1. Prompt chaining 把一個 task 拆解成 N 次 LLM calls，其中第 N 次 LLM calls 是基於第 N-1 次 LLM calls 的 output。 2. Routing 根據第一次的 LLM call 的 output，決定下一步要呼叫哪一種 LLM。 主要的考量是不同的 LLM，擅長處理不同的任務。 3. Parallelization 拆解 task，讓多個 LLM 同時處理。 4. Orchestrator-workers Orchestrator LLM 自行拆解任務，讓多個 worker LLMs 同時處理，由 Synthesizer LLM 自行整合結果。 5. Evaluator-optimizer Generator LLM 生成 solution，由 Evaluator LLM 檢查 solution 的品質。若品質不符預期，提供反饋給 Generator LLM 再度生成 solution。 參考資料: Building effective agents (Anthropic) https://www.anthropic.com/engineering/building-effective-agents AI Engineer Agentic Track: The Complete Agent and MCP Course, Ed Donner
