Designmönster för agenter

Hur en agent skiljer sig från en assistent

En AI-agent förändrar vad ett gränssnitt måste klara. En konversationsassistent svarar inom ett och samma tillfälle, med personen närvarande och bedömande. En agent arbetar efter att personen har stängt fönstret, vidtar åtgärder i system som personen inte kan se, och delar ibland upp jobbet på flera agenter samtidigt.

Mönstren nedan beskriver hur produktteam hanterar det. De kommer från produkter som Google, Anthropic, Microsoft, LangChain, Asana och Notion har lanserat, och från forskning om människa-datorinteraktion publicerad 2025 och 2026. Varje mönster hänvisar till produkten eller artikeln det kommer från.

Emily Campbells Shape of AI är ett mönsterbibliotek för AI-gränssnitt som täcker loopen med prompt och svar på djupet. Den här resursen täcker vad som förändras när en agent arbetar utanför den loopen:

• Tid: arbetet fortsätter efter att sessionen är slut, som vid en efterforskning, en migrering eller ett nattjobb, och personen som gav uppdraget är inte där när det blir klart.
• Parallellitet: en förfrågan blir flera agenter, och en agent betjänar flera personer. Inget av det ryms i en enda konversationstråd.
• Initiativ: systemet startar arbete som svar på en händelse eller ett schema i stället för som svar på en prompt.
• Avstånd: arbetet sker i en sandlåda, en webbläsare eller ett annat företags API, där personen inte kan se på.

Överlämningscykeln

En agentuppgift rör sig genom sex steg, och kontrollen växlar mellan personen och agenten. Personen sätter uppdraget. Agenten skissar en plan, och personen redigerar den. Agenten utför uppgiften, och personen och agenten möts vid kontrollpunkter längs vägen. Personen verifierar resultatet. Det systemet lär sig blir underlag för nästa uppdrag.

Produkter byggda 2025 och 2026 är ofta starka på körsteget och svaga på uppdrag, verifiering och lärande. Den obalansen begränsar hur mycket människor delegerar.

De sju familjerna

ÖverlämningVad exakt efterfrågades, och vad får agenten göra?

Att komma överens om planen och dess gränser innan en agent börjar kostar mindre än att reda ut ett felaktigt resultat efteråt. Många agentprodukter byggda 2025 och 2026 gör någon version av detta.

Förhandsvisad avsikt, Redigerbar plan, Klargörande intervju, Åtskillnad mellan mål och uppgift, Autonomireglage, Budgetram, Varaktiga uppdrag, Inlärda planer

Tillsyn under gångHur kan en person ha tillsyn över en agent utan att följa varje steg?

Mänsklig uppmärksamhet är begränsad i agentarbete. Tillsyn bör placeras där ett fel skulle bli dyrt att upptäcka sent. Att bestämma var den ska placeras är en del av att designa produkten.

Schemalagd bekräftelse, Åtgärdsspärr, Ta över och lämna tillbaka, Styrning under körning, Val av detaljnivå, Konfidenssignal, Eskaleringstriaden

Verifiering och reparationHur vet någon att agenten gjorde det den säger att den gjorde?

Produkten bör göra det lätt att kontrollera en agents arbete. Kontrollen ska inte hänga på hur noggrann personen är.

Artefakter som kvitton, Svarsverifiering, Åtgärdslogg och tidsbegränsad ångerfunktion, Motivering förankrad i tidigare fall, Designad reparation

Att läsa av en mängd agenterVad gör det här systemet av agenter, och var har det fastnat?

Att övervaka varje agent direkt blir svårare för varje agent du lägger till. Forskning om människors samspel med robotsvärmar har visat att ansträngningen att samordna en grupp direkt växer minst linjärt med gruppens storlek. Användarstudier visar att människor föredrar orkestrering så snart det finns mer än en agent att hålla ögonen på.

