Agentische workflow
Een workflow waarin een LLM niet eenmalig antwoordt, maar plant, tools gebruikt, zijn eigen resultaten beoordeelt en over meerdere stappen naar een doel itereert. De verschuiving van "een chatbot die antwoordt" naar "een agent die taken uitvoert".
Patronen (gepopulariseerd door onder anderen Andrew Ng): reflectie (het model beoordeelt en verbetert zijn eigen concept), toolgebruik (zoeken, code uitvoeren, API's aanroepen), planning (een taak opdelen in deelstappen) en multi-agent (meerdere gespecialiseerde agents werken samen). In plaats van één aanroep ontstaat een lus of graaf van aanroepen die naar een doel toewerkt, vaak met ReAct als kernmotor. Winst: complexe taken in meerdere stappen (een hele functie inclusief tests coderen, onderzoek doen en een rapport schrijven) die één antwoord niet aankan. Prijs: meer aanroepen (kosten/latentie), lastiger debuggen en het risico dat de agent "de mist in gaat". De kern van de agentgolf van 2024–2025. Verwant aan de ReAct-agent en het multi-agentsysteem.