Agentic workflow
Ett arbetsflöde där en LLM inte bara svarar en gång, utan planerar, använder verktyg, utvärderar sina egna resultat och itererar mot ett mål över flera steg. Skiftet från "chatbot som svarar" till "agent som utför uppgifter".
Mönster (populariserade av Andrew Ng m.fl.): reflektion (modellen granskar och förbättrar sitt eget utkast), verktygsanvändning (sök, kör kod, anropa API:er), planering (bryt ned en uppgift i delsteg), och multi-agent (flera specialiserade agenter samarbetar). I stället för ett enda anrop blir det en loop eller en graf av anrop som driver mot ett mål, ofta med ReAct som grundmotor. Vinst: kan lösa komplexa, flerstegsuppgifter (koda en hel funktion med tester, researcha och skriva en rapport) som ett enskilt svar inte klarar. Pris: fler anrop (kostnad/latens), svårare att felsöka, och risk att agenten "spårar ur". Kärnan i 2024–2025 års agent-våg. Hör ihop med ReAct-agent och multi-agent system.