Salesforce推出Einstein 1 Studio:用于自定义Einstein Copilot并将人工智能嵌入任何CRM应用程序的低代码人工智能工具

一、关键要点
1. Salesforce管理员和开发人员现在可以在每个Salesforce应用程序和工作流程中构建、定制和嵌入人工智能,包括Einstein Copilot。
2. Einstein 1 Studio与数据云深度集成,通过对客户数据和元数据的全面理解,解锁并统一被捕获的数据和基础人工智能模型
3. 新的开拓者人工智能课程——包括Einstein Copilot和Prompt Builder——在Salesforce的免费在线学习平台上为600多万开拓者介绍职业道路和技能
旧金山–2024年3月6日–在Salesforce的开发者大会开拓者大会上,Salesforce(NYSE:CRM)宣布推出Einstein 1 Studio,这是一套低代码工具,使Salesforce管理员和开发者能够定制Einstein Copilot-CRM的对话式人工智能助手-并将人工智能无缝嵌入任何应用程序,以满足每个客户和员工的体验。
Einstein 1 Studio包括用于创建自定义人工智能动作以完成特定业务任务的Copilot Builder,用于在工作流程中构建和激活自定义提示的Prompt Builder,以及用户可以在其中构建或导入各种人工智能模型的Model Builder。这使企业能够在Salesforce的Einstein 1平台上提供值得信赖的人工智能体验,这些体验是根据客户的需求量身定制的。

二、为什么重要
企业在整个业务中释放人工智能的力量方面面临着重大挑战,十分之九的it专业人士表示,生成性人工智能迫使他们改变了新技术的实施和使用方式。他们需要直观的用户界面,以便在工作流程中轻松与人工智能交互;适合其用例的人工智能模型;以及访问可信的客户和业务数据,以建立人工智能模型并确保准确、相关的输出。
Salesforce的Einstein 1平台将用户界面、各种人工智能模型和数据集成在一个元数据驱动的平台中。这就是Einstein 1 Studio工具的动力所在,促进了Einstein Copilot的低代码和无代码定制,以及构建和修改嵌入式提示和操作,这些提示和操作在每个Salesforce应用程序的工作流程中无缝连接到人工智能模型。Einstein 1 Studio与数据云深度集成,通过全面了解客户的数据和元数据,安全地解锁和统一被捕获的数据和基础人工智能模型。
使用Einstein 1 Studio更深入:Salesforce管理员和开发人员可以使用以下新的Einstein 2 Studio工具,通过在每个Salesforce应用程序和工作流程中定制人工智能,构建下一代人工智能应用程序。这将有助于公司提高生产力,改善客户体验,并提高利润率。这些工具包括:
1. Copilot Builder
创建人工智能动作来完成业务任务(测试版)——Copilot生成器帮助每家公司为其业务配置和定制Einstein Copilot。Salesforce管理员和开发人员可以使用他们现有的工具,如Apex、Flow和MuleSoft API,以及提示等新的生成人工智能组件,使Einstein Copilot能够完成工作流程中的任务。Einstein Copilot可以利用这些自定义操作在任何Salesforce应用程序或外部系统中完成任务。

2. 提示生成器
轻松制作自定义和可信的人工智能提示(GA)——提示生成器使管理员和开发人员能够在无需编码的情况下创建自定义、可重复使用的人工智能提醒,简化复杂流程并推动业务创新。这不仅将生成人工智能的使用范围扩大到对话界面之外,还允许客户设计和重新调整提示的用途,以便在其他体验中使用。例如,可以将自定义提示作为按钮无缝嵌入联系人记录中,使联络中心的代理人能够一键获取客户所有上报案例的快照。

3. 模型生成器
选择LLM或根据要做的工作构建人工智能模型(GA)——与其他将业务限制在单个大型语言模型(LLM)的解决方案不同,Einstein 1 Studio提供了连接到各种人工智能模型的灵活性。此外,Model Builder是一种无代码、低代码和亲代码的方式,供公司根据其数据云数据构建自己的预测人工智能模型。对于生成型人工智能,Model Builder允许客户从Salesforce管理的LLM中进行选择,或者自带模型。企业可以使用Salesforce合作伙伴提供的预测和生成人工智能模型和服务,包括通过亚马逊Bedrock和亚马逊SageMaker提供的亚马逊网络服务(AWS)、Anthropic、Azure OpenAI、Cohere、Databricks、谷歌云的Vertex AI和OpenAI,并在数据云数据上训练或微调选定模型,而无需移动或复制数据。

4. 爱因斯坦信任层
