CI dla agentów AI do kodowania: gdy agent w każdej pętli czeka 20 minut na GitHub Actions
Pętla agenta AI do kodowania to push, czekanie na CI, odczytanie błędu, poprawka i kolejny push. 20-minutowy pipeline przy pięciu poprawkach to 100 minut czekania, a agenci wypychają zmiany częściej niż ludzie: liczba zadań CI w Anthropic wzrosła 25-krotnie w ciągu sześciu miesięcy. Skracaj czekanie w tej kolejności. Niech agent przed pushem uruchamia lint, sprawdzanie typów i testy jednostkowe, których dotyczy zmiana. Anuluj starsze uruchomienia pull requesta, gdy przychodzi nowy push. Wydziel szybkie sprawdzenia do osobnego zadania, żeby błąd wracał w minutę lub dwie. Uruchamiaj tylko testy, których dotyczy zmiana. Potem utnij przygotowanie, które każde zadanie powtarza na nowej VM: na maszynie, która zachowuje warstwy Dockera, cache pakietów i wyniki buildów między zadaniami, zadanie CI projektu astro zeszło z 528 s w GitHubie do 30 s w Skipbox.
Skipbox uruchamia Twoje zadania na dedykowanej maszynie Twojego konta, która zachowuje ten stan między zadaniami. Zmień jedną linię, runs-on: skipbox, za stałe $39 miesięcznie, z minutami bez limitu: agent, który wypycha zmiany dwadzieścia razy w ciągu popołudnia, nic nie dokłada do rachunku, a budżet w GitHubie nigdy nie zatrzymuje jego zadań.
Dlaczego pętle agentów robią z CI wąskie gardło
Według artykułu Anthropic o skalowaniu analizy wpływu testów liczba zadań CI w Anthropic wzrosła 25-krotnie w ciągu 6 miesięcy. Podaje dwa powody: Claude woli mniejsze, bardziej szczegółowe pull requesty, a agenci wypychają zmiany w nocy i w weekendy. Człowiek grupuje poprawki; agent wypycha każdą z osobna i czeka. Każda minuta pipeline'u jest płacona raz na każdą pętlę.
1. Wyłap, co się da, przed pushem
Najszybsze uruchomienie CI to takie, które nie kończy się błędem. Daj agentowi te same polecenia lint, sprawdzania typów i testów jednostkowych, które uruchamia CI, i niech przed każdym pushem uruchamia je na zmienionych plikach. Literówka kosztuje wtedy sekundy na jego własnej maszynie, a nie 20-minutową podróż w obie strony.
2. Anuluj uruchomienia, które zastępuje nowy push
Agent, który wypycha poprawkę, gdy poprzednie uruchomienie jeszcze trwa, zostawia dwa uruchomienia w tym samym pull requeście. Anuluj starsze (concurrency):
concurrency:
group: ${{ github.workflow }}-${{ github.head_ref || github.run_id }}
cancel-in-progress: true
github.head_ref istnieje tylko w pull requestach, więc każdy push do main dostaje własną grupę i nigdy nie jest anulowany.
3. Najpierw zgłaszaj szybkie sprawdzenia
Wydziel lint i sprawdzanie typów do osobnego zadania, bez needs: przed nim, a wolne zestawy do innych. Agent odczytuje pierwszy błąd, gdy tylko się pojawi, a nie po zadaniu E2E.
4. Uruchamiaj tylko to, czego dotyczy zmiana
Odpowiedzią Anthropic na 25-krotny wzrost była usługa analizy wpływu testów, która ustala, które testy uruchomić przy każdej zmianie. Większość repozytoriów może zacząć skromniej: turbo run test --affected w Turborepo (przewodnik Turborepo o CI), filtry ścieżek w workflowach, które dotyczą tylko jednego katalogu, i pełne uruchomienie na main po scaleniu, żeby wyłapać to, co pominęła selekcja.
