用途：本技能面向使用 LLM 构建智能体（Agent）与工作流的工程实践，帮助判断何时用工作流、何时用智能体，并给出可落地的架构模式与实现指引。
主要能力：
- 智能体与工作流对比：工作流走预定义代码路径、可预测性高、易调试，适合定义明确且可重复的任务；智能体由 LLM 决定下一步、更灵活但更难预测，适合开放式、需自适应的问题。核心原则是从最简单方案起步。
- 工作流模式：提示链（顺序调用，前一步输出喂给下一步）、路由（先分类再交给专门处理器）、并行化（并发执行独立子任务，含分节与投票变体）、编排者-工作者（中心 LLM 拆解任务并委派）、评估者-优化者（一个生成、另一个评估并请求改进）。
- 智能体架构：自主循环（观察、思考、行动、重复），带最大步数限制；人在回路（在关键检查点暂停等待人工批准）。
- ReAct 模式：在思考与行动间交替，显式推理轨迹便于调试，更适合复杂多步任务。
- 工具设计：工具应自包含、职责单一、命名与描述清晰、错误可读；优先文本输入输出，输出过大时截断，并给出明确反馈。
- 外部上下文协议：以 MCP 等协议标准化工具、提示与资源的发现，适合多智能体或多运行时复用同一集成；参数尽量收窄并用枚举，先返回结构化摘要，破坏性操作需显式批准或试运行。
使用方式：资料以概念说明与代码示例呈现，示例使用异步函数、工具类与消息列表等通用写法，可据此在自有 LLM 调用层上实现。
适用场景：需要工具调用、多步推理、任务拆解或自主决策的 LLM 系统设计。
限制：资料未提供具体安装命令、依赖版本、收费与平台信息；示例代码为示意，实际运行需自行接入 LLM 与工具实现。