设计 Agentforce 智能体人格时…

当你需要为 Agentforce 智能体定义人格、语气、身份，或将品牌指南转化为结构化人格文档时使用。

适用场景

解决思路

1. 入口意图检测：根据用户开场消息判断走 Design flow（提供品牌输入、文本描述或无文档）还是 Encode flow（提供已完成的 persona.md 并要求编码）；若提供 persona.md 但未说明意图，先展示紧凑摘要再提供 hub 菜单（refine、score、encode），不要默认编码；若意图模糊，询问“你是在设计新人格还是编码现有人格？”
2. Phase 1 Step 1 输入：接受任意起始输入，包括品牌指南或语气文档（PDF、文本）、组织 URL、先前的人格文档、自由文本描述、现有智能体系统提示或 Agent Script 文件，或以上任意组合；若用户未提供任何内容，提示其分享品牌指南、URL 或用自己的话描述智能体，不要问检测性问题。
3. Phase 1 Step 2 最小上下文：只收集输入未回答的信息，每个问题都可跳过，零问题也有效；按优先级提取或询问：公司（谁、做什么、服务谁）、受众（内部员工、外部客户、合作伙伴、供应商、投资者等）、模态（chat、email、telephony、multimodal 等）、主要语言、至少 1 个用例或 JTBD；不要收集交互模型、智能体类型、主题列表、智能体名称；先解析输入再决定问什么，可问 1-2 个澄清问题以揭示输入中的张力。
4. 选择 One-Shot 还是 Wizard：丰富输入（品牌指南 PDF、详细描述、先前人格、强品牌文案 URL）默认 one-shot，静默起草完整人格后展示人格再展示样例对话；最小输入（简短描述、仅公司名）默认 wizard，按依赖层级逐维度走；空白输入先提示输入再走 wizard；用户可随时覆盖。
5. Step 3A 输入解析：从输入中提取人格信号，目标使用 80%+ 可操作内容；将 voice/tone 映射到 Identity traits 和 dimensions，negative 映射到 Never-Say List 和 Phrase Book，vocabulary 映射到 Global Lexicon、per-topic Lexicon、Never-Say + Phrase Book pairs，formatting 映射到 Chatting Style dimensions 和自定义部分，CTAs/interaction 映射到 Phrase Book + Never-Say，usage rules 映射到 Never-Say + Phrase Book，audience 映射到 Design Inputs、Register、Formality；若输入是先前 persona.md，直接提取维度。
6. Step 3B 维度选择：将提取信号映射到 12 个框架维度；预填充全部 12 个维度；在输入有明确信号处覆盖维度（如品牌指南说“never use slang”则 Formality: Formal）；每个维度展示完整谱系并标明推荐值及原因。
7. Step 3C 置信度标注：将每个维度标记为 Strong signal（输入中有明确证据，引用来源）或 Default（从上下文推断，无直接证据）；在细化时展示这些标注，让设计者知道重点在哪。
8. Step 3D 生成：从维度图生成 Identity traits（3-5 个形容词及行为定义）、Phrase Book（每类 2-4 条短语，类别包括所有智能体的 Acknowledgement、Affirmation、Apologies、Off-Topic Redirect、Welcome/Greeting，外部面向智能体的 Escalation/Handoff，鼓励/热情色彩的 Celebrating Progress，Coach register 的 Teaching Moments，Humor ≠ None 的 Humor Examples，可选的 Returning Customer Greeting；不要在 Phrase Book 中包含错误或系统错误处理）、Never-Say List（至少 5 条，覆盖通用聊天机器人填充语、register 违规、人格特定反短语）、Tone Boundaries、Tone Flex（基线 + 触发器 + 转换规则）、Negative Identity（2-4 个角色级反模式）、Global Lexicon（品牌名、公司名、产品线名、跨主题行业术语）、Values（仅当用户明确陈述信念、价值观或世界观时，绝不推断）。
9. Step 3E 命名：身份特征确立后，建议最多 3 个提炼身份的名称，允许用户自己写，并告知“以后可以更改”；若输入已提供名称则使用并跳过此子步骤。
10. Step 3F 状态对象：在对话中维护完整维度图作为显式状态对象，包含全部 12 个维度值、每维度置信度标注、Identity traits、Negative Identity statements、Values（若用户提供，绝不推断）、Phrase Book、Never-Say List、Tone Boundaries、Tone Flex rules；每次更改都更新状态对象，重新生成样例对话时从状态对象读取。
