סוכן התיעוד המתעדכן-עצמית של Mintlify: זיכרון עם סכמה קבועה, עצי run-log וטענת שיעור קבלה של 70% עד 90%
פוסט ההנדסה של Mintlify מ-30 באוקטובר מתאר סוכן רקע שעורך את הטריגרים והמיומנויות של סוכן רץ, שומר זיכרון כ-JSON עם סכמה קבועה ב-git, ושולח שינויים על ידי שליחת פרומפטים. מה הוא אומר, מה הוא מודד, ומה הייתי בודק לפני שמעתיקים.
Mintlify פרסמה את "The Harness and Memory Architecture Behind Self-Updating Docs" ב-30 באוקטובר. הרעיון הכי שמיש הוא עיצוב הזיכרון: במקום לתת לסוכן לכתוב פתקים חופשיים, שומרים זיכרון כקבצי JSON עם סכמה קבועה, כך ש"מה כדאי לזכור" הופך למשימה צרה שאפשר להעריך. הפוסט גם מתאר סוכן שני שמכוונן את הראשון.
כל מה שלמטה הוא תיאור של Mintlify את המערכת של עצמה. המדדים פנימיים ולא יכולתי לבדוק אותם. קראתי את הפוסט והכרזה נלווית אחת (Mintlify Base). לא השתמשתי במוצר ולא קראתי את הפוסטים המקושרים על Autopilot או על למה תיעוד מתעדכן-עצמית הוא שוק גדול.
הארכיטקטורה כפי שמתוארת
שני סוכנים, שניהם לולאת סוכן עם sandbox, יכולת לשכפל מאגרים, גישת קריאה לאינטגרציות צד-שלישי וזיכרון משותף:
- סוכן רץ (runner). טריגר (לוח זמנים cron, merge במאגר, או אירוע כמו פרויקט Jira שסומן כגמור) קשור למיומנות. כשהוא מופעל, job נכנס לתור לסוכן רץ שיבצע את המיומנות. לרוב הפלט הוא PR תיעוד, ואחריו התראה שמבקשת מהאנשים הנכונים לסקור.
- סוכן רקע. רץ מדי יום לכל אתר. לפי הפוסט, הפרומפט המערכת שלו אומר לו לקחת בעלות על הצלחת התיעוד, ופונקציית האופטימיזציה שלו היא למקסם PRs תיעודיים שמוזגו תוך שמירת שיעור קבלה מעל 80%. הוא יכול ליצור, לקרוא, לעדכן ולמחוק את הטריגרים, המיומנויות והזיכרון המשותף של הרץ, תוך שימוש ביומני ריצות קודמות, אינטגרציות מחוברות, אנליטיקת תיעוד ואילו PRs מתקבלים.
הדוגמה בפוסט: טריגר על merges במאגר הקוד המשיך לייצר PRs של תיעוד CLI שנסגרו, כי ה-CLI יוצא במחזור שחרור מתגלגל. סוכן הרקע שם לב, הסיר שינויי CLI מהמיומנות של אותו טריגר, ויצר טריגר cron חודשי לערות שחרור של CLI.
הזיכרון הוא מאמרג מגובה-git של קבצי זיכרון, עם כל יומן ריצה של סוכן שמאוחסן כ-JSON.
ה-harness
Mintlify אומרת שהיא בנתה את ה-harness בבית אחרי שניסתה את OpenCode ו-Pi, שלדבריה "abstracted away too many of the underlying engineering decisions". היא משתמשת ב-AI SDK של Vercel כדי ללולוא קריאות LLM ולחשוף כלים, בתוספת כלים מותאמים אישית לסוכני-משנה, compaction, מעקב אחר ריצות אחרות, פיצול הסשן הנוכחי, שימוש במיומנויות, והרצת פקודות shell שמוזרקות ל-sandbox.
במערך eval תיעוד אופליין, היא אומרת שה-harness שלה ביצע באופן דומה ל-Pi, בזמן ש-Pi השתמש ב-50% יותר tokens. אני לא מכיר את המערך, המשימות או קונפיגורציית ה-Pi.
זיכרון עם סכמה קבועה
הפוסט טוען שהתשתית היא table stakes והחלק הקשה הוא פיגומי הזיכרון, הכלים המותאמים והמיומנויות המוגדרות מראש. הגישה שלו היא סט של קבצי JSON עם סכמה קבועה. עבור שחרור פיצ'ר גדול, הטיפוס המפושט כולל PRs של קוד, stakeholders, מסמכי תכנון, האם לבצע commit ישירות או לפתוח PRs אחרים, תאריך "אל תתחיל לנסח לפני", וערוצי תקשורת ושרשורים. אותה רמת פירוט חלה על משתמשים, מדריכי סגנון, הגדרות כלל-אתריות וכל אינטגרציה. מספר קטן של קבצי markdown חופשיים נשאר איפה שהצוות לא הצליח לפרק את התוכן.
