摘要9 月 15 日Salesforce 在 Dreamforce 2026 大会上提前发布 Agentforce 360一次性推出 7 个面向独立业务职能的岗位化智能体Casey、Paige、Carter、Hunter、Marshall、Piper、Fin其中 6 个正式可用同时发布基于英伟达 Nemotron 开源权重微调的 Koa 推理模型以及一个跨平台 AI 控制平面。与过去半年各家把 Agent 做聪明的路线不同Agentforce 360 的核心卖点是把 Agent 管起来——发现、身份、策略、生命周期、评估、可观测性与成本控制被统一到一层。本文从企业架构视角分析为什么控制平面比智能体本身更重要以及这对国内做 Agent 平台的团队有什么启发。一句话结论企业级 Agent 的竞赛正在从谁能做更多事转向谁能说清楚自己有多少 Agent、它们各自有什么权限、做错了能不能追溯。Agentforce 360 把控制平面做成产品标志着企业 Agent 从实验玩具进入可被审计、可被管理的数字员工阶段。1. Agentforce 360 的产品结构1.1 七个岗位化智能体智能体岗位可用状态核心场景Casey帮助中心正式可用客户服务、工单处理、知识库检索PaigeIT / HR正式可用员工服务、IT 报修、人事流程Carter购物正式可用电商导购、订单查询、退换货Hunter外呼销售试点销售线索跟进、外呼沟通Marshall供应链正式可用库存、物流、供应商协调Piper管道 / 商机正式可用CRM 商机推进、预测分析Fin客户服务正式可用多渠道客户互动、案例升级1.2 为什么叫岗位化Salesforce 的命名方式本身就值得注意。它不是按能力命名如客服 Agent“销售 Agent”而是按岗位命名每个智能体被定位为数字员工。这种命名背后是一个产品哲学转变从工具到员工Agent 不再只是被调用的功能而是被分配任务、被考核绩效、被纳入组织架构从会话到流程Agent 需要跨周追踪目标而不是一次性回答用户问题从能力到责任每个岗位有明确的职责边界和审计要求。1.3 Koa 推理模型Koa 是 Salesforce 首款推理大模型基于英伟达开源权重的 Nemotron 微调专长销售、营销与客服任务。关键信息训练数据未摄入真实客户数据降低隐私与合规风险定位闭源前沿模型的低成本替代集成作为 Agentforce 平台的可选模型供企业客户使用。这反映了 Salesforce 的务实策略不跟 OpenAI/Anthropic 比拼通用能力而是在自己的 CRM 数据护城河内做足够好且足够便宜的垂直模型。2. 控制平面企业 Agent 的稀缺基础设施2.1 IDC 数据背后的痛点IDC 调查显示平均每家企业运行约 11 个智能体工作流但多数企业说不清自己有多少智能体、各自持有什么权限。这个痛点之所以重要是因为权限累积风险每个 Agent 都可能被赋予读取 CRM、邮件、日历、数据库的权限长期无人清理会形成权限债行为不可预测Agent 调用工具时可能产生级联副作用例如一个销售 Agent 自动发送邮件可能触发另一个客服 Agent 的回复审计盲区传统日志系统记录的是 API 调用而不是 Agent 的目标-行动-结果链条。2.2 Agentforce 控制平面的六个维度Agentforce 360 把以下能力统一到一层维度功能工程师关注点发现Discovery清点企业内所有 AgentAgent 注册表、依赖图谱身份Identity每个 Agent 拥有独立身份认证、授权、最小权限原则策略Policy定义 Agent 能做什么动态策略引擎、人工审批节点生命周期Lifecycle部署、更新、下线版本管理、回滚、金丝雀评估Evaluation效果与合规评估离线评估、A/B 测试、人工复核可观测性与成本Observability Cost运行时监控与成本归因Trace、Metrics、Token 成本分摊2.3 控制平面的最小实现架构以下是一个简化的 Agent 控制平面参考架构适用于中大型企业的内部 Agent 平台# agent_control_plane.py — 企业 Agent 控制平面最小实现示意fromdataclassesimportdataclass,fieldfromtypingimportList,DictfromenumimportEnumclassAgentStatus(Enum):ACTIVEactivePAUSEDpausedDECOMMISSIONEDdecommissioneddataclassclassAgentIdentity:agent_id:strname:strrole:str# 岗位如 sales_outreachowner:str# 业务负责人permissions:List[str]field(default_factorylist)status:AgentStatusAgentStatus.ACTIVEdataclassclassPolicyRule:resource:str# 如 crm:contacts:readaction:str# read / write / deletecondition:str# 策略表达式如 hour_of_day 18require_approval:boolFalseclassAgentControlPlane:企业 