关于salesforce里用Apex创建Knowledge

salesforce之apex开发1---基本类型与常用方法 salesforce的apex开发基本类型与常用方法总结 阅读详情

//can select 发布前不能被查看
select id from knowledgearticle

//can insert
knowledge__kav a = new knowledge__kav(
Title = 'test ddddddapex',
Summary = 'test ddddfrom apex',
Answer__c = 'teddddst',
Question__c = 'testdddddd',
URLName = 'testddddd');
insert a;
a = [SELECT KnowledgeArticleId FROM knowledge__kav WHERE Id = :a.Id];
//发布
KbManagement.PublishingService.publishArticle(a.KnowledgeArticleId, true);


//总结
//插入的时候,直接在knowledge__kav里边建立自定义字段,然后存储内容,并且发布(这个很重要)
//然后通过 knowledgearticle表进行插入查询。
//但是这里有个课题就是,插入的HTML在SFDC TextRich项目里可能显示不对。
//解决办法:采用下列方式,把HTML放到静态Resource里,然后在VF里用Iframe引用。
<apex:page sidebar="false" contentType="text/html">
<style>
h3{
  color:blue;
  text-align:right;
  padding:30px;
  font-size:25px;
  line-height:125%;
  border:25px;
}       
</style>
   <h3> <apex:outputLink value="{!URLFOR($Resource.Test)}" id="thelink" target="_blank"> Page2 </apex:outputLink> </h3>
   <br> 
 <iframe src="{!URLFOR($Resource.Test)}" width="100%" height="100%" scrolling="true" style="border:none"></iframe>
 </br>
</apex:page>

Salesforce ServiceCloud考证学习(2) Salesforce service cloud consultant certification 阅读详情

相关推荐

AI编排实战:用MuleSoft+LangChain打通企业数据与大模型

AI编排(AI Orchestration)是实现企业级大语言模型(LLM)落地的关键范式,其核心在于解耦‘模型推理’与‘业务系统集成’——前者由LangChain等AI-native框架专注处理提示工程、RAG与输出解析,后者由MuleSoft等企业集成平台负责多源数据聚合、安全治理与API编排。这种分层架构既保障了LLM调用的灵活性与可维护性,又满足CRM、ERP等核心系统的合规性、审计性与高可用要求。典型应用场景包括销售智能助手、客户流失预警、合同条款自动分析等需融合实时业务数据与大模型认知能力的AI

A458545418的博客 715

AES加密

最近刚换了一家公司做了一个AES加密功能简单和大家分享一下 在实际开发项目中,有些数据在前后端的传输过程中需要进行加密,那就需要保证前端和后端的加解密需要统一。这里给大家简单演示AES在JavaScript前端和Java后端是如何实现加密和解密的。 直接贴代码了 <!DOCTYPE html><html lang="en"><head> <me...

weixin_30699463的博客 1269

企业级AI编排:MuleSoft与LangChain分层协作实战

AI编排(AI Orchestration)是连接大模型能力与企业现有数字基础设施的关键技术,其核心在于解决数据孤岛、权限割裂、流程断点、安全合规与系统治理五大挑战。它并非替代LLM或Prompt工程,而是构建可审计、可追溯、可治理的智能调度中枢,通过标准化协议(如REST)、企业级中间件(如MuleSoft)与AI微服务(如LangChain)的分层协同,实现数据接入→上下文注入→模型路由→结果封装→系统集成的端到端闭环。该模式已在金融、制造、医疗等强监管行业验证,支撑CRM智能助手、设备预测维护、临床患

weixin_33769125的博客 346

Salesforce中Files, Content, Knowledge, Documents以及Attachments的区别

【前言】:我们知道Salesforce提供了很多标准文件或内容管理工具,从中选用对的工具能使我们方案的实施事半功倍,本篇将结合现实中使用的情况来探索管理文件和内容的各种方法的差异。 【工具差分】: 工具类型 Files Content Document Attachment Knowledge 用途 Upload, store, find, follow...