5. Przestań w każdej pętli odbudowywać ten sam stan
Na runnerach hostowanych przez GitHub każde zadanie startuje na nowej VM: toolchain jest przygotowywany od nowa, cache zależności pobierany i rozpakowywany, warstwy Dockera pobierane albo budowane od nowa, a build zaczyna od zera. Przy stu pętlach agentów dziennie to przygotowanie stanowi większość czekania. Runner, który zachowuje dysk między zadaniami, ma to już na miejscu.
Według naszych uruchomień prawdziwych projektów, z niezmienionymi workflowami:
| Projekt | GitHub (repozytorium publiczne, 4 vCPU, 16 GB) | Dedykowana maszyna Skipbox (4 vCPU) |
|---|---|---|
| astro (pnpm, Turborepo) | 528 s | 30 s |
| tauri (Rust) | 246 s | 53 s |
| ripgrep (Rust) | 200 s | 40 s |
6. Planuj zadania naraz, nie tylko minuty
Kilku agentów, z których każdy wypycha pull request z macierzą, dochodzi do limitu współbieżności GitHuba dla standardowych runnerów: 20 zadań naraz w GitHub Free, 40 w Pro, 60 w Team, 500 w Enterprise (limity). Powyżej tego zadania czekają w kolejce. Przy rachunku za minuty każde z tych zadań też kosztuje; wyczerpany limit wydatków zatrzymuje je komunikatem „The job was not started because recent account payments have failed or your spending limit needs to be increased” (co wtedy zrobić).
Co Skipbox robi dla CI agentów
Każdy plan ma dedykowaną maszynę Twojego konta, która zostaje między zadaniami:
- Stan zostaje. Obrazy, warstwy i cache buildów Dockera;
~/.npm, magazyn pnpm,~/.cache, cache Go, Gradle, Mavena i Cargo; narzędzia zainstalowane przezsetup-*. Checkout też zostaje, ztarget/Cargo, a w projektach z turbo 2 z.turbona najwyższym poziomie, więc następny build zaczyna tam, gdzie skończył poprzedni. - Minuty są bez limitu, a budżet ani limit wydatków w GitHubie nigdy nie zatrzymuje zadania w Skipbox.
- Zadania naraz to vCPU planów. Zadania działają równolegle, dopóki mieszczą się w vCPU planów konta; reszta czeka na swoją kolej, a strona konta pokazuje, ile zadań czeka i jak długo. Jeden plan S uruchamia naraz jedno zadanie na 4 vCPU; plany sumują się w dowolnym połączeniu.
- Własne zadanie agenta też może tam działać: ustaw jego
runs-onnaskipbox.
| Etykieta | Maszyna | Plan |
|---|---|---|
skipbox | 4 vCPU · 16 GB | S, $39 miesięcznie |
skipbox-8x16 | 8 vCPU · 16 GB | M, $79 miesięcznie |
skipbox-16x32 | 16 vCPU · 32 GB | L, $149 miesięcznie |
Przy 20 000 minut miesięcznie na 4 vCPU GitHub nalicza $222; Skipbox S to $39. Przy 30 000 minut $342.
Przejście to jedna linia
jobs:
checks:
runs-on: skipbox # was ubuntu-latest
- Zaloguj się do Skipbox przez GitHuba.
- Zainstaluj aplikację Skipbox w GitHubie i wybierz repozytoria.
- Zmień
runs-oni zrób push.
Bezpieczeństwo
- Maszyna należy tylko do Twojego konta. Nie działają na niej zadania żadnej innej firmy.
- Po każdym zadaniu usuwane są dane uwierzytelniające runnera, procesy i kontenery, a także dane uwierzytelniające gita i nieśledzone pliki w zachowanym checkoucie. Opcja Nowa VM dla każdego zadania daje zamiast tego każdemu zadaniu nową maszynę.