הסיבות המוצהרות שלו:
- להחליט מה לאחסן לריצות עתידיות קשה לסוכן, והפוסט אומר ש-LLMs לא טובים במיוחד בזה. markdown חופשי עלול להיות מנוצל חסר, להתנפח, או לאבד מידע מפתח.
- עם סכמה, תחזוקת זיכרון היא משימה מוגדרת היטב (למשל, למצוא את כל PRs הקוד לשחרור) שאפשר להעריך אופליין. הדוגמה שניתנת היא תיוג מערך נתונים של משתמשים עם תכונות צפויות ומדידת איזה חלק מהשדות הסוכן צודק.
- פורמט מובנה נותן למפתחים תחושה ברורה יותר של מה הסוכן יודע.
עדכונים over-the-air
ההתקנה של כל סוכן הופכת לרשת של מיומנויות, כלים וקבצי זיכרון, ואפילו שינוי טקסט קטן במיומנות מוגדרת מראש עלול לשבור התקנה של לקוח. התשובה של Mintlify היא תיאור טקסט פשוט של שינויים שוברים, שנשלח כפרומפט לכל סוכן רקע, שאומרים לו לבקר את ההתקנה שלו לרגרסיות, לנטר מכאן והלאה, ולעדכן את קבצי הזיכרון שלו לסכמות החדשות.
הפוסט אומר שזה שימש להשקת תמיכה בשחרורי קוד גדולים יותר: כל סוכן רקע עם מאגרים מחוברים מחק שדות מיושנים והתחיל לאנדקס פיצ'רים גדולים יותר. הוא גם מציע שאותו ערוץ יכול להציג מוצרים חדשים, על ידי שליחת מסמך על הפיצ'ר ומתן לסוכן להחליט אם הלקוח כנראה ירצה אותו ומי להודיע.
יומני ריצות כעץ סשנים
כל סשן מאוחסן כמערך של הודעות ופלטים ב-JSON. פיצול יוצר סשן חדש עם מצביע להודעה האחרונה של הנוכחי, כך שסשנים יוצרים עץ שמשוקף כתיקיות מקוננות. ההיסטוריה המלאה של סשן עלה נבנית מחדש על ידי טיפוס לשורש ותפירת הסשנים יחד.
המספרים
- "Internally our docs PR accept rate has gone from 70% to 90%."
- Pi השתמש ב-50% יותר tokens מה-harness של Mintlify ב-eval האופליין שלה, עם ביצועים דומים.
הפוסט מסיים בכך שהארכיטקטורה עכשיו מפעילה את Autopilot, ש-Mintlify "just launched", ושהיא "excited to see if it holds as we scale". נתון שיעור הקבלה הוא פנימי, אז הוא לא אומר כלום על איך לקוחות חיצוניים מסתדרים.
הקשר מהכרזת Base
הפוסט הנלווה מ-29 באוקטובר, "Introducing Mintlify Base", אומר ש-Base נמצא בבטא, סביבת עבודה שבה אנשים וסוכנים עובדים מאותם מפרטים ו-runbooks פנימיים. הוא אומר שסוכנים מהווים יותר משלושה רבעים מהתנועה לתיעוד ש-Mintlify מארחת, שעמודים הם קבצי Markdown, ושניסוי מבוקר עם צוות הנדסה גדול שהשתמש ב-Claude Code על monorepos מצא ש-Markdown מובנה השתמש בכמחצית ה-tokens ועשה סוכנים מדויקים ב-64%. הוא מפרט אימות עמודים כ"coming soon". גם אלה טענות ספק.
מה הייתי בודק
אלה הצעות שלא בדקתי.
1. להגדיר "accepted" לפני שמצטטים שיעור קבלה. זה מוזג, מוזג בלי עריכות, או מוזג ולא הוחזר? הפוסט לא אומר.
2. להסתכל על התמריץ. סוכן שמתבקש למקסם PRs מוזגים תוך שמירת שיעור קבלה מעל 80% עלול להיסחף לשינויים קלים ודלי-סיכון. לא ראיתי שהפוסט מתייחס לזה, אז בדקו מה הסוכן המקביל שלכם מפסיק לעשות.
3. להגביל מה סוכן כוונון יכול לשנות. סוכן הרקע יכול לערוך טריגרים, מיומנויות וזיכרון. החליטו אילו מאלה צריכים סקירה אנושית, ותעדו כל שינוי.
4. לנסות סכמה לאזור זיכרון אחד ולתאר ציון, כפי שהפוסט מתאר לתכונות משתמשים, לפני שמעבירים הכל.
