Depuração com IA
Financiamento e uso de IA
IA incluída usa créditos REDA. Traga sua própria IA usa a conta de provedor da sua organização, cobrada diretamente pelo provedor. A licença define um modelo para toda a organização. Nos dois, o REDA AI governa ferramentas e ações configuradas no Salesforce. Configure a licença e as contas de IA.
Com conta própria, o modelo escolhido define os níveis de raciocínio profundo e recursos disponíveis. Confira os níveis e avisos no seletor AI Account; não presuma que todos os provedores aceitam a mesma combinação. Ferramentas administrativas e processamento de documentos usam a conexão padrão da organização. Configure o padrão e teste o fluxo.
O que ele faz
Falhas graves nas execuções dos agentes ficam registradas no Registro de incidentes de IA — exceções de Apex, erros de chamada externa (callout), falhas de regra de validação, erros de configuração que impediram a conclusão de uma chamada de ferramenta. O registro bruto captura o detalhe técnico (rastreamento de pilha, contexto do erro, classe e método), mas deixa a interpretação por conta de quem o lê.
Depuração com IA é o assistente que lê o registro por você. Ele explica o que o erro significa, faz uma hipótese confiante sobre a causa e propõe correções específicas. Por ser uma conversa, você pode contestar, pedir mais detalhes ou redirecionar a análise quando a primeira resposta não se encaixa.
Múltiplos turnos, não uma análise única
Diferente de um analisador de passagem única, Depuração com IA é conversacional. O primeiro turno produz uma avaliação inicial a partir dos dados brutos do incidente; os turnos seguintes permitem que você direcione o diagnóstico:
- “Que configuração causaria esse erro específico?”
- “A segurança em nível de campo poderia estar envolvida?”
- “Mostre-me a configuração do agente que controla esse comportamento.”
- “Por que a mensagem da regra de validação não chegou ao usuário?”
Cada pergunta de acompanhamento consome um orçamento de crédito adicional pequeno, mas geralmente produz uma resposta mais precisa do que o primeiro turno sozinho.
Como funciona uma execução
-
Abra o incidente
A partir da guia Registros de incidentes de IA ou diretamente de um registro do Registro de incidentes de IA.
-
Verificação de disponibilidade
Antes que o botão Depurar seja ativado, a plataforma verifica se a depuração por IA está disponível — licença ativa, créditos restantes, interruptor de funcionalidade ligado. Se algum desses itens falhar, você vê um motivo claro em vez de um erro genérico.
-
Clique em Depuração com IA
O primeiro turno reúne os detalhes do incidente e o contexto relevante (nome da classe, método, rastreamento de pilha, mensagem de erro, a conversa em que ocorreu) e os envia ao modelo.
-
Leia a avaliação inicial
Um painel exibe a resposta — explicação, hipótese de causa raiz, passos de resolução sugeridos.
-
Faça perguntas de acompanhamento
Digite uma pergunta de acompanhamento; a plataforma envia o histórico da conversa junto com sua pergunta para dar contexto. A resposta do modelo aparece no mesmo painel.
-
Salve a análise final
Quando tiver uma resposta em que confia, salve-a no campo Resolution Notes do incidente. O próximo administrador que abrir o incidente lerá seu trabalho sem executar a IA de novo — mas copie antes as notas que já estiverem ali, porque salvar as sobrescreve.
O que o depurador vê
O depurador recebe muito mais do que o texto do erro. Cada execução reúne:
- O próprio incidente — error type, message, context, severity, status, class name, method name, line number, stack trace e quaisquer notas de resolução já registradas.
- A configuração do agente, quando o incidente está vinculado a um — nome de exibição, canal, a primeira parte da persona e seus objetos de contexto padrão.
- Os prompts personalizados ativos do agente, até cinco, cada um como um trecho.
- As ferramentas ativas do agente, até dez, com tipo e descrição.
- Um relatório de conflitos de configuração para aquele agente — veja abaixo.