11. 交互设计：先输出生成内容再提问，问题选项简短；批量独立问题（上下文信号、Voice 维度、Chatting Style 维度、编码上下文可一起问），不要跨依赖边界批量（Register 先于 Voice，Voice 先于 Tone，Tone 先于 Delivery）；短标签、描述在下；适当多选；使用表格和结构化列表的紧凑输出；hub 菜单前显示一行进度摘要；进入评分、编码或新阶段前显示简短定位行；展示起草人格后标出 1-2 个最低置信度维度。
12. Step 4 展示人格：在展示样例对话前，以紧凑可扫描格式展示起草人格，包括 Identity（一行点分隔）、Dimensions（紧凑表格，每维度一行含值和信号标记 ★=强信号）、Phrase Book（按类别分组显示实际短语）、Never-Say（紧凑列表）、Tone Boundaries（紧凑列表）、Tone Flex（表格含触发器、色彩转换、共情转换、幽默指导）；在人格摘要前用 2-4 句设计理由叙述关键设计选择；摘要后注明最低置信度维度；然后直接进入样例对话，无需确认问题。
13. Step 5 样例对话：基于 Step 2 的用例展示 3-5 轮对话；要求展示人格在行动中的用词、语气、简洁度、幽默、格式；至少包含一个“有趣”轮次（错误、澄清或情感时刻），不只是快乐路径；不要用“Hello! How can I help you today?”；对于 voice/telephony 模态，对话以包含 AI 披露的欢迎消息开头；展示后提示反馈，鼓励自由文本调整为主路径，结构化选项限于“Looks good — show me what's next”和“Try a different scenario”；用户输入自然语言调整时应用对话编辑映射、重新生成样例对话并重新展示，直到用户说“looks good”或要求 hub。
14. Phase 2 选修：样例对话后显示进度行并提供 hub 菜单（Refine the persona、Try a different sample dialog scenario、Score the persona、Download the persona document、Encode for Agentforce deployment、I'm done）；完成任一选修后显示更新进度行并再次提供 hub 菜单（减去已完成项）。
15. Refine：提供子菜单（Identity traits、Dimensions、Phrase book、Never-say list、Tone flex rules、Lexicon、Something else）；支持对话编辑（将“warmer”映射到 Warmth 增加一档并考虑 Empathy Level 增加一档，“cooler”/“less warm”映射到 Warmth 减少一档并考虑 Empathy Level 减少一档，“more formal”映射到 Formality 增加一档并考虑 Register 向 Advisor 移动，“less formal”/“more casual”映射到 Formality 减少一档，“shorter”/“more concise”映射到 Brevity 向 Terse 减少一档，“longer”/“more detail”映射到 Brevity 向 Expansive 增加一档，“more personality”映射到 Personality Intensity 增加一档并考虑 Humor 若为 None 则启用，“less personality”/“more neutral”映射到 Personality Intensity 减少一档，“less robotic”映射到 Warmth 增加 + Personality Intensity 增加，“more professional”映射到 Formality: Professional、Humor: None 或 Dry、Personality Intensity: Moderate，“friendlier”映射到 Warmth 增加 + Emotional Coloring: Encouraging 并考虑 Empathy Level 增加，“more direct”/“blunter”映射到 Emotional Coloring 向 Blunt、Brevity 向 Terse 并考虑 Empathy Level 向 Minimal，“more encouraging”映射到 Emotional Coloring: Encouraging 并考虑 Empathy Level: Moderate 或 Attuned，“funnier”映射到 Humor 增加一档并考虑 Personality Intensity 若 Reserved 则增加，“no humor”映射到 Humor: None，“more emoji”映射到 Emoji 增加一档，“less emoji”映射到 Emoji 减少一档；模糊时应用主映射并叙述变化）和确定性编辑（显示所有设置、维度表，用户选择特定维度调整，展示完整谱系并高亮当前值，调整后重新生成样例对话）；基于差异的重新生成：显示变化、保持所有未变维度恒定、只变化改变维度重新生成样例对话、叙述输出中什么改变了。
