# AI 编程智能体的 CI：智能体每一轮都要等 GitHub Actions 20 分钟时怎么办

> AI 编程智能体的循环是：推送、等 CI、读失败信息、修复、再推送，所以一条 20 分钟的流水线，修五次就要等 100 分钟。按顺序缩短等待：智能体推送前自己先跑检查，取消被取代的运行，快速检查先出结果，只跑受影响的测试，再用一台在作业之间保留缓存的机器。Skipbox 在你的专属机器上运行这些作业，每月 $39 起，分钟数不限。

AI 编程智能体的循环是：推送、等 CI、读失败信息、修复、再推送。一条 20 分钟的流水线，修五次就是 100 分钟的等待，而智能体推送得比人还多：Anthropic 的 CI 作业量在六个月里增长了 25 倍。按这个顺序缩短等待。让智能体在推送前先跑 lint、类型检查和受影响的单元测试。新推送到达时取消这个拉取请求的旧运行。把快速检查放进单独的作业，让失败信息一两分钟就回来。只运行改动影响到的测试。然后砍掉每个作业在新虚拟机上都要重复的准备工作：在一台在作业之间保留 Docker 层、包缓存和构建输出的机器上，astro 的 CI 作业从 GitHub 上的 528 秒降到了 Skipbox 上的 30 秒。

Skipbox 在你账号的专属机器上运行作业，在作业之间保留这些状态。只改一行 `runs-on: skipbox`，每月固定 $39，分钟数不限：一个下午推送二十次的智能体，不会给账单增加一分钱，GitHub 预算也从不会让它的作业停下。

- astro 的 CI：GitHub 上 528 秒，Skipbox 上 30 秒，沿用上一个作业留下的构建输出
- 分钟数不限：智能体的每次推送、每次审查修复、每次重跑都包含在固定价格里
- Docker 的层、包缓存和工具都留在你的机器上，每一轮循环都不用重新安装

**固定价格的 GitHub Actions，分钟数不限** Skipbox 在你的专属机器上运行 GitHub Actions 作业：每月 $39，无论运行多少分钟。Docker 层和依赖缓存在作业之间保留，所以下一个作业能立即开始。

4 vCPU 运行器，每月 2万分钟: GitHub $222 → Skipbox $39. 每月节省 $183.

切换只需改一行：`runs-on: skipbox`。

[开始 7 天免费试用](https://app.skipbox.dev/sign-in?ref=g-ci-for-ai-coding-agents-zh-hans)

## 为什么智能体的循环让 CI 成了瓶颈

Anthropic 在[关于扩展测试影响分析的文章](https://claude.com/resources/articles/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic)中写道，它的 CI 作业量在 6 个月里增长了 25 倍。文章给出两个原因：Claude 偏好更小、更细粒度的 PR，智能体还会在夜里和周末推送。人会把几处修复攒在一起；智能体则每修一处就推送一次，然后等待。流水线的每一分钟，每一轮都要付一次。

## 1. 推送之前，能抓的先抓住

最快的 CI 运行，是不会失败的那一次。把 CI 跑的 lint、类型检查和单元测试命令同样交给智能体，让它每次推送前对改动过的文件先跑一遍。这样一个拼写错误只花它自己机器上的几秒钟，而不是一趟 20 分钟的往返。

## 2. 取消被新推送取代的运行

上一次运行还没结束，智能体就推送了修复，同一个拉取请求上就会有两次运行。取消旧的那次（[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` 只在拉取请求上存在，所以每次推送到 `main` 都有自己的组，永远不会被取消。

## 3. 让快速检查先出结果

把 lint 和类型检查放进单独的作业，前面不加 `needs:`，慢的测试套件放在其他作业里。智能体一出现失败就能读到，而不是等到端到端作业之后。

## 4. 只运行改动影响到的部分

Anthropic 应对 25 倍增长的办法，是一个决定每次改动运行哪些测试的测试影响分析服务。大多数仓库可以从小处着手：在 Turborepo 中用 `turbo run test --affected`（[Turborepo 的 CI 指南](https://turborepo.dev/docs/crafting-your-repository/constructing-ci)），给只和某个目录相关的工作流加路径过滤，合并后在 `main` 上完整跑一遍，抓住选择性运行漏掉的问题。

## 5. 不要每一轮都重建同样的状态

在 GitHub 托管的运行器上，每个作业都在一台新虚拟机上启动：重新安装工具链，下载并解压依赖缓存，拉取或重建 Docker 的层，构建从零开始。一天上百轮智能体循环，这些准备工作就是等待的大头。一个在作业之间保留磁盘的运行器，这些早就在那里了。

根据[我们对真实项目的运行结果](https://skipbox.dev/zh-hans/guides/rust-cache-slow-rust-ci)，工作流未做任何修改：

| 项目 | GitHub（公开仓库，4 vCPU，16 GB） | Skipbox 专属机器（4 vCPU） |
|---|---|---|
| astro（pnpm，Turborepo） | 528 秒 | **30 秒** |
| tauri（Rust） | 246 秒 | **53 秒** |
| ripgrep（Rust） | 200 秒 | **40 秒** |

## 6. 不只规划分钟数，也规划同时运行的作业数

几个智能体各自推送带矩阵的拉取请求，就会碰到 GitHub 标准运行器的并发上限：同时运行的作业数，GitHub Free 20 个，Pro 40 个，Team 60 个，Enterprise 500 个（[限制](https://docs.github.com/en/actions/reference/limits)）。超过之后，作业排队。按分钟计费时，这些作业每一个都要花钱；支出限额一旦用完，就会显示 "The job was not started because recent account payments have failed or your spending limit needs to be increased" 并让它们停下（[该怎么办](https://skipbox.dev/zh-hans/guides/github-actions-spending-limit-job-not-started)）。