根据您的条件部署您可以信任的人工智能:爱因斯坦信任层是为企业人工智能设计的,它是一系列功能,可以帮助公司在不损害安全或安全标准的情况下从生成人工智能中受益。爱因斯坦信任层的新功能是客户配置的数据屏蔽,使管理员能够选择他们想要屏蔽的字段,从而提供更好的控制。此外,从人工智能提示和响应中收集的审计跟踪和反馈数据现在存储在数据云中,可以通过Flow和其他Einstein 1平台工具轻松报告或用于自动警报。
三、Salesforce的官方价值主张
“客户一直喜欢定制Salesforce是多么容易。我们新的Einstein 1 Studio使管理员和开发人员能够轻松地构建和定制Einstein Copilot,并将人工智能应用嵌入Salesforce内的工作流程中,以适应公司和行业的特定要求,”Salesforce AI首席执行官Clara Shih如是说。
“我们新的Einstein 1 Studio使管理员和开发人员能够轻松构建和定制Einstein Copilot,并将人工智能应用程序嵌入Salesforce的工作流程中,以满足公司和行业的特定要求。”
--- Clara Shih, Salesforce AI首席执行官
开拓者引领人工智能革命:新的研究表明,IT团队在实施人工智能时,将“缺乏人工智能技能”列为他们的首要挑战。Salesforce在其人工智能学习内容库的基础上,推出了关于Einstein Copilot和Prompt Builder的新的开拓者课程,使管理员和开发人员能够专注于人工智能,提高他们的技能。自2023年6月以来,已有600多万开拓者使用开拓者学习、连接和扩展他们的职业生涯,并获得了超过100万个人工智能徽章。
Salesforce Trailhead高级副总裁Ann Weeby表示:“开发者正在掌控并引导企业度过人工智能革命。在短短的时间内,我们看到开发者构建和部署人工智能的方式几乎改变了每个行业。”。“Trailhead的使命是为未来的创新者提供免费的技能和职业机会,从而定义下一代的商业和技术。”
四、客户视角反馈
“我们一直渴望在业务中利用生成人工智能的力量,但到目前为止,数据隐私和安全问题一直是Prompt Builder的阻碍因素。它使我们能够安全地构建生成人工智能体验,为用户节省宝贵的时间,同时仍能确保我们的数据在组织内部的安全。”-Andrew Russo,BACA Systems的Salesforce架构师
“Prompt Builder使我们在Carnegie Learning的团队能够轻松地将我们的CRM数据纳入我们的提示中,而无需任何代码!这有助于我们增强业务流程,以减少服务代表的响应、电子邮件外联和内容生成时间。”–CarnegieLearning销售运营副总裁Marissa Scalercio
五、全球可用性
提示生成器和模型生成器现在在全球范围内普遍可用。Copilot Builder在全球范围内提供测试版。不过Einstein 1 Studio目前支持在美国和英语进行数据驻留。客户可以从Amazon Bedrock、Google Vertex AI和OpenAI LLM开始,Model Builder将在今年晚些时候支持对数据云数据的LLM进行微调。
相关文章:
Salesforce推出Einstein 1 Studio:用于自定义Einstein Copilot并将人工智能嵌入任何CRM应用程序的低代码人工智能工具
一、关键要点 1. Salesforce管理员和开发人员现在可以在每个Salesforce应用程序和工作流程中构建、定制和嵌入人工智能,包括Einstein Copilot。 2. Einstein 1 Studio与数据云深度集成,通过对客户数据和元数据的全面理解,解锁并统一被捕获的…...
点赋科技:建设智能饮品高地,打造数字化产业先锋
在当今数字化时代的浪潮中,点赋科技以其敏锐的洞察力和卓越的创新能力,致力于建设智能饮品高地,打造数字化产业先锋。 点赋深知智能饮品机对于推动社会进步和满足人们日益增长的需求的重要性。因此,他们投入大量资源和精力&#x…...
ORACLE RAC的一些基本理论知识
一 . Oracle RAC 的发展历程 1. Oracle Parallel Server (OPS) 早期阶段:Oracle 6 和 7 Oracle Parallel Server(OPS)是 Oracle RAC 的前身。 通过多个实例并行访问同一个数据库来提高性能。 共享磁盘架构,利用分布式锁管理&am…...
CMake的作用域:public/private/interface
在 CMake 中,public、private和 interface是用来指定目标属性的作用域的关键字,这三个有什么区别呢?这些关键字用于控制属性的可见性和传递性,影响了目标之间的依赖关系和属性传递。 public 如果在一个目标上使用 public关键字时…...
