Agentarkitekturer

«Agent» är inte en arkitektur utan en familj. Fyra mönster täcker det mesta:

Mönster	Hur	Passar	Kostnad
ReAct	en loop: tänk → agera → observera	öppna uppgifter, få steg	låg
Planerare/utförare	en modell gör en plan, en annan (ofta billigare) utför stegen	uppgifter med tydlig struktur	medel
Reflexion	agenten kritiserar sitt eget resultat och försöker igen	kod, text som ska hålla kvalitet	hög (2–3×)
Multiagent	specialiserade roller som skickar arbete mellan sig	breda uppgifter med olika kompetenser	högst

Regeln som sparar mest pengar: börja med det enklaste som kan fungera. Ett enda välformulerat LLM-anrop slår en agent på de flesta uppgifter. En ReAct-loop slår multiagent på de flesta återstående.

Planerare/utförare i detalj: planeraren producerar en lista av delmål med beroenden (en liten DAG), utföraren löser ett delmål i taget med begränsad verktygsuppsättning, och en kontrollslinga avgör om planen behöver revideras. Fördelen är att planen går att granska och avbryta innan något körs — avgörande när stegen har sidoeffekter.

Multiagent är dyrare än det ser ut: varje agent har egen kontext, och informationen mellan dem passerar genom naturligt språk, vilket tappar precision vid varje överlämning. Forskningen visar blandade resultat — vinsterna kommer oftast från att uppgiften delats upp, inte från att flera modeller «samarbetar».

Val i praktiken, tre frågor:

1. Kan uppgiften lösas med ett anrop plus retrieval? → gör det.
2. Är stegen kända i förväg? → skriv en vanlig pipeline i kod, inte en agent. Kod är billigare, snabbare och deterministisk.
3. Är stegen okända och beroende av mellanresultat? → då, och först då, en agent.

Det vanligaste felet i produktion är att använda en agent där en pipeline räcker.