Ajan tabanlı iş akışı
Bir LLM'in yalnızca bir kez yanıtlamadığı, planladığı, araç kullandığı, kendi sonuçlarını değerlendirdiği ve bir hedefe doğru birkaç adımda yinelediği iş akışı. "Yanıt veren sohbet botu"ndan "görev yapan ajan"a geçiş.
Desenler (Andrew Ng ve başkalarınca yaygınlaştırıldı): yansıtma (model kendi taslağını gözden geçirip iyileştirir), araç kullanımı (arama, kod çalıştırma, API çağırma), planlama (görevi alt adımlara bölme) ve çok ajanlılık (birkaç uzman ajan iş birliği yapar). Tek bir çağrı yerine, bir hedefe doğru ilerleyen bir çağrı döngüsü ya da grafı ortaya çıkar; çekirdek motor çoğunlukla ReAct'tır. Kazanç: tek bir yanıtın çözemeyeceği karmaşık, çok adımlı görevleri çözebilmesi (testleriyle bütün bir fonksiyonu kodlamak, araştırıp rapor yazmak). Bedel: daha fazla çağrı (maliyet/gecikme), daha zor hata ayıklama ve ajanın "raydan çıkma" riski. 2024–2025 ajan dalgasının özü. ReAct ajanı ve çok ajanlı sistemle ilişkilidir.