设计模式基础知识点(七大原则、UML类图)
Java设计模式(设计模式七大原则、UML类图) 设计模式的目的设计模式七大原则单一职能原则(SingleResponsibility)接口隔离原则(InterfaceSegreation)依赖倒转原则(DependenceInversion࿰…...
Android开机动画的结束过程BootAnimation(基于Android10.0.0-r41)
文章目录 Android 开机动画的结束过程BootAnimation(基于Android10.0.0-r41) Android 开机动画的结束过程BootAnimation(基于Android10.0.0-r41) 路径frameworks/base/cmds/bootanimation/bootanimation_main.cpp init进程把我们的BootAnimation的二进制文件拉起来了…...
微软远程连接工具:Microsoft Remote Desktop for Mac 中文版
Microsoft Remote Desktop 是一款由微软开发的远程桌面连接软件,它允许用户从远程地点连接到远程计算机或虚拟机,并在远程计算机上使用桌面应用程序和文件。 下载地址:https://www.macz.com/mac/5458.html?idOTI2NjQ5Jl8mMjcuMTg2LjEyNi4yMz…...
【安规介绍】
文章目录 一、基础知识安规上的六类危险的防护:安全电压漏电流接触电流能量问题:火灾问题:热问题结构问题阻燃等级绝缘等级:对接地系统的要求:结构要求:电气要求: 二、设计的关键电气绝缘距离电气爬电距离:…...
[sylar]后端学习:配置环境(一)
1.介绍 基于sylar大神的C高性能后端网络框架来进行环境配置和后续学习。网站链接:sylar的Linux环境配置 2.下载 按照视频进行下载,并进行下载,并最好还要下载一个vssh的软件。可以直接在网上搜索即可。 sylar_环境配置,vssh下…...
XDMA原理及其应用和发展
XDMA原理 XDMA的主要原理是通过直接访问主机内存,实现数据的快速传输。在传统的DMA(Direct Memory Access)技术中,数据传输需要经过CPU的干预,而XDMA可以绕过CPU,直接将数据从外设读取到主机内存或者从主机…...
携程梁建章:持续投资创新与AI,开启旅游行业未来增长
5月30至31日,携程集团在上海和张家界举办Envision 2024全球合作伙伴大会,邀请超50个国家和地区的1600余名外籍旅游业嘉宾与会,共同探讨中国跨境旅游市场发展机遇,讲好中国故事。 携程国际业务增速迅猛,创新与AI解锁未…...
【网络安全的神秘世界】在win11搭建pikachu靶场
🌝博客主页:泥菩萨 💖专栏:Linux探索之旅 | 网络安全的神秘世界 | 专接本 下载pikachu压缩包 https://github.com/zhuifengshaonianhanlu/pikachu 下载好的pikachu放在phpstudy_pro/www目录下 创建pikachu数据库 打开phpstudy软件…...
基于Java的零食管理系统的设计与实现(论文+源码)_kaic
摘 要 随着科技的进步,以及网络的普及,都为人们的生活提供了极大的方便。因此,在管理”三姆”宿舍在线零食商店时,与现代的网络联系起来是非常必要的,本次设计的系统在研发过程中应用到了Java技术,这在一定…...
【案例实操】银河麒麟桌面操作系统实例分享,V10SP1重启后网卡错乱解决方法
1.问题现象 8 个网口, 命名从 eth1 开始到 eth8。 目前在系统 grub 里面加了 net.ifnames0 biosdevname0 参数, 然后在 udev 规则中加了一条固定网卡和硬件 pci 设备号的规则文件。 最后在 rc.local 中加了两条重新安装网卡驱动的命令( rmmod…...
初级前端开发岗
定位: 日常任务的辅助执行者,前端基础建设的参与者。 素质要求: 是否遵循部门敏捷流程、规范、P0制度;具备良好的沟通和协作能力;负责日常迭代任务的落地执行;拥有较强的执行力,能够灵活解决问题; 职责:…...
颠仆流离学二叉树2 (Java篇)
本篇会加入个人的所谓鱼式疯言 ❤️❤️❤️鱼式疯言:❤️❤️❤️此疯言非彼疯言 而是理解过并总结出来通俗易懂的大白话, 小编会尽可能的在每个概念后插入鱼式疯言,帮助大家理解的. 🤭🤭🤭可能说的不是那么严谨.但小编初心是能让更多人…...