sf_wilson 2292

AI Orchestration:MuleSoft与LangChain的企业级协同架构

AI Orchestration(AI编排)是企业实现大模型落地的核心范式,其本质在于协调数据、系统与智能的闭环协作。它并非替代传统集成,而是以确定性基础设施承载非确定性AI能力——MuleSoft提供企业级连接、路由与治理的‘确定性骨架’,LangChain专注Prompt工程、链式推理与语义理解的‘智能血肉’。该架构天然支持GDPR/PII合规处理、多源数据语义对齐、API生命周期管理及低代码结果编织,广泛应用于销售智能、客服增强与风险预测等高价值场景。本文基于金融、制造、零售真实项目沉淀,详解二者分工

weixin_30460489的博客 366

AI编排实战:MuleSoft与LangChain混合架构设计

AI编排(AI Orchestration)是企业将大语言模型(LLMs)深度融入ERP、CRM等核心业务系统的关键技术范式,其本质是通过分层协同机制解决数据语义不一致、安全治理复杂、流程耦合紧密三大断层。它并非替代传统集成平台,而是以‘调度中枢’角色协调AI推理能力与企业级可靠性保障——例如利用MuleSoft完成API治理、字段级脱敏与跨系统数据编织,再交由LangChain微服务执行多步推理与工具调用。该模式已在跨国企业销售智能助手等真实场景中验证:5天快速上线、P95延迟<1.2秒、零敏感数据泄露。

weixin_33888907的博客 332

Salesforce 在社区中启用Knowledge

■Knowledge 打开Service Setup→Knowledge,启用 ■启用topic话题 切换到classic→Setup→topic setting 找到knowledge,启用topic并选择需要展示的字段 ■新建Knowledge 切换回lightning,打开Knowledge标签,点击新建,填写名字后会自动生成url 在最下方的设定处,勾选customer可见,这样可以把...

gui41021的专栏 701

Salesforce大全中文版

Salesforce中文详细文档,文档共2473页,更多详细内容请查看文档

SalesForce - Apex入门

Apex入门Apex介绍Apex是SalesForce平台上,用于开发者根据不同的需求操作数据库,实现需求的一种语言。 由于是一种语言,Apex的解释运行过程是基于SalesForce平台的,Apex类似于Java,但有自己的写法,有自己的对数据库的操作语句(DML)。Apex如何工作当开发人员将Apex代码写入并保存到平台时,平台应用服务器首先将代码编译成Apex运行时解释器可以理解的一组抽象指令

成成成成成成成成成成成成成成丶 1万+

SFDC手册开发

salesforce 手册, 基本可以解决企业的问题

ArcGIS图解建模工具与DEM提取山脊、山谷线(水文分析、表面分析)

参考汤国安、杨昕等编著的《地理信息系统空间分析实验教程第二版》 利用水文分析(流量)和表面分析(坡向变率)得到山脊和山谷线 文章目录1、基本概念1.1 正地形1.2 负地形正负地形的影响2、水文分析方法2.1 基本思想原理2.2 技术路线2.3 操作步骤2.3.1 正负地形的提取2.3.2 利用水文分析思想和工具提取研究区域的山脊线2.3.3 利用水文分析思想和工具提取研究区域的山谷线2.3.4 利用水文分析提取山脊线和山谷线结果3、表面分析方法3.1 基本思想原理3.2 技术路线3.3 操作步骤4、图.

fungis 1万+

Salesforce Apex开发笔记

Apex开发笔记

trjays的博客 3852

基于51单片机的简易计算器设计(原理图+仿真+源代码+参考论文)

本设计以51单片机为核心,矩阵键盘输入数字,通过1602显示屏显示计算结果,能够实现整数的加、减、乘、除四则运算,具备清除功能。

u012759563的博客 7698

【Knowledge】Apex callout 与外部service的统合

【Knowledge】使用 Apex REST 服务统合外部service概要web service 和 http callout 的区别http callout 实装外部 endpoint 的承认callout的示意图get 数据测试post 数据测试合并上面两者到一个类中代码测试方法方法一 使用 StaticResourceCalloutMock方法二 使用 HttpCalloutMock公开...

