于语义检索场景，可以给定查询 (Query) 和一系列候选文本(Documents)，会根据与查询的语义相关性从高到低对候选文本进行排序，从而简单、有效地提升文本检索的效果。
和工作流程深度融合：在 Flow 中直接调用 CXG AI 提升效率，同时利用 RAG 确保流程服务的业务精准度。
| CXG RAG 的应用场景
智能知识问答
开箱即用的 LWC 组件，支持员工直接提问（如“最新的售后政策是什么？”），AI 将结合知识库生成精准回复，并标注引用来源，透明可信。
客服推荐回复
AI 基于聊天内容自动检索知识库，生成专业的回复建议，提升服务人员效率。
灵活扩展
结合 Prompt Builder 和 Flow 的灵活配置能力，企业可轻松将 CXG RAG 应用于多种业务场景。
| 安全保障
物理数据隔离
RAG 服务支持组织级数据隔离，从而降低数据泄露风险。
端到端加密
RAG 服务全程加密，静态数据使用 AES256 加密，传输中的数据通过 TLS 1.2 协议进行保护。
最小权限原则
Salesforce 对用户身份进行强验证并进行相关访问控制。基于Salesforce 共享设置，RAG 服务支持按知识库层级设置权限控制。
- end -
关于翼攀