Agent 控制平面注册、策略校验、运行审计def__init__(self):self.registry:Dict[str,AgentIdentity]{}self.policies:Dict[str,List[PolicyRule]]{}self.audit_log:List[Dict][]defregister(self,agent:AgentIdentity):self.registry[agent.agent_id]agent self.policies[agent.agent_id][]defadd_policy(self,agent_id:str,rule:PolicyRule):self.policies[agent_id].append(rule)defcheck_action(self,agent_id:str,resource:str,action:str,context:Dict)-bool:agentself.registry.get(agent_id)ifnotagentoragent.status!AgentStatus.ACTIVE:returnFalserulesself.policies.get(agent_id,[])forrinrules:ifr.resourceresourceandr.actionaction:# 简化条件通过即允许需要审批则记录并阻断ifr.require_approval:self.audit_log.append({agent_id:agent_id,resource:resource,action:action,decision:PENDING_APPROVAL,context:context,})returnFalseself.audit_log.append({agent_id:agent_id,resource:resource,action:action,decision:ALLOW,context:context,})returnTrueself.audit_log.append({agent_id:agent_id,resource:resource,action:action,decision:DENY,context:context,})returnFalse# 使用示例cpAgentControlPlane()cp.register(AgentIdentity(hunter-001,Hunter,sales_outreach,alice,[email:read,crm:write]))cp.add_policy(hunter-001,PolicyRule(email:send,write,hour_of_day 18,require_approvalTrue))print(cp.check_action(hunter-001,email:send,write,{hour_of_day:10}))# 输出False需要人工审批记录 PENDING_APPROVAL这个示例展示了控制平面最核心的三个设计原则每个 Agent 必须有独立身份和所有者权限必须按资源粒度显式声明关键操作必须留痕高风险操作必须引入人工审批。3. 长程运行时从会话到跨周任务3.1 为什么需要长程运行时传统的 LLM 应用把每次 API 调用当作独立会话。但企业 Agent 不同一个销售 Agent 可能需要跨周跟进一个潜在客户一个供应链 Agent 可能需要等待物流状态更新后再触发下一步一个 HR Agent 可能需要收集多轮审批后才能执行入职流程。这些场景需要持久化的目标状态、可恢复的执行上下文和跨系统的事件驱动机制。3.2 长程任务的状态管理Agentforce 360 的长程运行时解决的是三个问题目标持久化Agent 的目标不会因为会话结束而丢失状态可恢复任务中断后可以从中断点续跑而不是重新执行副作用事件触发外部系统状态变化可以唤醒 Agent 继续执行。这与阿里云 PolarDB Agentic Data Foundation 和字节 OpenViking 自进化上下文数据库的思路不谋而合——把 Agent 的状态和记忆下沉到持久化存储层。3.3 一个长程任务的状态机示意# long_running_goal.yaml — 跨周销售跟进目标状态机示意goal_id:g_20260916_001agent_id:hunter-001objective:确认客户 A 在 Q4 采购意向created_at:2026-09-16T09:00:00Zstate:WAITING_FOR_REPLY# PENDING - SENT - WAITING_FOR_REPLY - MEETING_SCHEDULED - CLOSEDcontext:customer_id:C-8821last_contact:2026-09-16T09:15:00Zscheduled_follow_up:2026-09-18T10:00:00Zactions_taken:-type:email_senttimestamp:2026-09-16T09:15:00Zcontent_ref:s3://emails/20260916/8821.htmlidempotency_key:email-8821-20260916-001-type:crm_updatedtimestamp:2026-09-16T09:16:00Zidempotency_key:crm-8821-touch-001pending_side_effects:[]completed_side_effects:-email-8821-20260916-001-crm-8821-touch-001events:-source:email_gatewaycondition:reply_received(customer_idC-8821)next_action:analyze_intent_and_schedule_demo-source:timercondition:scheduled_follow_up_reachednext_action:send_gentle_reminder这个设计的关键是idempotency_key每次副作用发邮件、更新 CRM都带幂等键确保任务恢复后不会重复执行。4. Koa 模型垂直模型的性价比路线4.1 为什么 Salesforce 要做 KoaSalesforce 不是第一家做垂直模型的公司但 Koa 的发布时机很重要企业客户对通用大模型的高昂成本越来越敏感Salesforce 拥有海量 CRM 数据微调垂直模型有独特优势英伟达 Nemotron 开源权重提供了一个高质量的基座避免了从头预训练的成本。4.2 Koa 与通用模型的成本对比维度GPT-6 AstraClaude Fable 5.1KoaSalesforce定位通用前沿模型通用前沿模型销售/营销/客服垂直模型基座自研自研Nemotron 开源权重微调训练数据未披露未披露合成/公开数据未用真实客户数据成本结构高中高低面向 Salesforce 客户打包适用场景通用复杂任务编码/研究/知识工作CRM 内闭环任务Koa 的战略意义不是比 GPT-6 更强而是在 Salesforce 生态内足够好、足够便宜、足够合规。这对国内企业有重要启发与其追逐通用模型榜单不如在自有数据护城河内做垂直模型。5. 对国内 Agent 平台的启发5.1 采购评估口径的转变Agentforce 360 给国内企业采购 Agent 平台提供了一个新的评估框架能不能清点能否列出企业内所有 Agent 及其权限能不能限定范围能否按资源、时间、审批节点限制 Agent 行为能不能导出审计日志能否把 Agent 的操作链路导出给法务/审计能不能回滚Agent 做了错误操作后能否撤销副作用能不能成本归因能否把 Token 和算力成本分摊到具体业务线。5.2 技术架构的四个层次国内企业建设 Agent 平台时可以借鉴 Agentforce 360 的分层思路层次职责关键技术应用层岗位化 Agent 界面低代码编排、业务组件控制平面身份、策略、审计注册中心、策略引擎、审计日志运行时任务调度、状态恢复工作流引擎、事件总线、幂等设计数据层记忆、上下文、知识向量数据库、关系数据库、缓存5.3 合规是差异化在中国市场数据不出域、算法备案、生成内容标识等合规要求是刚性约束。能够提供本地化部署、完整审计日志和可解释决策链的 Agent 平台会比单纯追求能力的平台更有竞争力。6. FAQQ1Agentforce 360 和之前的 Agentforce 有什么区别A核心差异是增加了跨平台 AI 控制平面、长程运行时和 Koa 推理模型。之前 Agentforce 更侧重于单个 Agent 的能力360 版本把重点放在 Agent 的管理、审计和跨系统协同上。Q2七个岗位化智能体是针对 Salesforce 生态的吗A是的它们深度集成 Salesforce CRM、Service Cloud、Commerce Cloud 等产品。但控制平面的设计思路是跨平台的理论上可以管理第三方系统中的 Agent。Q3Koa 模型会开源吗A目前 Salesforce 未宣布开源计划。Koa 基于英伟达 Nemotron 开源权重微调但作为 Salesforce 平台服务提供目的是在 CRM 场景内替代昂贵的通用模型调用。Q4控制平面对中小企业是否必要A当 Agent 数量超过 5–10 个、涉及跨系统权限和真实业务数据时控制平面就变得必要。小企业可以从简单的权限清单和审计日志开始不必一开始就上完整平台。Q5长程运行时和传统的定时任务有什么区别A传统定时任务是按时间触发、无状态长程运行时围绕目标组织执行支持事件驱动、状态持久化和中断恢复。它更贴近数字员工的工作方式。Q6国内企业做 Agent 平台应该优先投入哪个层次A建议按审计日志 → 身份权限 → 任务编排 → 垂直模型的顺序投入。先把 Agent 做了什么说清楚再逐步增强能力。合规和可解释性是中国市场的核心差异化。参考资料Salesforce 官方Agentforce 360 发布说明2026-09-15行业报道Salesforce 在 Dreamforce 2026 发布 7 个岗位化智能体与 Koa 推理模型2026-09-16英伟达Nemotron 开源权重模型技术文档2026IDC企业智能体工作流调研数据2026阿里云PolarDB Agentic Data Foundation 产品介绍2026-09-15字节火山引擎OpenViking 自进化上下文数据库开源说明2026-09-15