有哪些被低估的工作流或技能可以显著提升 AI 智能体？

我一直在探索让 agentic 工作流更高效的不同方法，很好奇大家在实际配置中到底在用什么。我说的不是基础的网络搜索、文件读取或简单的工具调用。我感兴趣的是那些被低估的、能让智能体表现有明显提升的技能或工作流。例如： - 自我纠错与错误恢复。 - 上下文优化与智能记忆检索。 - 将复杂任务拆分为更小的子任务。 - 自动化测试与输出验证。 - 智能工具选择与执行。 - 工作流检查点与故障恢复。 - 多智能体协作。 你实现过哪一项让智能体能力或可靠性有明显提升的技能或工作流？如果能分享它是如何运作的，或者你在哪里使用它的真实案例，就更好了。