W skrócie
Agentów i tryby deep research (pogłębionego wyszukiwania) warto zostawić dla zadań, które naprawdę wymagają wielu kroków, np. zbadania szerokiego tematu w wielu źródłach, a do szybkich pytań używać zwykłego czatu. Agenci wywołują model wiele razy w jednym zadaniu: Anthropic podał, że agenci zużywają około cztery razy więcej tokenów niż czat, a systemy wieloagentowe około piętnaście razy więcej.
Kroki
- Najpierw warto spróbować zwykłego czatu lub wyszukiwarki, a agenta użyć tylko wtedy, gdy to nie wystarczy.
- Agentowi należy podać jasny cel, zakres i moment, w którym ma się zatrzymać.
- Warto wskazać, z jakich źródeł lub stron ma korzystać, by nie błądził.
- Należy obserwować pierwsze uruchomienie i zatrzymać agenta, jeśli zacznie się powtarzać.
- Warto ponownie wykorzystać przygotowany raport, zamiast powtarzać to samo wyszukiwanie.
Agenci są potężni, ale drodzy, dlatego należy dobrze formułować dla nich zadania i używać ich do dużych prac. Agent AI, w tym tryby „deep research” w wielu chatbotach, w pętli planuje, wyszukuje, czyta, pisze i sprawdza. Każdy krok to kolejne wywołanie modelu, zwykle z rosnącą historią zadania.
O ile więcej zużywają agenci?
Wielokrotnie więcej niż czat. Anthropic, opisując w 2025 roku własny wieloagentowy system badawczy, podał, że agenci zużywali zwykle około cztery razy więcej tokenów niż rozmowy na czacie, a systemy wieloagentowe około piętnaście razy więcej. Kim, Shin, Chung i Rhu stwierdzili, że przepływy pracy agentów zużywały znacznie więcej energii niż pojedyncze odpowiedzi, a dodatkowe obliczenia dawały coraz mniejszy przyrost dokładności.
To uczciwa wymiana przy zadaniu, które zajęłoby wiele godzin. To marnotrawstwo przy czymś, na co odpowie jedno pytanie.
Jak dobrze sformułować zadanie dla agenta?
- Należy opisać, jak wygląda gotowy wynik: „Jednostronicowe podsumowanie pięciu najczęściej cytowanych badań od 2023 roku”.
- Należy określić zakres: okres, kraje, rodzaje źródeł.
- Warto wskazać źródła, którym się ufa, jeśli są znane.
- Warto poprosić o krótki wynik. Długi raport więcej kosztuje przy pisaniu i czytaniu.
Częste błędy
- Używanie deep research do prostych pytań, z którymi wyszukiwarka lub czat radzą sobie w kilka sekund.
- Powtarzanie tego samego wyszukiwania zamiast zapisania i aktualizowania pierwszego raportu.
- Pozwalanie zablokowanemu agentowi działać dalej. Jeśli wciąż wraca do tych samych stron, należy go zatrzymać i przeformułować zadanie.
Osoby budujące agentów znajdą wskazówki na stronie jak powstrzymać agentów AI przed marnowaniem tokenów. Szerszy problem opisuje artykuł agentowa AI i marnowanie tokenów.
Źródła
- How we built our multi-agent research system, Anthropic (2025)
- The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective, Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
Powiązane
Kiedy używać trybu „myślenia” lub rozumowania w AI?
Kiedy tryb rozumowania lub „myślenia” AI jest wart użycia, kiedy wystarczy standardowy model i dlaczego rozumowanie może zużywać wielokrotnie więcej energii na odpowiedź.
Jak sprawić, by agenci AI nie marnowali tokenów?
Praktyczne zabezpieczenia dla agentów AI: warunki zakończenia, limity kroków i tokenów, wykrywanie pętli, przycinanie kontekstu i małe modele do prostych kroków.
Agentowa AI i marnowanie tokenów
Dlaczego agenci AI mogą zużywać wielokrotnie więcej tokenów i energii niż czat, jak pętle je marnują i jakie zabezpieczenia trzymają agentów w ryzach.