Orkestrerare och arbetare, Delegeringsuppdrag, Målhierarki, Synliggjorda konflikter, Kontrollrum, Agentidentitet

Många människor, många agenterHur delar ett team en agent utan att tappa bort vem som gjorde vad?

Produkterna ligger före forskningen här. Asana, Notion och Slack levererade versioner av samma idé inom ett år från varandra, och den akademiska litteraturen om hur grupper skapar sig en bild av arbete utfört av grupper av agenter börjar först nu komma.

Adresserbar teammedlem, Likvärdiga behörigheter, Rätt att starta, Attribution i det gemensamma underlaget, Agentregister

Omgivande och asynkrontHur når arbete fram till en person när det inte finns någon session?

I en chatt måste personen starta varje utbyte. Det begränsar hur mycket arbete en person kan lämna över till agenter. Agenter som börjar arbeta på egen hand när en händelse inträffar, som att ett mejl kommer in eller ett bygge misslyckas, behöver en annan sorts gränssnitt än chatten.

Händelseutlösare, Agentinkorg, Schemalagda agenter, Avbrottsbudget, Återupptagbarhet

Agenter som användareKan en agent använda en produkt som är byggd för människor?

Matt Biilmann på Netlify myntade begreppet agent experience i januari 2025 och beskrev den upplevelse en agent har som användare av en produkt. Det har fyra pelare: åtkomst, kontext, verktyg och orkestrering.

Maskinläsbar kontext, Färdigheter, Protokollstacken, Generativa gränssnitt, Delegerad identitet

Gå igenom en agentfunktion med oss30 min

Var kontrollpunkterna ska placeras

Mänsklig uppmärksamhet är begränsad i agentarbete, så tillsyn måste placeras vid utvalda punkter i en uppgift, med någon av de tre strategier som beskrivs nedan.

Att bekräfta bara i slutet är i dag standard i lanserade produkter, och det är den svagaste strategin. Ett fel tidigt i en lång uppgift innebär att allt efter det måste göras om. Att bekräfta varje steg fångar fel omedelbart, men det kräver så mycket av personens uppmärksamhet att delegeringen ger liten nytta.

Att placera kontrollpunkter medvetet ligger mellan de två. Jieyu Zhou, Aryan Roy, Sneh Gupta, Daniel Weitekamp och Christopher MacLellan modellerade det som ett schemaläggningsproblem och testade det med 48 deltagare på CHI 2026. De rapporterar att 81 procent föredrog bekräftelse under vägen framför bekräftelse i slutet, och att tiden att bli klar sjönk 13,5 procent. Artikeln är arXiv:2510.05307.

Kontrollpunkter är mest användbara tidigt i en uppgift. Att fånga ett fel i ett tidigt steg kostar mindre än att reda ut ett som upptäcks nära slutet.

Åtta felmönster

De här åtta felen återkommer i agentprodukter.

1. 1
   Bekräfta bara i slutet

   Agenten arbetar i tjugo minuter och frågar sedan om den uppfattade uppgiften rätt.

   Åtgärdas av schemalagd bekräftelse.

2. 2
   Transparensteater

   Agenten visar en lång lista med verktygsanrop och presenterar den som sitt resonemang. Det blir för mycket att läsa, och människor slutar kontrollera arbetet.

   Åtgärdas av val av detaljnivå.

3. 3
   En enda autonomiomkopplare för allt

   En enda inställning styr agentens autonomi för varje uppgift den utför. Efter en dålig upplevelse stänger människor helt enkelt av hela funktionen.

   Åtgärdas av ett autonomireglage per uppgiftstyp.

4. 4
   Tyst oåterkallelig åtgärd

   Agenten agerar utan förhandsvisning först eller utan någon ångerfunktion.

   Åtgärdas av förhandsvisad avsikt och tidsbegränsad ångerfunktion.

5. 5
   Notisflod

   Flera bakgrundsagenter avbryter personen var för sig, utan överblick över helheten. Folk slutar läsa meddelandena och missar de som är viktiga.

