Три паттерна workflow для AI-агентов: когда какой брать
AI-агенты принимают решения сами, но без структуры это хаос. Workflow — это скелет, который направляет автономию в нужное русло: задаёт порядок шагов, чекпоинты и границы, внутри которых агент всё ещё может рассуждать и вызывать инструменты.
В продакшене у команд, которые строят агентов, чаще всего встречаются три паттерна:
- Sequential — шаги идут один за другим, результат предыдущего передаётся следующему. Подходит для цепочек типа «собери данные → проанализируй → сформируй отчёт».
- Parallel — несколько веток выполняются одновременно. Удобно, когда задачи независимы: например, параллельный запрос к нескольким API или проверка разных гипотез.
- Evaluator-optimizer — один агент генерирует вариант, второй оценивает и решает, принять или переделать. Классика для качества: генерация → ревью → итерация до достижения критериев.
Неправильный выбор паттерна бьёт по латентности, расходу токенов и стабильности. Sequential тянет время, если шаги можно распараллелить. Parallel не подходит, когда шаги зависят друг от друга. Evaluator-optimizer дорог по токенам, но даёт предсказуемый результат.
Паттерны можно комбинировать: например, параллельная загрузка данных, затем последовательная обработка и в конце evaluator для проверки качества.