用途：当用户想测试另一款 LLM 模型如何处理现有 Agentforce 智能体会话时，执行此离线实验工作流。它从 Data Cloud STDM 获取会话轨迹，通过 SFAP AI Gateway REST API 重放提示（含结构化工具调用），并按四项指标评分：话题一致性、函数名准确率、函数参数准确率（LLM 评判）、文本回复质量（LLM 评判），最终生成 CSV 与 HTML 报告，附带 SAFE/REVIEW/UNSAFE 判定徽标。
主要能力：按依赖顺序提供读、校验、写操作。读操作包括 discover-data-space、verify-stdm-availability、discover-agents、resolve-agent-label、list-available-models、find-sessions、get-conversation-details、get-llm-step-details；校验操作 obtain-sfap-token；读操作 replay-turn-prompts、score-exact-matches、judge-function-args、judge-text-responses；写操作 generate-csv-report、generate-html-report。
使用方式：工作流为 discover-data-space → verify-stdm-availability → discover-agents → resolve-agent-label → list-available-models（如需帮助选模型）→ find-sessions → get-conversation-details → get-llm-step-details → obtain-sfap-token → replay-turn-prompts → 三项评分（可并行）→ generate-csv-report → generate-html-report。工作流门禁：在确认组织别名（自动从已认证组织发现）、智能体 API 名称（自动从 STDM 发现）与目标模型 ID（需询问用户）之前，不得越过阶段 0。目标模型 ID 使用 llmgateway__ 前缀。
前置条件：组织已预配并启用 Data Cloud；Data Cloud 中 Agentforce Activity 数据流已激活；组织已配置 Einstein LLM / GenAI Gateway；用户对目标组织有已认证会话。
限制：SFAP JWT 约 2 小时后过期，20 个以上会话重放需在批次间刷新令牌。每次 SFAP 重放调用约 1–3 秒，建议控制在 20 个会话以内，预计运行 10–30 分钟（10 个会话）。精确匹配评分瞬时完成，LLM 评判每轮增加约 1–2 秒。部分操作状态为 proposed（提议中），另有一些标记为 implemented（已实现）。收费、价格与具体部署细节暂未提供。