七个有了职位名称的智能体
2026 年 9 月 11 日，Salesforce 在 Dreamforce 前夕发布 Agentforce 组合：七个各有职位名称的智能体——Casey 管客服、Paige 管 IT 与 HR、Carter 管商务、Hunter 管销售、Marshall 管供应链、Piper 管营销线索、Fin 管客户体验。其中六个正式可用，销售方向的 Hunter 进入试点、计划在 11 月达到正式可用。给智能体起职位名称不是装饰：它把使用场景随产品一起交付，运营方不必再从零设计一个智能体用例，而是直接领一个带明确职责、明确产出、明确指标的「数字员工」。早期数据来自具名客户：Anthropic 79% 的对话由 Fin 自主解决；Engine 50% 的聊天咨询由客服智能体解决；Autism Queensland 70% 的行政请求由 Paige 解决；Hibbett 在六周内把 90% 的核心购物旅程自动化；Asana 用 Piper 把对话量做到四倍基线。Salesforce 累计已跑出 70 亿个 Agentforce Work Units，仅 2026 年第二季度就有 32 亿。
长程运行时：智能体的单元从对话变成目标
比七个智能体更值得记的，是长程运行时（long-horizon runtime）。过去的智能体完成一次离散任务或处理一轮对话就结束；跑在长程运行时上的 Hunter，可以把一个销售线索从初期研究一直做到多轮触达，在数周里保留每次互动之间的上下文、维持一份工作方案、并根据人类销售给出的反馈调整方向。支撑它的是三个能力：Memory 跨会话保留上下文与进度；Durable Execution 让计划随时间持续运行，并能恢复或纠偏；Dynamic Steering 依据个体用户的反馈动态调行为。Salesforce 举的例子是：卖家让 Hunter 在季度结束前拯救风险交易——Hunter 把这句话变成可度量目标，建计划、定任务工具与上下文，并带护栏定义何时自主行动、何时需要卖家审批。Hunter 成为长程运行时最先承载的智能体，未来组合里更多智能体也会跑上去，客户还能用 Agentforce 自建长程智能体。
Agent Script：把行为规则写成可审计的代码
与长程运行时配套的，是 Agent Script——一门开源的智能体行为语言，把 AI 推理与确定性规则结合，给构建者代码级的精确控制：智能体在什么条件下做什么、不做什么，不再只靠自然语言配置。Salesforce 把 Agent Script 工具链（解析器、linter、编译器、语言服务器协议与编辑器集成）以 Apache 2.0 开源，并允许在脚本里直接锁定模型版本，而不是只依赖组织级默认。这一步的信号很强：在受监管行业，审计员要的不是「智能体尽量做对」，而是一份可回溯、可审查的行为定义。把规则写成代码，意味着智能体的决策边界能被版本管理、被评审、被合规检查——这恰好是「框架之争」解决不了、却在企业落地时最要命的问题。
多智能体编排进入正式可用
多智能体编排（Multi-Agent Orchestration）也在本次进入正式可用，底层是 Atlas Reasoning Engine 3.0，并新增对 Google Gemini 的原生支持——延续 Salesforce 不押注单一模型厂商的多模型路线。编排智能体连接组织内已有的子智能体，呈现为一个统一接口，用户拿到的是一次对话，而不是为了不同领域分别开不同的智能体会话。在 Agentforce Builder 里，开发者把草稿智能体作为编排者、通过 Explorer 面板连上子智能体，给每个子智能体写一段描述来规定它何时被调用。与此同时，Atlas Reasoning Engine 通过合并 LLM 调用，声称把运行时延迟降低约 70%；Agent Health Monitoring 进入封闭 beta，以五分钟间隔追踪错误率与交互延迟；AI Skills 与 Agent Optimizer 计划在 10 月达到正式可用。
和「七款岗位 Agent」那篇的区别
如果只盯岗位名称，这次发布容易和此前「七款岗位 Agent 齐发」的报道混为一谈。但架构层的重点其实在后者：长程运行时把智能体的基本单元从「一次对话」改成「一个跨周目标」；Agent Script 把智能体的行为从自然语言 Prompt 固化成可审计的 DSL；多智能体编排把单智能体升级成彼此协作的团队。三者合起来，是编排范式的迁移——从「选一个框架」到「写一套语法」，从「让智能体答一句」到「让智能体追一个目标数周」。对已经用 Agentforce 的团队，真正的考题从「招哪个数字员工」变成「怎么把目标、规则与人工审批写进可维护的配置」。
结语
Salesforce 这轮更新的主线，是让企业智能体从「能对话」走向「能追目标、可被审计、能组队」。长程运行时、Agent Script、多智能体编排三者，分别对应了持久性、可审计性与协作性这三道企业落地的门槛。当编排开始从框架之争走向语法之争，智能体赛道竞争的重心，也正悄悄从模型能力移向「谁能把目标安全地交给机器跑数周」。至于长程运行时在跨周任务里的失败恢复与成本边界究竟多稳，仍待更多生产数据，后续将持续跟进。