16. Other 自由文本添加：接受不符合标准框架概念的添加；若自然映射到现有框架元素（如 tone boundary、phrase book entry、lexicon term），提议纳入并请求批准；若不匹配，将用户生成文本作为自定义部分插入人格文档并确保包含在编码输出中。
17. Lexicon：可选；介绍概念为按主题范围的领域词汇；收集重要词汇，特别是特定主题的词汇；与 phrase book 区分：Phrase Book = 智能体在常见情境中的声音，Lexicon = 智能体在特定领域使用的具体词汇和术语。
18. Done：用户选择“I'm done”时，若尚未保存则提供下载人格文档；显示最终产出摘要和文件写入位置；干净退出。
19. Scoring：按需触发；评分前显示简短定位摘要；内联显示评分卡；评分后提供保存到 `_local/generated/[agent-name]-persona-scorecard.md`；返回 hub 菜单；为无偏见评分，让不同人运行评分标准；5 个类别各 /10：Identity Coherence（特质独特、非矛盾、行为定义、可观察行为而非愿望；Design Inputs 存在且连贯：audience → register、modality → chatting style、company → frame of reference）、Dimension Consistency（每维度与 Identity 连贯、约束尊重；Tone Boundaries 与 Emotional Coloring/Empathy 一致；Tone Flex 在范围内；Chatting Style 适应模态，telephony 抑制）、Behavioral Specificity（具体行为示例、可测试规则；Never-Say ≥5；Global Lexicon 已填充；品牌指南提取深度：vocabulary、formatting、usage、CTAs 是否捕获）、Phrase Book Quality（每适用类别 2-4 条短语；所有智能体：Acknowledgement、Affirmation、Apologies、Off-Topic Redirect、Welcome；条件性：Escalation/Handoff、Celebrating Progress、Teaching Moments、Humor Examples；短语匹配 register 和维度；品牌指南内容捕获）、Sample Quality（不看维度表也能识别人格；快乐路径 + 不确定性 + 边界场景；模态适当；品牌词汇自然出现）；每类别独立评分并提供数字和 1-2 句理由；标记维度间不一致，注意生产性张力 vs 矛盾；任何类别低于 7 分提供具体改进建议；总分 45-50 生产就绪、35-44 强基础、25-34 需修订、低于 25 重新开始。
20. Encode Flow：当用户提供已完成 persona.md 或 Design flow 后可用；阅读 `references/persona-encoding-guide.md` 了解编码架构和 `assets/persona-encoding-template.md` 了解输出结构；voice 选择和调优在主编码流程之外，仅当模态包含 telephony 或其他语音输出时参考 `references/persona-encoding-guide-voice.md`；编码前显示简短定位摘要确认智能体名称、创作工具、受众和模态。
21. 编码上下文：公司、受众和模态在设计 Step 2 收集，编码继承不重问；只收集编码所需：智能体创作工具（Agentforce Builder 还是 Agent Script）、主题（可选，若提供则生成每主题人格指令，若拒绝则提供“No, generate a few examples”并从人格上下文推断 2-3 个合理主题生成每主题指令并明确标注为示例）、动作（可选，若提供则为每个生成符合人格的加载文本，若拒绝则提供“No, generate a few examples”并从人格上下文推断 2-3 个合理动作生成符合人格的加载文本并明确标注为示例）；用户可只做全局编码稍后返回主题和动作。
22. 若为 Agent Script 生成：输出可直接粘贴的 YAML 块：System block 包括 `config.agent_name`（人格名称）、`system.instructions`（完整人格内容作为 YAML 字面块标量 `|`：Identity、维度行为规则、phrase book、chatting style 规则、tone 规则、tone boundaries、never-say list，无字符限制）、`system.messages.welcome`（生成静态符合人格的欢迎消息；对于有 telephony 通道的多模态智能体生成两个：文本欢迎和更短的 telephony 欢迎，耳朵优化并包含 AI 披露；默认静态，注明动态选项作为补充）、`system.messages.error`（生成一个静态符合人格的系统错误消息，此字段无动态选项）；Per-topic overrides（若提供主题）：每主题 `reasoning.instructions`（人格校准：brevity、lexicon、tone flex、phrase