sf-flex-estimator

sf-flex-estimator：Agentforce 和 Data Cloud Flex Credit 估算

当用户需要以下项目的公开价格估算时，使用此技能：

• Agentforce 提示词和操作消耗
• Data Cloud 月度用量计量项
• Flex Credit 场景规划
• 构建或推出前的成本优化建议

此技能用于规划和估算，而非实施。

---

此技能适用的任务

当用户提出以下问题时，使用 sf-flex-estimator：

• “这个 Agentforce Agent 每月要花多少钱？”
• “估算 5 个提示词、8 个操作和 Data Cloud 数据 grounding 的 Flex Credit 用量”
• “比较低 / 中 / 高用量场景”
• “Private Connect 会增加多少成本？”
• “减少流式传输或操作数量能节省多少 Flex Credit？”

以下情况应委派给其他技能：

• 构建 Builder 元数据、Prompt Builder 模板或操作连接 → sf-ai-agentforce
• 编写或修复 .agent 文件 → sf-ai-agentscript
• 实施 Data Cloud 连接、数据流、DMO、细分或激活 → sf-datacloud 和特定阶段的 sf-datacloud-* 技能
• 创建测试数据或导入运营数据 → sf-data
• 部署元数据或运行时资产 → sf-deploy

---

首先需要收集的背景信息

询问或推断以下信息：

• 按层级统计的 Agent 提示词数量：starter、basic、standard、advanced
• 按类型统计的操作数量：standard、custom、voice、sandbox
• 提示词或操作是否预计会产生 Token 超额用量
• 如果涉及 Data Cloud，需了解其月度计量项用量
• 是否需要 Private Connect
• 估算应针对试点、小型生产环境、企业环境，还是多个场景
• 用户需要的是公开目录价参考，还是要核对合同中的具体商务价格

如果用户不清楚确切的月度用量，先使用基准模板，再生成多个场景。

---

核心定价模型

Agentforce

Agentforce 按线性方式计费，不设用量阶梯。

组件	每次调用的 FC
Starter 提示词	2
Basic 提示词	2
Standard 提示词	4
Advanced 提示词	16
Standard / custom 操作	20
Voice 操作	30
Sandbox 操作	16

Data Cloud

Data Cloud 使用按月累计阶梯定价。

阶梯	月度 FC 范围	倍数
阶梯 1	0 - 300K	1.0x
阶梯 2	300K - 1.5M	0.8x
阶梯 3	1.5M - 12.5M	0.4x
阶梯 4	12.5M+	0.2x

其他规则

• 此技能采用的 Flex Credit 价格为每 FC $0.004。
• Private Connect 会在阶梯定价后的 Data Cloud 费用上增加 20%。
• Agentforce 和 Data Cloud 分别估算，之后再合并。
• 此技能中的估算仅使用公开记录的目录价。

如需查看完整的计量项表格和示例，请阅读：

• references/agentforce-pricing.md
• references/data-cloud-pricing.md

---

推荐工作流

1. 确定基准结构

首先对 Agent 和 Data Cloud 的使用规模建模。

可用的起始模板：

• assets/templates/basic-agent-template.json
• assets/templates/hybrid-agent-template.json
• assets/templates/data-cloud-template.json

2. 计算每次调用的成本

对于 Agentforce，估算：

per-invocation FC = prompt FC + action FC + token overage FC

3. 计算 Data Cloud 基础 FC

将每种月度计量项用量对应到当前公开费率表，然后应用累计阶梯定价。

4. 生成场景

除非用户提供了更合适的场景，否则使用以下标准场景：

• 低：每月 1K 次调用
• 中：每月 10K 次
• 高：每月 100K 次
• 企业：每月 500K 次

5. 验证假设并建议优化方案

检查以下方面：

• 提示词或操作是否过多
• 是否不必要地使用了流式处理
• 是否可能超出令牌限额
• 是否缺少 Private Connect 处理
• 用量假设是否不切实际

---

脚本和模板

计算器

• assets/calculators/flex_calculator.py
• assets/calculators/tier_multiplier.py

验证辅助工具

• hooks/scripts/validate_estimate.py

此验证器是手动辅助工具。它有意未接入共享的自动验证分发器，因为通用的 .json 或 .md 文件模式会产生太多噪声。

示例命令

# Per-invocation estimate for a template
python3 assets/calculators/flex_calculator.py \
  --mode structure \
  --agent-def assets/templates/basic-agent-template.json

# Scenario estimate for an Agentforce + Data Cloud design
python3 assets/calculators/flex_calculator.py \
  --mode scenarios \
  --agent-def assets/templates/hybrid-agent-template.json

# Tiering only
python3 assets/calculators/tier_multiplier.py \
  --base-fc 5000000 \
  --pretty

# Validate an estimate input document
python3 hooks/scripts/validate_estimate.py \
  --input assets/templates/hybrid-agent-template.json \
  --verbose

---

高信号估算规则

• 对于大多数生产推理工作负载，优先使用标准提示词。
• 仅对简单的路由／分类任务使用基础提示词。
• 操作数量通常比提示词数量更快地成为主要成本因素。
• Data Cloud 流式处理的成本明显高于准备／查询／细分计量项。
• 分层定价仅适用于 Data Cloud，不适用于 Agentforce。
• 在此模型中，Private Connect 仅适用于 Data Cloud 支出。
• 如果用户有合同专属定价，应将此技能视为公开基准，并注明商业条款可能有所不同。

---

输出格式

完成估算后，请提供：

1. 工作负载摘要
2. 每次调用的 Agentforce 成本
3. 月度情景表
4. Data Cloud 分层定价影响
5. 优先级最高的优化建议
6. 置信度／验证备注

建议格式：

Flex Credit estimate: <name>
Agentforce per invocation: <fc> FC ($<cost>)
Data Cloud monthly base: <fc> FC
Scenarios: <low / medium / high / enterprise>
Optimization priorities: <1-3 bullets>
Confidence: <high / medium / low>

---

跨技能集成

需求	委托给	原因
构建实际的 Agent 元数据	sf-ai-agentforce	实现 Builder 资产
构建确定性的 .agent 捆绑包	sf-ai-agentscript	编写和验证 Agent Script
实现 Data Cloud 管道资产	sf-datacloud 和 sf-datacloud-*	配置实时 Data Cloud
打包或部署解决方案	sf-deploy	部署工作流
生成配套测试或示例数据	sf-data	数据准备

常见链路如下：

sf-ai-agentforce / sf-ai-agentscript / sf-datacloud-* → sf-flex-estimator → sf-deploy

---

参考索引

从这里开始

• README.md
• references/calculation-methodology.md
• references/common-use-cases.md
• references/edge-cases.md

定价参考

• references/agentforce-pricing.md
• references/data-cloud-pricing.md

验证和评分

• references/scoring-rubric.md
• hooks/scripts/validate_estimate.py