# 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, więc 20-minutowy pipeline kosztuje 100 minut przy pięciu poprawkach. Skracaj czekanie po kolei: sprawdzenia, które agent uruchamia przed pushem, anulowanie nieaktualnych uruchomień, szybkie sprawdzenia najpierw, tylko testy, których dotyczy zmiana, i maszyna, która zachowuje cache między zadaniami. Skipbox uruchamia te zadania na Twojej dedykowanej maszynie od $39 miesięcznie, z minutami bez limitu.

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.

- CI projektu astro: 528 s w GitHubie, 30 s w Skipbox, z wynikami buildów zachowanymi z poprzedniego zadania
- Minuty bez limitu: każdy push agenta, poprawka po review i ponowne uruchomienie mieszczą się w stałej cenie
- Warstwy Dockera, cache pakietów i narzędzia zostają na Twojej maszynie, więc każda pętla pomija ponowną instalację

**GitHub Actions w stałej cenie, minuty bez limitu** Skipbox uruchamia Twoje zadania GitHub Actions na Twojej własnej, dedykowanej maszynie: $39 miesięcznie, niezależnie od liczby minut. Warstwy Dockera i cache zależności zostają między zadaniami, więc kolejne zadanie startuje od razu.

Runner 4 vCPU, 20 000 minut miesięcznie: GitHub $222 → Skipbox $39. Oszczędzasz $183 co miesiąc.

Przejście to jedna linia: `runs-on: skipbox`.

[Rozpocznij 7-dniowy okres próbny](https://app.skipbox.dev/sign-in?ref=g-ci-for-ai-coding-agents-pl)

## Dlaczego pętle agentów robią z CI wąskie gardło

Według [artykułu Anthropic o skalowaniu analizy wpływu testów](https://claude.com/resources/articles/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic) 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](https://docs.github.com/en/actions/how-tos/write-workflows/choose-when-workflows-run/control-workflow-concurrency)):

```yaml
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](https://turborepo.dev/docs/crafting-your-repository/constructing-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](https://skipbox.dev/pl/guides/rust-cache-slow-rust-ci), 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](https://docs.github.com/en/actions/reference/limits)). 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](https://skipbox.dev/pl/guides/github-actions-spending-limit-job-not-started)).

## 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 przez `setup-*`. Checkout też zostaje, z `target/` Cargo, a w projektach z turbo 2 z `.turbo` na 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-on` na `skipbox`.

| 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

```yaml
jobs:
  checks:
    runs-on: skipbox # was ubuntu-latest
```

1. Zaloguj się do Skipbox przez GitHuba.
2. Zainstaluj aplikację Skipbox w GitHubie i wybierz repozytoria.
3. Zmień `runs-on` i 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](https://docs.skipbox.dev/pl/isolation).

## 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 2026-11-19 · https://skipbox.dev/pl/guides/ci-for-ai-coding-agents