## Skipbox 为智能体的 CI 做了什么

每个套餐都附带你账号的专属机器，在作业之间一直保留：

- **状态保留下来**：Docker 的镜像、层和构建缓存；`~/.npm`、pnpm store、`~/.cache`，以及 Go、Gradle、Maven 和 Cargo 的缓存；`setup-*` 安装的工具。检出目录也会保留，连同 Cargo 的 `target/`，turbo 2 项目还有顶层的 `.turbo`，所以下一次构建从上一次停下的地方接着进行。
- **分钟数不限**，GitHub 预算或支出限额从不会让 Skipbox 的作业停下。
- **同时运行的作业数就是套餐的 vCPU**：只要放得进账号所持套餐的 vCPU，作业就同时运行；其余的排队等待，账号页面会显示有多少在等、等了多久。一个 S 一次运行一个 4 vCPU 的作业；套餐可以任意组合叠加。
- **智能体自己的作业也能在这里运行**：把它的 `runs-on` 设为 `skipbox`。

| 标签 | 机器 | 套餐 |
|---|---|---|
| `skipbox` | 4 vCPU · 16 GB | S，每月 $39 |
| `skipbox-8x16` | 8 vCPU · 16 GB | M，每月 $79 |
| `skipbox-16x32` | 16 vCPU · 32 GB | L，每月 $149 |

在 4 vCPU 上每月 2万分钟，GitHub 收 $222；Skipbox S 是 $39。每月 3万分钟时，GitHub 是 $342。

## 切换只需改一行

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

1. 使用 GitHub 登录 Skipbox。
2. 安装 Skipbox GitHub 应用，并选择仓库。
3. 修改 `runs-on` 并推送。

## 安全

- 这台机器只属于你的账号。不会运行其他公司的作业。
- 每个作业结束后，运行器的凭据、进程和容器都会被清除，保留下来的检出目录中的 git 凭据和未跟踪文件也一样。开启“每个作业用新虚拟机”后，每个作业改在一台新机器上运行。
- 没有写入权限的人提交的代码（例如来自复刻的拉取请求）在一台新的虚拟机上运行，它能读取你的缓存，但不能修改。

详情见[作业如何隔离](https://docs.skipbox.dev/zh-hans/isolation)。

## 用智能体在等的作业试试

试用免费，为期 7 天 或 3,000 作业分钟，以先到者为准，无需绑卡。把智能体在等的作业改为 `runs-on: skipbox`，让智能体推送两次，再把第二次运行与 GitHub 上的对比。

## 常见问题

### 我的编程智能体开一个 PR，等 20 分钟 CI，修复，然后再等。怎样让 CI 快到跟得上智能体的循环？

按这个顺序缩短智能体要等的东西。让它在推送前先跑 lint、类型检查和受影响的单元测试，这样 CI 就不是第一个发现拼写错误的地方。新推送到达时取消这个拉取请求的旧运行（concurrency 加 cancel-in-progress）。把快速检查放进单独的作业，让智能体一两分钟就能读到失败信息。只运行改动影响到的测试。然后去掉每个作业都重复的准备工作：在一台在作业之间保留 Docker 层、包缓存和构建输出的机器上，astro 的 CI 从 GitHub 上的 528 秒降到了 Skipbox 上的 30 秒。

### AI 智能体会让 CI 增加多少？

Anthropic 写道，它的 CI 作业量在 6 个月里增长了 25 倍，因为 Claude 偏好更小、更细粒度的拉取请求，智能体还会在夜里和周末推送。除非工作流取消、跳过或缩小它们，这些推送每一次都会把整个工作流再跑一遍。

### 大部分 PR 由 AI 智能体编写的团队，最好的 CI 配置是什么？

能快速回应智能体、又不按推送计费的配置：一个先出结果的快速作业跑 lint 和类型检查，慢的测试套件放在后面，取消拉取请求的旧运行，只跑受影响的测试，再加上在作业之间保留缓存的运行器。Skipbox 为每个账号提供专属机器，价格固定，分钟数不限；同时运行的作业数，取决于账号所持套餐的 vCPU 总数。

### 智能体会碰到 GitHub 的并发上限吗？

会。GitHub 托管的标准运行器同时最多运行的作业数：GitHub Free 20 个，Pro 40 个，Team 60 个，Enterprise 500 个；其余的排队。几个智能体同时推送带矩阵的拉取请求，很快就会碰到上限。在 Skipbox 上，只要放得进账号套餐的 vCPU，作业就同时运行，其余的排队等待，所以同时运行多个智能体的团队，会持有多个套餐或一个更大的套餐。

### 智能体自己的作业能在 Skipbox 上运行吗？

能。任何 Linux 作业都用 runs-on 选择机器，运行 Claude Code 操作的作业也一样。把它设为 skipbox，它就和你的 CI 在同一台机器上运行。

### 试用要花多少钱？

不花钱。试用为期 7 天 或 3,000 作业分钟，以先到者为准，无需绑卡，最多同时运行 4 个作业，每个 4 vCPU。把智能体在等的作业改为 runs-on: skipbox，给第二次运行计时。

更新于 2026-11-16 · https://skipbox.dev/zh-hans/guides/ci-for-ai-coding-agents