- O contexto da conversa, quando a falha aconteceu dentro de uma — seu canal, seu objeto de contexto e o id do registro de contexto.
- O histórico desta própria sessão de depuração nos turnos seguintes, para que ele construa sobre o que já disse em vez de recomeçar.
O relatório de conflitos não é a opinião do modelo. Antes de o prompt ser enviado, a REDA AI executa uma verificação determinística sobre a configuração do agente e grava suas conclusões no prompt como fato. Então, quando o depurador diz que dois prompts se contradizem, isso veio de uma análise da configuração, não da leitura que o modelo fez do seu erro. Se essa verificação falhar por qualquer motivo, ela é ignorada silenciosamente e o restante do diagnóstico segue sem ser afetado.
O que ele não recebe é o texto das mensagens da conversa. Ele vê qual conversa falhou e em que contexto, não o que foi dito nela. Se a redação da troca é o que importa, abra a conversa você mesmo — ou use o Depurador de conversas, que existe exatamente para isso.
O que o Depurador vai e não vai lhe contar
O Depurador tem uma restrição deliberada: ele explica o seu Apex (classes executoras personalizadas, seus Fluxos, suas regras de validação) em detalhes, mas não expõe os detalhes internos do pacote gerenciado da REDA AI. Perguntas sobre como a plataforma funciona internamente são educadamente recusadas — em vez disso, o Depurador indica a documentação pública.
Isso não é sobre esconder bugs — é sobre manter a análise útil. As correções que você pode aplicar estão no seu código e na sua configuração, não dentro do pacote. Direcionar a conversa para esses pontos é o que produz orientações acionáveis.
Salvando a análise
Ao salvar, a análise é gravada no campo Resolution Notes do incidente. Não existe um campo separado de “análise de depuração” — a explicação vai para o mesmo lugar onde uma pessoa escreveria as próprias conclusões.
Salvar substitui o que já estiver em Resolution Notes. É uma sobrescrita, não um acréscimo. Se você ou um colega já tinham escrito notas no incidente, copie-as para outro lugar antes, ou cole você mesmo a explicação da IA abaixo delas.
Salvar também faz o incidente avançar: um que ainda esteja em New passa automaticamente para Investigating. Um incidente que já esteja em Investigating, Resolved ou Dismissed mantém o status que tem.
- Quem ler depois vê a explicação no registro, sem executar o modelo de novo.
- O texto pode ser copiado para um runbook ou um chamado de escalonamento.
- Executar a Depuração com IA de novo inicia uma conversa nova — ele não lê o texto salvo de volta.
Custo em créditos
Cada turno é uma chamada ao modelo. O custo escala com o tamanho do contexto do incidente (rastreamentos de pilha e trechos de conversa são as maiores variáveis) somado ao tamanho da sua pergunta de acompanhamento. A plataforma exibe os créditos realmente consumidos.
Os primeiros turnos custam mais do que os de acompanhamento porque o contexto completo do incidente é enviado a cada turno para fundamentação. Vários turnos de acompanhamento em um rastreamento de pilha longo podem se acumular; se você perceber que está fazendo o mesmo tipo de pergunta em vários incidentes, resuma a resposta em um runbook para que futuros incidentes façam referência ao conhecimento já existente em vez de perguntar novamente.
Com IA incluída, uma chamada que atinge o tempo limite pode gerar a cobrança documentada de 20 créditos. Com Traga sua própria IA, a REDA não desconta uma franquia de créditos; a cobrança é controlada pelo provedor. Confira o uso registrado e o erro antes de tentar novamente. O tempo limite, sozinho, não identifica a causa.
A própria resposta é limitada pela configuração de plataforma Debugger Max Output Tokens, 3.000 por padrão. Se as respostas estiverem sendo cortadas no meio da explicação, é essa a configuração a aumentar — uma resposta mais longa custa mais créditos, então aumente de forma deliberada.
