常见的智能体模式：ReAct（推理 + 行动——智能体在思考做什么和采取行动之间交替）、Plan-Execute（预先创建计划，然后执行每个步骤）、以及Reflection（生成输出，批评它，然后改进它）。更复杂的模式包括层次化智能体（规划智能体委托给专家智能体）和多智能体辩论（智能体从不同角度论辩以达到更好的结论）。
智能体工作流依赖工具：网络搜索、代码执行、文件操作、API调用、数据库查询。没有工具，智能体只是一个与自己对话的模型。工具定义的质量（清晰的描述、类型良好的参数、好的错误消息）直接影响智能体性能。定义不佳的工具会导致错误的工具选择、不正确的参数和级联错误。
智能体工作流最大的挑战是可靠性。每个步骤都有一定的失败概率，失败会跨步骤累积。生产级智能体系统需要：错误处理（工具调用失败时怎么办？）、护栏（哪些操作需要人类批准？）、可观测性（记录每个步骤以便调试）、预算限制（每个工作流的最大token/成本）、以及优雅降级（返回部分结果而非完全失败）。令人印象深刻的演示与可靠的生产系统之间的差距很大。