   Åtgärdas av en avbrottsbudget.

6. 6
   Chatten som behållare för allt

   Produkten pressar parallellt arbete, bakgrundsarbete och nattarbete genom en enda chattråd.

   Åtgärdas av en agentinkorg och ett kontrollrum.

7. 7
   Anonyma flottor

   Agenter körs utan namn, utan ägare och utan uttalat uppdrag. Gartner gav mönstret namnet agent sprawl i april 2026.

   Åtgärdas av ett agentregister.

8. 8
   Självsäkra gissningar

   När en förfrågan är tvetydig väljer agenten en rimlig tolkning utan att säga det. Sedan presenterar den resultatet som ett färdigt, formaterat svar.

   Åtgärdas av eskaleringstriaden.

Samma åtta, med vad vart och ett kostar och mönstret som åtgärdar det, finns uppställda på sidan om felmönster.

Sex av mönstren förklaras också i korta bildspel. Du kan ladda ner vart och ett gratis, på svenska eller engelska.

Gå igenom en agentfunktion med oss30 min

Så används biblioteket i uppdrag

Utforskning & Riktning använder det som checklista för en agentfunktion innan den byggs, så att överlämning och verifiering specificeras tillsammans med själva funktionaliteten.

Implementering & Förankring använder det för att diagnostisera en agentfunktion som har lanserats men inte används. Orsaken ligger ofta i hur arbete lämnas över till agenten eller hur dess resultat kontrolleras.

Relaterat tidigare arbete

Shape of AI, av Emily Campbell, är ett mönsterbibliotek för gränssnitt i AI-produkter, publicerat under Creative Commons BY-NC-SA.

Produkter som nämns på sidan: Google Antigravity, Anthropic Claude Code och Cowork, Microsoft Magentic-UI, LangChain Agent Inbox, Asana AI Teammates, Notion Custom Agents. Forskning som nämns: Bansal med kollegor på Microsoft Research om kommunikation mellan människa och agent, Zhou med kollegor på Georgia Tech om hur ofta bekräftelse behövs, Schömbs med kollegor om interaktion med flera agenter, Lee om design av agentidentitet.

Vanliga frågor

Vad är ett designmönster för agenter?

Ett designmönster för agenter är en återanvändbar lösning på ett återkommande problem i gränssnittet mellan en person och en AI-agent som vidtar åtgärder. Exempel: att visa en plan innan något görs, att lägga kontrollpunkter inne i en lång uppgift, och att producera granskningsbara leveranser som personen kan kontrollera i stället för en logg.

Hur skiljer sig det här från promptning?

Promptning formar vad en agent ombeds göra. Designmönster för agenter täcker hur en person godkänner, övervakar och verifierar arbetet.

Vad är förhandsvisad avsikt?

Förhandsvisad avsikt är ett besked om vad agenten tänker göra, visat innan någon åtgärd med konsekvenser och skrivet på vanligt språk. Personen kan svara på minst tre sätt: fortsätt, redigera planen eller ta tillbaka uppgiften. Victor Yocco namngav och specificerade mönstret i Smashing Magazine i februari 2026, och menar att det bör vara obligatoriskt för åtgärder som är oåterkalleliga, ekonomiska eller synliga för tredje part.

Vad är ett autonomireglage?

Ett autonomireglage är en inställning som avgör hur mycket en agent får göra utan att fråga. Det har fyra nivåer: observera och föreslå, planera och lägga fram, agera med bekräftelse och agera självständigt. Det ställs in separat för varje typ av uppgift.

Bör en AI-agent be om bekräftelse vid varje steg?

Nej. Att bekräfta varje steg tar bort nyttan med att delegera. Att bekräfta bara i slutet är sämre, eftersom ett tidigt fel tvingar fram en omgörning av allt. Det testade alternativet placerar ett fåtal kontrollpunkter medvetet, med tyngdpunkt mot uppgiftens början.