Em que difere do Depurador de Conversas
- Depurador de Conversas — para casos em que a conversa foi concluída, mas o agente deu a resposta errada ou pulou uma etapa. Retorna uma análise estruturada de causa raiz.
- Depuração com IA em incidentes — para falhas graves em que a conversa travou ou uma ferramenta apresentou erro. Análise conversacional de múltiplos turnos sobre o registro do Registro de incidentes de IA.
A maioria dos problemas comportamentais começa no Depurador de Conversas. Erros que aparecem como Registros de incidentes de IA vão para cá.
O que Depuração com IA não faz
- Não aplica correções. A saída é consultiva; você mesmo faz a alteração de configuração ou de código.
- Não reproduz a falha. Cada análise se baseia apenas no incidente capturado. Para verificar uma correção, execute a operação novamente e veja se um novo incidente é criado.
- Não resolve incidentes automaticamente. O incidente permanece aberto até que você o marque como resolvido — a IA não altera o status do registro.
- Não expõe os detalhes internos do pacote. O Apex personalizado que você escreveu é território válido; a implementação do pacote gerenciado não é.
Boas práticas
Comece amplo, refine com perguntas de acompanhamento. O primeiro turno produz uma avaliação geral; o valor da conversa vem das suas perguntas de acompanhamento afunilando a causa raiz.
Salve a análise quando terminar. Incidentes são esquecíveis. A análise salva é o que torna a próxima consulta útil.
Cite de volta o prompt do usuário. Se a falha ocorreu no meio de uma conversa, pergunte ao Depurador sobre o turno específico do usuário que disparou a falha. Perguntas bem delimitadas produzem respostas mais precisas.
Não peça ao Depurador para expor o pacote. A restrição vai recusar, consumindo um crédito à toa. Formule a pergunta como “que configuração no meu Apex/Fluxo/agente poderia causar isso?” em vez disso.
Combine com o Depurador de Conversas quando a falha ocorreu no meio da execução. Se a conversa tiver tanto um incidente quanto um sintoma comportamental, execute os dois depuradores; juntos, eles geralmente identificam o que deu errado.
Perguntas frequentes
É uma conversa. O primeiro turno produz uma avaliação a partir dos detalhes do incidente; você pode fazer perguntas de acompanhamento, e a plataforma envia o histórico da conversa de volta ao modelo para que os turnos seguintes se baseiem nas respostas anteriores.
A plataforma executa uma verificação de disponibilidade antes de ativar o botão — a licença deve estar ativa, deve haver créditos disponíveis e o interruptor de funcionalidade deve estar ligado. Se algum desses itens falhar, a interface explica o motivo em vez de permitir o clique.
Não. A restrição é explícita: perguntas sobre a implementação interna do pacote são recusadas. O Depurador se concentra na configuração e no seu Apex personalizado — as coisas que você realmente pode alterar.
Para o campo Resolution Notes do incidente, o mesmo em que uma pessoa escreveria suas conclusões. Repare que ele sobrescreve o que já estiver ali e move para Investigating um incidente que ainda esteja em New.
Sim — cada turno é uma chamada ao modelo. O consumo real de créditos é exibido na tela e depende do tamanho do contexto do incidente somado à pergunta de acompanhamento.
Sim. Os incidentes são independentes de canal — seja a falha ocorrida no widget interno, em um widget externo, em uma execução de e-mail de entrada ou em uma execução assíncrona disparada por um Fluxo, o registro do incidente tem a mesma estrutura e o Depurador o analisa da mesma forma.
Conteste na conversa. “Não pode ser isso porque…” ou “Já verifiquei X…” redirecionam a análise. É a forma conversacional que permite ir além do primeiro palpite do modelo quando ele está errado.
Próximos passos
Leia Registros de incidentes de IA para entender a estrutura do registro subjacente, ou Depurador de Conversas para diagnosticar falhas comportamentais em que a conversa foi executada mas produziu o resultado errado.