Fluxo de trabalho agêntico
Um fluxo de trabalho em que um LLM não apenas responde uma vez, mas planeja, usa ferramentas, avalia os próprios resultados e itera rumo a um objetivo ao longo de várias etapas. A virada de "chatbot que responde" para "agente que executa tarefas".
Padrões (popularizados por Andrew Ng, entre outros): reflexão (o modelo revisa e melhora o próprio rascunho), uso de ferramentas (buscar, rodar código, chamar APIs), planejamento (quebrar uma tarefa em subetapas) e multiagente (vários agentes especializados colaborando). Em vez de uma única chamada, vira um loop ou um grafo de chamadas empurrando rumo a um objetivo, muitas vezes com o ReAct como motor central. Ganho: resolve tarefas complexas e multietapas (programar uma função inteira com testes, pesquisar e escrever um relatório) que uma resposta única não dá conta. Preço: mais chamadas (custo/latência), mais difícil de depurar, e o risco de o agente "sair dos trilhos". O núcleo da onda de agentes de 2024–2025. Relacionado a agente ReAct e sistema multiagente.