- Kod od osób bez uprawnień do zapisu (na przykład pull requesty z forków) działa na nowej VM, która czyta Twój cache, ale nie może go zmienić.
Szczegóły są w artykule jak zadania są od siebie odizolowane.
Wypróbuj na zadaniu, na które czeka Twój agent
Okres próbny jest bezpłatny przez 7 dni lub 3000 minut zadań, zależnie od tego, co nastąpi wcześniej, i nie wymaga karty. Przenieś zadanie, na które czeka Twój agent, na runs-on: skipbox, pozwól agentowi zrobić push dwa razy i porównaj drugie uruchomienie z GitHubem.
FAQ
Mój agent do kodowania otwiera PR, czeka 20 minut na CI, poprawia i znowu czeka. Jak sprawić, żeby CI było dość szybkie dla pętli agentów?
Skróć to, na co agent czeka, w tej kolejności. Niech przed pushem uruchamia lint, sprawdzanie typów i testy jednostkowe, których dotyczy zmiana, żeby CI nie było pierwszym miejscem, w którym wychodzi literówka. Anuluj starsze uruchomienia pull requesta, gdy przychodzi nowy push (concurrency z cancel-in-progress). Wydziel szybkie sprawdzenia do osobnego zadania, żeby agent odczytał błąd w minutę lub dwie. Uruchamiaj tylko testy, których dotyczy zmiana. Potem usuń przygotowanie, które powtarza każde zadanie: na maszynie, która zachowuje warstwy Dockera, cache pakietów i wyniki buildów między zadaniami, CI projektu astro zeszło z 528 s w GitHubie do 30 s w Skipbox.
O ile więcej CI generują agenci AI?
Anthropic napisał, że liczba jego zadań CI wzrosła 25-krotnie w ciągu 6 miesięcy, bo Claude woli mniejsze, bardziej szczegółowe pull requesty, a agenci wypychają zmiany w nocy i w weekendy. Każdy z tych pushy uruchamia cały workflow od nowa, chyba że workflow go anuluje, pominie albo zawęzi.
Jaka konfiguracja CI jest najlepsza dla zespołu, w którym większość PR piszą agenci AI?
Taka, która szybko odpowiada agentowi i nie nalicza za push: szybkie zadanie z lintem i sprawdzaniem typów, które zgłasza wynik jako pierwsze, wolne zestawy po nim, anulowane starsze uruchomienia pull requesta, uruchamianie tylko testów, których dotyczy zmiana, i runnery, które zachowują cache między zadaniami. Skipbox daje każdemu kontu dedykowaną maszynę w stałej cenie, z minutami bez limitu; liczba zadań, które uruchamia naraz, to vCPU planów, które ma konto.
Czy agenci trafiają na limity współbieżności GitHuba?
Mogą. Standardowe runnery hostowane przez GitHub uruchamiają naraz najwyżej 20 zadań w GitHub Free, 40 w Pro, 60 w Team i 500 w Enterprise; reszta czeka w kolejce. Kilku agentów wypychających pull requesty, każdy z macierzą, szybko to osiąga. W Skipbox zadania działają równolegle, dopóki mieszczą się w vCPU planów konta, a reszta czeka na swoją kolej, więc zespół, który uruchamia naraz kilku agentów, ma kilka planów albo większy plan.
Czy własne zadanie agenta może działać w Skipbox?
Tak. Każde zadanie Linux wybiera maszynę przez runs-on, w tym zadanie, które uruchamia akcję Claude Code. Ustaw je na skipbox, a będzie działać na tej samej maszynie co Twoje CI.
Ile kosztuje wypróbowanie?
Nic. Okres próbny trwa 7 dni lub 3000 minut zadań, zależnie od tego, co nastąpi wcześniej, bez karty, do 4 zadań naraz, każde na 4 vCPU. Przenieś zadanie, na które czeka agent, na runs-on: skipbox i zmierz czas drugiego uruchomienia.
Zaktualizowano 19 listopada 2026