风吹草动的博客 840

AF驱动调试日志全解析:从配置到问题排查

本文全面解析AF驱动调试日志的配置、抓取与分析方法。从内核驱动与HAL层配置入手,确保日志正常输出,并详细解读开机初始化、马达识别、I2C通信等关键日志节点。通过多个实战案例,如对焦失败、前摄无功能、参数不生效及I2C报错等,系统性地展示了如何利用日志定位并解决AF对焦问题,是摄像头模组开发与调试的实用指南。

weixin_28285943的博客 305

C#实战:如何用Bartender 10.1实现动态打印与批量打印(附完整源码)

本文深入探讨了如何在C#项目中高效集成Bartender 10.1,实现企业级的动态打印与批量打印功能。文章提供了从环境配置、COM接口精讲、高可用打印服务类封装,到批量打印性能优化及生产环境部署的全套实战方案与源码,帮助开发者构建健壮、可维护的打印解决方案。

weixin_29290963的博客 436

Rofi 缩略图系统(XDG Thumbnailer)完全指南:filebrowser 图标、dmenu 自定义预览与 AppArmor 实战

**rofi-thumbnails(5)** 是 Rofi 的缩略图子系统手册,介绍 Rofi 如何利用系统中的 XDG 兼容缩略图器为任意文件类型生成并展示缩略图。本文以该手册为主线,结合仓库源码([source/rofi-icon-fetcher.c](https://link.gitcode.com/i/55cf4072c06dcd7150a7984a759c5b10)、[source/mo

gitblog_00863的博客 925

MMSE (Minimum Mean Square Error)均衡原理讲解

MMSE是一种将接收数据的MSE(均方误差)最小化的模型。有了这句话,很多问题就会在你的脑海中蹦出来。 什么是均方误差?最小化MSE "的物理含义是什么? 等等。 让我们从一个我们现在已经非常熟悉的通道模型开始。(我希望你现在也熟悉下面的表达方式。) MMSE作为一种均衡器,是一种后处理算法,它可以帮助我们找出接收到的数据,使之尽可能地接近原始数据(传输数据)。简而言之,MMSE中最重要的步骤是找到一个如下图所示的矩阵G。如果我们假设没有噪声,这个[G]矩阵可以简单的作为信道矩阵(H^-1)的倒数。但

Celeste的博客 4万+

MuleSoft企业级AI编排实战:打通LLM与SAP/Salesforce数据孤岛

AI编排(AI Orchestration)是企业将大语言模型(LLM)深度融入现有业务系统的核心能力,其本质并非简单调用API,而是通过可治理、可审计、可解耦的中间层实现数据调度与智能决策协同。它依托企业服务总线(ESB)演进逻辑,解决数据主权合规、系统韧性演进与端到端可观测性三大硬约束。在金融、制造、零售等强集成场景中,MuleSoft凭借原生企业连接器、声明式DataWeave数据编织、Anypoint治理闭环及轻量流程卡位,成为LLM集成与API治理的关键枢纽。本文聚焦销售智能助手等真实用例,详解如

weixin_30487201的博客 296

Ansys Motor-CAD:概述(EMag、THERM、LAB、MECH)

在这篇博客中,我概述了如何使用 Ansys Motor-CAD 模型、模拟、分析和后处理结果来评估电机性能,并帮助您为您的应用选择优化的电机,并通过电机设计选择实现成本效益和效率。我介绍了各种可用的电机类型、可供选择的物理模块和可配置的多物理选项。E-Mag 物理模块有许多选项卡,涵盖几何创建、材料选择、电磁设置、条件、求解器类型、解决方案模型、耦合设置等的所有设置。热物理模块有许多选项卡,涵盖几何创建、材料选择、热设置、条件、求解器类型、解决方案模型、耦合设置等的所有设置。分析结果的速度相结合。

jkh920184196的博客 1759

STM32F103跑LVGL,用DMA加速刷屏,800*480大屏也能丝滑

本文详细介绍了如何在STM32F103芯片上通过DMA加速和内存优化,实现800*480大屏的LVGL流畅运行。通过FSMC+DMA硬件架构优化、双缓冲机制和LVGL参数调优,显著提升了界面刷新率和响应速度,适用于嵌入式GUI开发中的高性能需求场景。

weixin_30357231的博客 376

MuleSoft+LangChain企业AI编排实战:打通数据孤岛与大模型

AI编排(AI Orchestration)是企业落地大模型的关键枢纽,本质是解决多源异构数据接入、安全可控的模型调用、以及端到端治理闭环的技术范式。其核心原理在于分层解耦:由集成平台(如MuleSoft)统一处理身份认证、协议转换、数据脱敏与API治理,而LangChain专注推理链构建、RAG增强与结构化生成。这种分工带来显著技术价值——降低SOX/GDPR合规成本、提升跨系统(Salesforce/ERP/DB)协同稳定性、支撑销售智能助手等高价值场景快速交付。本文以真实项目为蓝本,详解MuleSof

conghuang7343的博客 337

45 - Android系统源码-crosvm 实战:基于 KVM 的 Rust 安全虚拟机监控器核心技术

摘要:crosvm 是 Google 开发的基于 KVM 的轻量级虚拟机监控器(VMM),采用 Rust 语言编写,专为 ChromeOS 和 Android 设计。其核心特点包括: 安全架构:通过 Rust 的内存安全特性和多进程隔离(每个设备运行在独立沙箱进程)大幅降低攻击面 性能优化:基于 KVM 的硬件虚拟化支持,结合异步 I/O (io_uring/epoll) 实现高效设备模拟 模块化设计:清晰的 trait 抽象层(Hypervisor/Vm/Vcpu)支持跨平台扩展 Android 集成

保持专注,保持热爱 226

MuleSoft+LangChain企业级AI编排实战指南

AI编排(AI Orchestration)是将大语言模型能力深度融入企业核心业务系统的关键技术路径。其本质在于解决LLM与ERP、CRM、Billing等传统系统间的数据语义断裂、安全治理缺失和逻辑不可追溯三大难题。通过MuleSoft承担数据集成、协议转换、权限管控等确定性任务,LangChain专注Prompt工程、RAG检索与多步推理等非确定性智能,二者形成‘神经+大脑’协同架构。该模式已在金融、医疗、制造等多行业落地验证,支撑销售挽留、智能客服、合规报告等高价值场景,成为企业AI从概念验证走向规模

weixin_30819085的博客 627

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

企业级AI编排实战:MuleSoft+LangChain构建可信数据-智能闭环

AI编排(AI Orchestration)是企业将大语言模型(LLM)真正融入核心业务系统的关键技术路径,其本质并非简单调用API,而是通过可审计、可治理、可分级授权的流程设计,在多源异构系统(如Salesforce、SAP、Oracle)间构建安全可信的数据-智能闭环。它解决的是数据主权、系统耦合与责任归属三大现实瓶颈,技术价值体现在协议适配、动态脱敏、权限熔断与全链路追踪等工程能力上。典型应用场景包括销售风险预警、财务合规分析与HR智能入职等,尤其适用于已具备ERP/CRM等 legacy 系统、亟需

chulilang8944的博客 361

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

AI编排:企业级LLM应用落地的核心工程范式

AI编排(AI Orchestration)是一种面向生产环境的工程范式,旨在弥合大语言模型与企业遗留系统之间的数据断层。其核心原理是通过混合架构实现职责分离:企业集成层(如MuleSoft)负责安全、韧性、合规的数据接入与标准化,AI逻辑层(如LangChain、LlamaIndex)专注上下文感知提示工程、多跳推理与RAG增强。这种分工带来显著技术价值——保障数据新鲜度、字段类型强一致、权限与脱敏前置可控,并支撑销售智能助手、供应链预警、HR入职自动化等高敏感度场景。本文聚焦AI编排在真实企业系统(Sa

diaogan4202的博客 345

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

上一篇: VF加载时执行Javascript取得画面的值,传递给后台
下一篇: salesforce static resource and apex
学得必教-Salesforce
博客等级 码龄10年 11粉丝 23原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值