一種設計模式，其中 AI 智能體編排多步驟流程 — 規劃、執行工具、評估結果並迭代 — 以完成複雜任務。與單一的提示-回應交換不同，代理工作流程涉及迴圈：智能體行動、觀察結果、決定下一步做什麼，然後繼續直到任務完成或需要人類輸入。
代理工作流程是 AI 從「回答問題」轉變為「完成工作」的方式。聊天機器人一次回答一個問題。代理工作流程則研究一個主題、撰寫草稿、審查其準確性並修改 — 全部自主完成。這種模式正在程式碼生成（Cursor、Claude Code）、研究（Perplexity、Deep Research）和企業自動化中出現。
常見的代理模式：ReAct（推理 + 行動 — 智能體在思考做什麼和採取行動之間交替）、計劃-執行（預先建立計劃，然後執行每個步驟），以及反思（生成輸出、批評它、然後改進它）。更複雜的模式包括層級智能體（規劃者智能體委派給專業智能體）和多智能體辯論（智能體從不同角度辯論以達到更好的結論）。
代理工作流程依賴工具：網路搜尋、程式碼執行、檔案操作、API 呼叫、資料庫查詢。沒有工具，智能體只是一個自言自語的模型。工具定義的品質（清晰的描述、良好的型別參數、好的錯誤訊息）直接影響智能體的效能。定義不良的工具會導致錯誤的工具選擇、不正確的參數和連鎖錯誤。
代理工作流程最大的挑戰是可靠性。每個步驟都有一定的失敗機率，而失敗會在各步驟之間累積。生產環境的代理系統需要：錯誤處理（工具呼叫失敗時會發生什麼？）、護欄（哪些操作需要人類批准？）、可觀察性（記錄每個步驟以便除錯）、預算限制（每個工作流程的最大 token/成本），以及優雅降級（返回部分結果而非完全失敗）。令人印象深刻的演示與可靠的生產系統之間的差距是巨大的。