warunek zakończenia

Reguła w kodzie pętli rozstrzygająca, czy wykonać kolejny obrót, czy zwrócić wynik. Występuje w czterech wariantach: naturalny, limit kroków, limit budżetu i limit czasu. Sam warunek naturalny nie wystarcza — model potrafi prosić o narzędzia w nieskończoność.

W Polsce nazywane też:

warunek stopulimit krokówlimit iteracjikryterium zakończenia

Pętla agenta nie kończy się sama. Kończy ją warunek, który ktoś musiał napisać — i to, jak został napisany, decyduje o rachunku i o tym, czy agent w ogóle odda sterowanie.

Czym jest warunek zakończenia

Warunek zakończenia to reguła w kodzie pętli rozstrzygająca, czy wykonać kolejny obrót, czy zwrócić wynik użytkownikowi. Model nie ma tu głosu — może przestać prosić o narzędzia, ale nie może zatrzymać pętli, bo nie ma do niej dostępu.

Cztery rodzaje warunków

Naturalny: model zwrócił odpowiedź zamiast prośby o wywołanie narzędzia. To jedyny warunek, który wynika z zachowania modelu, i jedyny, na którym nie wolno poprzestać.

Limit kroków: twarda górna granica liczby obrotów. Zabezpieczenie przed zapętleniem, nie mechanizm sterowania.

Limit budżetu: przerwanie po przekroczeniu zadanej liczby tokenów lub kosztu. Bywa ważniejszy od limitu kroków, bo obroty mają bardzo różną cenę.

Limit czasu: przerwanie po przekroczeniu czasu wykonania, istotne wszędzie tam, gdzie na odpowiedź czeka człowiek albo inny system.

Dlaczego sam warunek naturalny nie wystarcza

Model może prosić o narzędzia w nieskończoność — powtarzać ten sam krok, oscylować między dwoma wywołaniami albo szukać informacji, której nie ma. Pętla bez limitu wykona to wszystko posłusznie, płacąc za każdy obrót. Naiwna konstrukcja z warunkiem wyłącznie naturalnym to najczęstsza przyczyna nieoczekiwanie wysokich rachunków w pierwszych wdrożeniach.

Zakończenie to nie to samo co sukces

Warto rozdzielić dwie rzeczy: pętla się zatrzymała i zadanie zostało wykonane. Agent przerwany limitem zwróci coś — najczęściej odpowiedź niepełną, czasem brzmiącą pewnie. Dobra pętla odróżnia zakończenie normalne od wymuszonego i przekazuje tę informację dalej, zamiast udawać, że wszystko poszło zgodnie z planem.

Powiązane pojęcia

zapętlenie agentaSytuacja, w której agent wykonuje kolejne obroty pętli bez zbliżania się do zakończenia zadania — powtarza to samo wywołanie, oscyluje między dwoma narzędziami albo minimalnie zmienia argumenty. Wynika z braku pamięci modelu między wywołaniami i z narzędzi zwracających pustkę bez wyjaśnienia.koszt kumulacyjny pętliSumaryczny koszt zadania agentowego, wynikający z tego, że przy każdym obrocie pętli cały rosnący kontekst jest wysyłany do modelu od nowa. Nie jest iloczynem liczby kroków i kosztu wywołania, lecz sumą rosnącego ciągu — dziesięć kroków potrafi kosztować kilkukrotnie więcej, niż sugeruje intuicja.Opóźnienie agentoweŁączny czas od zlecenia zadania agentowi do dostarczenia wyników — suma wywołań modelu, narzędzi, retrieval i orchestration overhead. Kluczowa metryka dla interaktywnych zastosowań wymagająca decyzji: równoległe wywołania, cachowanie, dobór modelu, sync vs async.Koszt tokenówKoszt operacji modelu językowego mierzony w tokenach — funkcja rozmiaru kontekstu, długości outputu i ceny modelu. Kluczowa metryka projektowa dla agentów w skali. Context window bloat jako główny winowajca wysokich kosztów. Model routing i prompt caching jako strategie optymalizacji.Pętla agentaPodstawowy cykl działania autonomicznego agenta AI — powtarzająca się sekwencja percepcji, planowania, akcji i oceny wyniku — która kontynuuje się aż agent osiągnie cel lub zostanie zatrzymany. Fundament architektoniczny każdego agenta który działa wielokrokowo.