5. להתייחס לפרומפטי עדכון כקוד. לפרומפט שינוי-שובר בטקסט פשוט שנשלח לסוכנים אין בדיקת טיפוסים. בדקו אותו על סוכן אחד קודם.
6. לשמור יומני ריצות ניתנים לשאילתה. מבנה העץ עוזר רק אם משהו קורא אותו.
מה לא הייתי מסיק
- שסכמות קבועות מנצחות זיכרון חופשי באופן כללי. הפוסט נותן סיבות, לא השוואה שיכולתי לקרוא.
- ששיעור קבלה של 90% יעבור לתיעוד שלכם. זה נתון פנימי של Mintlify.
- שבניית harness משלכם עדיפה על שימוש באחד קיים. Mintlify אומרת שהבחירה שלה התאימה למודלי הנתונים שלה, והשוואת ה-tokens מול Pi היא eval אופליין אחד.
- שהמערכת רצה בלי סקירה. הפוסט אומר שהפלט של הרץ הוא בדרך כלל PR ואחריו התראת סקירה.
שאלות נפוצות
מהו סוכן הרקע?
סוכן יומי לכל אתר שעורך את הטריגרים, המיומנויות והזיכרון המשותף של הסוכן הרץ, במטרה למקסם PRs תיעודיים מוזגים תוך שמירת שיעור קבלה מעל 80%, לפי הפוסט.
למה זיכרון עם סכמה קבועה?
לפי Mintlify, זה הופך תחזוקת זיכרון למשימה מוגדרת, תומך ב-evals אופליין, ומראה למפתחים מה הסוכן יודע.
איך שינויים בסוכן נשלחים?
על ידי שליחת תיאור טקסט פשוט של שינויים שוברים כפרומפט לכל סוכן רקע, ובקשה ממנו לבקר ולעדכן את הזיכרון שלו.
איך יומני ריצות מאוחסנים?
כקבצי JSON במאגר הזיכרון, עם סשנים מפוצלים מקוננים בתיקיות ליצירת עץ.
האם שיעור הקבלה 70% עד 90% בלתי תלוי?
לא. הפוסט קורא לו פנימי.
מה זה Mintlify Base?
לפי ההכרזה מ-29 באוקטובר, סביבת עבודת בטא לידע פנימי שאנשים וסוכנים חולקים, עם שרת MCP מובנה ו-Teamspace מגובה-Git.
ניסית את Autopilot?
לא. לא השתמשתי במוצר, ולא קראתי את חומר ה-Autopilot המקושר.
מקורות
כולם נקראו ב-31 באוקטובר 2026.
- The Harness and Memory Architecture Behind Self-Updating Docs (Mintlify, 30 באוקטובר 2026)
- Introducing Mintlify Base (Mintlify, 29 באוקטובר 2026)
לא נקראו: הכרזת Autopilot, הפוסט "למה תיעוד חיצוני מתעדכן-עצמית", תיעוד Base, ומערכי ה-eval מאחורי המספרים המצוטטים.
קריאה נוספת
- המדריך של Anthropic לסוכני always-on: חמישה פרימיטיבים מאחורי סוכנים שלא יושבים בחינם
Anthropic פרסמה מדריך לבניית סוכני always-on: סוכנים שומרי-מצב ופרואקטיביים שמנהלים קונטקסט בין סשנים. הרעיון המרכזי הוא שהסוכן לא באמת רץ כל הזמן - הוא ישן בין ריצות, וחמישה פרימיטיבים ארכיטקטוניים מחליטים מתי הוא מתעורר, מה הוא זוכר, ומה מגיע אליך.
- ממצאי זיכרון הסוכנים של Anthropic: פתק שגוי אחד יכול ללולא את הסוכן שלכם, ו-'חלימה' מתקנת את זה
Anthropic פרסמה איך היא בונה זיכרון לסוכני Claude: היררכיית ארבע שכבות, מעברי 'חלימה' לא מקוונים שמתקנים פתקים מול התמלילים, והערכות שמראות שפתק שגוי אחד לכד סוכן בלולאה. הכללים המעשיים לכל מי שבונה זיכרון לסוכנים.
- Pydantic AI 2.64 ו-2.65: ModelFallback נופל גם על סירובים, ו-ArtifactScanner בודק זיכרון ו-Skills
Pydantic AI 2.64.0 הוסיפה יכולת ModelFallback ו-ArtifactScanner לזיכרון ול-skills של סוכנים. 2.65.0 הפכה סירובים לטריגר של fallback. קראתי את ערות הגרסה והתיעוד ב-tag של 2.65.0 כדי לראות מה כל אחד עושה ואיפה התיעוד אומר שזה נגמר.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS