Pętla agenta

Pętla, którą prowadzisz#

Czat odpowiada raz. Agent działa w pętli:

code
Kopiuj
1. Plan        — rozbija zlecenie na kroki
2. Działanie   — czyta pliki, szuka, edytuje, uruchamia
3. Obserwacja  — patrzy na wynik kroku (błąd? test przeszedł?)
4. Decyzja     — następny krok, poprawka albo koniec

Tak samo działa Claude Code przy kodzie i Cowork przy dokumentach. Różni się tylko to, czym agent działa — rytm jest ten sam.

Pętla kręci się szybko i sama. Dlatego twoja rola nie polega na pilnowaniu każdego kroku, tylko na trzech momentach, w których wejście kosztuje najmniej, a daje najwięcej.

Moment 1: plan, zanim cokolwiek się zmieni#

Najtańsza korekta to ta przed pierwszym działaniem. Poproś o plan i przeczytaj go wobec zlecenia, nie wobec własnego entuzjazmu:

• •Czy plan dotyka tylko tego, czego dotyczy zlecenie? (pliki, foldery, źródła)
• •Czy mówi, jak agent sprawdzi wynik — i czy to jest twoje kryterium „skończone, gdy…"?
• •Czy jest krok, którego nie da się cofnąć? (usuwanie, wysyłka, zmiana na produkcji)

Jedno zdanie poprawki na tym etapie oszczędza godzinę odkręcania później. W Claude Code służy do tego plan mode, w Cowork — plan, który Claude pokazuje przed startem.

Moment 2: rozmiar kroku i punkty kontrolne#

Duże zadanie zlecone jednym strzałem to loteria: jeśli coś poszło źle w kroku 2, kroki 3–10 budują na błędzie. Dlatego:

• •Małe kroki. „Najpierw przeanalizuj, potem zaproponuj plan, potem zrób pierwszy element" zamiast „zrób całość".
• •Punkt kontrolny po kroku, który dużo kosztuje albo wiele zmienia. Ty decydujesz, gdzie: „zatrzymaj się po zebraniu źródeł i pokaż listę, zanim zaczniesz pisać".
• •Jedna zmiana naraz. Gdy coś nie działa, wiesz, która zmiana to zepsuła.
• •Punkt powrotu. Przy kodzie — commit (i checkpointy w Claude Code); przy dokumentach — kopia albo osobny folder na wynik.

Moment 3: warunek końca#

Agent kończy, gdy uzna, że skończył. To nie jest to samo, co „skończone" w twoim zleceniu.

• •Warunek końca piszesz w zleceniu: „skończone, gdy testy przechodzą i eksport otwiera się z polskimi znakami".
• •„Gotowe" od agenta to kandydat do odbioru, nie wynik. Odbierasz według kosztu błędu (moduł „Delegacja i weryfikacja").
• •Poproś o dowód zamiast deklaracji: komenda i wynik testów, lista sprawdzonych źródeł, porównanie przed i po.

Kiedy przerwać i zacząć od nowa#

Pętla potrafi kręcić się w miejscu. Sygnały, że czas ją zatrzymać:

• •Ta sama poprawka trzeci raz. Agent naprawia, psuje coś obok, naprawia z powrotem. Nie dawaj czwartej szansy — zatrzymaj, wróć do punktu powrotu.
• •Plan się rozjechał. Agent robi rzeczy, których nie było w planie, i nie potrafi powiedzieć dlaczego.
• •Kontekst zarósł. Długa sesja, dużo prób, sprzeczne instrukcje — agent zaczyna gubić początek.

Wtedy nie dopisujesz kolejnej prośby. Poprawiasz zlecenie i zaczynasz od czystej sesji z tym, czego się nauczyliście: „Poprzednio próbowaliśmy X i Y, nie zadziałało, bo Z. Zacznij od…". Błąd, który wynika ze zlecenia, naprawia nowe zlecenie — nie kolejna runda poprawek.

Przykład: raport z pięciu źródeł (bez kodu)#

code
Kopiuj
Zlecenie: „Zestaw porównanie 3 dostawców z dokumentów w folderze /oferty.
           Skończone, gdy każda liczba ma wskazane źródło (plik, strona).
           Niczego nie usuwaj, wynik zapisz jako nowy plik."

Moment 1 — plan:      agent chce przeczytać też /archiwum → poprawiasz: „tylko /oferty"
Moment 2 — kontrola:  „Pokaż tabelę z liczbami i źródłami, zanim napiszesz podsumowanie"
                      → jedna cena bez źródła, prosisz o uzupełnienie
Moment 3 — koniec:    sprawdzasz 2 losowe liczby w oryginałach (próbka),
                      cenę kluczowego dostawcy — do dna

Trzy wejścia, każde po kilka zdań. Resztę pętli agent prowadzi sam.

Dla budujących: jak pętla wygląda w kodzie#

Jeśli budujesz własnego agenta na API, pętla to kilka linii. Model sam decyduje, czy wywołać narzędzie (wymuszony tool_choice na aktualnych modelach zwraca 400), więc warunkiem końca jest stop_reason:

python
Kopiuj
import anthropic

client = anthropic.Anthropic()

def agent_loop(task: str, tools: list, max_iterations: int = 10):
    messages = [{"role": "user", "content": task}]

    for _ in range(max_iterations):
        response = client.messages.create(
            model="claude-sonnet-5-5",
            max_tokens=16000,
            tools=tools,
            messages=messages,
        )
        # Całą odpowiedź (z blokami thinking) dopisujesz bez zmian
        messages.append({"role": "assistant", "content": response.content})

        if response.stop_reason != "tool_use":
            return "".join(b.text for b in response.content if b.type == "text")

        # Wszystkie wywołania z tej tury → wszystkie wyniki w JEDNEJ wiadomości
        tool_results = [
            {"type": "tool_result", "tool_use_id": b.id, "content": str(execute_tool(b.name, b.input))}
            for b in response.content if b.type == "tool_use"
        ]
        messages.append({"role": "user", "content": tool_results})

    return "Przekroczono limit iteracji"

Trzy momenty z tego modułu mają tu swoje odpowiedniki: plan (pierwsza tura bez narzędzi albo osobny krok planowania), punkty kontrolne (zatwierdzenie przez człowieka przed narzędziem, które zmienia świat), warunek końca (limit iteracji + sprawdzenie wyniku poza modelem). Tekst wybierasz po typie bloku — na modelach 5.x myślenie jest domyślnie włączone, więc odpowiedź bywa poprzedzona blokiem thinking.