柏林自由大学研究团队《Ecology Letters 》揭示AMF在植物对全球变化响应的作用
全球环境变化正在影响陆生植物生长。植物已经进化出各种策略来应对这些挑战,其中之一是与丛枝菌根真菌(AMF)形成共生关系(高达80%的陆生植物物种)。AMF为寄主植物提供各种益处,例如营养吸收、耐受性、食草动物防御和抗病能力,以换取糖和脂质(…...
libevent源码跨平台编译(windows/macos/linux)
1.windows编译: 克隆: git clone https://github.com/libevent/libevent.git 克隆成功 生成makefile 生成成功 默认不支持OpenSSL,MbedTLS,ZLIB这三个库 编译: cmake --build . --config release...
idea+tomcat+mysql 从零开始部署Javaweb项目(保姆级别)
文章目录 新建一个项目添加web支持配置tomcat优化tomcat的部署运行tomcatidea数据库连接java连接数据库 新建一个项目 new project;Java;选择jdk的版本;next;next;填写项目名字,选择保存的路径;…...
LeetCode 每日一题 2024/5/27-2024/6/2
记录了初步解题思路 以及本地实现代码;并不一定为最优 也希望大家能一起探讨 一起进步 目录 5/27 2028. 找出缺失的观测数据5/28 2951. 找出峰值5/29 2981. 找出出现至少三次的最长特殊子字符串 I5/30 2982. 找出出现至少三次的最长特殊子字符串 II5/31 2965. 找出缺…...
简易版抽奖活动的设计技术方案
1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑,确保抽奖活动能够公平、公正、公开地进行,同时满足高并发访问、数据安全存储与高效处理等需求,为用户提供流畅的抽奖体验,助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…...
1688商品列表API与其他数据源的对接思路
将1688商品列表API与其他数据源对接时,需结合业务场景设计数据流转链路,重点关注数据格式兼容性、接口调用频率控制及数据一致性维护。以下是具体对接思路及关键技术点: 一、核心对接场景与目标 商品数据同步 场景:将1688商品信息…...
SpringBoot+uniapp 的 Champion 俱乐部微信小程序设计与实现,论文初版实现
摘要 本论文旨在设计并实现基于 SpringBoot 和 uniapp 的 Champion 俱乐部微信小程序,以满足俱乐部线上活动推广、会员管理、社交互动等需求。通过 SpringBoot 搭建后端服务,提供稳定高效的数据处理与业务逻辑支持;利用 uniapp 实现跨平台前…...
听写流程自动化实践,轻量级教育辅助
随着智能教育工具的发展,越来越多的传统学习方式正在被数字化、自动化所优化。听写作为语文、英语等学科中重要的基础训练形式,也迎来了更高效的解决方案。 这是一款轻量但功能强大的听写辅助工具。它是基于本地词库与可选在线语音引擎构建,…...
第7篇:中间件全链路监控与 SQL 性能分析实践
7.1 章节导读 在构建数据库中间件的过程中,可观测性 和 性能分析 是保障系统稳定性与可维护性的核心能力。 特别是在复杂分布式场景中,必须做到: 🔍 追踪每一条 SQL 的生命周期(从入口到数据库执行)&#…...
【LeetCode】3309. 连接二进制表示可形成的最大数值(递归|回溯|位运算)
LeetCode 3309. 连接二进制表示可形成的最大数值(中等) 题目描述解题思路Java代码 题目描述 题目链接:LeetCode 3309. 连接二进制表示可形成的最大数值(中等) 给你一个长度为 3 的整数数组 nums。 现以某种顺序 连接…...
MySQL 索引底层结构揭秘:B-Tree 与 B+Tree 的区别与应用
文章目录 一、背景知识:什么是 B-Tree 和 BTree? B-Tree(平衡多路查找树) BTree(B-Tree 的变种) 二、结构对比:一张图看懂 三、为什么 MySQL InnoDB 选择 BTree? 1. 范围查询更快 2…...
Matlab实现任意伪彩色图像可视化显示
Matlab实现任意伪彩色图像可视化显示 1、灰度原始图像2、RGB彩色原始图像 在科研研究中,如何展示好看的实验结果图像非常重要!!! 1、灰度原始图像 灰度图像每个像素点只有一个数值,代表该点的亮度(或…...
前端调试HTTP状态码
1xx(信息类状态码) 这类状态码表示临时响应,需要客户端继续处理请求。 100 Continue 服务器已收到请求的初始部分,客户端应继续发送剩余部分。 2xx(成功类状态码) 表示请求已成功被服务器接收、理解并处…...
Qwen系列之Qwen3解读:最强开源模型的细节拆解
文章目录 1.1分钟快览2.模型架构2.1.Dense模型2.2.MoE模型 3.预训练阶段3.1.数据3.2.训练3.3.评估 4.后训练阶段S1: 长链思维冷启动S2: 推理强化学习S3: 思考模式融合S4: 通用强化学习 5.全家桶中的小模型训练评估评估数据集评估细节评估效果弱智评估和民间Arena 分析展望 如果…...