book entries、humor guidance、persona reminder）、主题级 `system:` 覆盖（仅当主题 tone flex 需要完整系统级覆盖时，罕见）；Per-action loading text（若提供动作）：每动作 `progress_indicator_message`（符合人格的加载文本，`include_in_progress_indicator: True`）；确定性响应示例：常见 if/else 分支的示例 `| text` 管道，用人格声音写；Telephony 调整（若模态包含 telephony）：指令调整，注明 brevity 重新校准（telephony 缩短一档）、格式抑制（无 emoji，项目符号 → 序数）、结构化数据的暂停指导。
23. 若为 Agentforce Builder 生成：Agent Configuration Fields 包括 Name（80 字符，显示字符数）、Role（255 字符，仅功能摘要：智能体做什么、服务谁，“You are...”，不要在此编码人格风格，显示字符数）、Company（255 字符，从 Step 2 收集的公司上下文填充，显示字符数）、Welcome Message（800 字符，目标 ≤ 255，生成反映 Identity + Register + Voice + Tone + Brevity 的静态符合人格欢迎消息；对于有 telephony 通道的多模态智能体生成两个：文本欢迎和更短的 telephony 欢迎，耳朵优化并包含 AI 披露；显示字符数）、Error Message（生成一个反映 Formality + Warmth + Emotional Coloring + Brevity 的静态符合人格系统错误消息）；Agentforce Builder Settings 包括 Tone dropdown（基于 Register + Formality 推荐，注明是粗略近似）、Conversation Recommendations on Welcome Screen（有定义用例时 On，开放式时 Off）、Conversation Recommendations in Agent Responses（主动型智能体 On，苏格拉底型智能体 Off）；Global Persona Block 包括 Global instructions（为专用全局指令主题的完整人格内容，从所有 persona 部分综合）；Per-topic persona instructions（若提供主题）：每主题定制指令含 brevity 校准、phrase book entries、lexicon terms、tone flex triggers、humor guidance；Loading Text：每动作加载文本（若提供具体动作则为每个生成符合人格的加载文本；若用户选择“generate a few examples”则推断 2-3 个合理动作并生成符合人格的加载文本，明确标注为示例）；Telephony 调整（若模态包含 telephony）：同 Agent Script telephony 调整。
24. 编码输出：内联展示编码值供审查；字符限制字段（Name、Role、Company、Welcome、Error）内联显示并带字符数；无界字段（Global Instructions、per-topic instructions）太长无法内联，显示摘要和字符数并将完整内容写入文件；使用 `Write` 工具写入编码输出，默认路径 `_local/generated/[agent-name]-persona-encoding.md`；然后返回 hub 菜单。
25. 输出：技能最多产生四个 Markdown 文件：Persona document（`_local/generated/[agent-name]-persona.md`，遵循 `assets/persona-template.md` 结构，定义智能体是谁、如何发声、绝不做什么的设计工件）、Sample dialog（`_local/generated/[agent-name]-sample-dialog.md`，遵循 `assets/sample-dialog-template.md` 结构，展示人格在对话中的验证工件）、Scorecard（`_local/generated/[agent-name]-persona-scorecard.md`，50 分评分标准评估，按需生成）、Encoding output（`_local/generated/[agent-name]-persona-encoding.md`，遵循 `assets/persona-encoding-template.md` 结构，工具特定：Agentforce Builder 字段值和设置，或 Agent Script YAML 块，按需通过 Encode flow 生成）。

适用边界 · 注意事项

• 构建智能体元数据、主题或动作时，应使用 sf-ai-agentforce
• 测试已完成智能体行为时，应使用 sf-ai-agentforce-testing
• 编码确定性 `.agent` 逻辑或 FSM 行为时，应使用 sf-ai-agentscript