דלגו לתוכן
גיליון 001·חי·20:20 IL

עיון · 20 רשומות

תשובות ישירות, על הראיות.

תשובות קצרות על העבודה והכלים שמאחוריה. מבנה ברור עוזר לקוראים, אבל הופעה בתשובת AI תלויה בשאלה ובמערכת ששולפת אותה. ציטוט חסר הוא לא הוכחה לבעיית אינדוקס.

לתשובות ה-GEO, ראו את הנחיות החיפוש של Google ל-AI ואת הנחיות המפרסמים של OpenAI. Google לא דורשת קבצי AI או סימון מיוחד. גישת חיפוש וגישת אימון הן בחירות נפרדות.

01 · על התפקיד

מה זה AI builder?
AI builder הוא מישהו שמשיק מערכות בינה מלאכותית מקצה לקצה: עיצוב, קוד, פריסה, תפעול. זה שונה מחוקר AI (שמקדם את התחום) וממהנדס AI (שעובד בתוך סטאק מסוים). התפקיד קיים בפער בין מחקר, הנדסה ומוצר.
מה ההבדל בין AI builder למהנדס AI?
מהנדס AI מתמחה בורטיקל אחד בתוך סטאק קיים: RAG, תשתית אימון, הגשת מודלים. AI builder מחזיק את המחזור כולו: מגלה את הבעיה, מעצב את המערכת, בונה, פורס, מתפעל. מהנדסים פורחים על מפרט ברור; בונים פורחים על אי-ודאות.
מה ההבדל בין AI builder לחוקר AI?
חוקר מקדם את התחום: שיטות חדשות, בנצ'מרקים, מאמרים. בונה לוקח מודלים מהמדף ומשיק מוצרים. סבילות שונה ללוחות זמנים (חוקרים: רבעונים; בונים: ימים), מדד הצלחה שונה (חוקרים: חידוש; בונים: תוכנה שעובדת).
האם 'AI builder' הוא תפקיד קבוע או מעברי?
ככל הנראה קבוע. התפקיד קיים כי יש פער בין מחקר, הנדסה ומוצר, והפער מתרחב ככל ששכבת המודלים הופכת לקומודיטי. בחברות בינוניות יופיע תפקיד בונה בטבלת הארגון בתוך שנתיים, יותר ויותר.
מה AI builder עושה בפועל ביום-יום?
בוחר צוואר בקבוק אמיתי. משרטט את המערכת המינימלית שמתקנת אותו. בונה אבטיפוס עובד ביום עד שלושה. פורס לפרודקשן באותו שבוע. מכיל מדידת עלות ושגיאות. משפר מקרי קצה בשבוע הבא. רוב הימים מסתיימים במשהו שרץ ולא רץ באותו בוקר.

02 · Claude Code וסוכנים

מה הם סקילים של Claude Code?
סקילים של Claude Code הם ערכות הוראות לשימוש חוזר שמלמדות את קלוד איך לבצע משימה מסוימת: צינור רב-שלבי, שער איכות, מוסכמת פלט. הם חיים בריפו כקובצי Markdown. שלוש דוגמאות עובדות טובות: article-humanizer, geo-faq-architect, llm-citation-tracker.
איך בונים סוכן קלוד ראשון?
מתחילים עם סוכן אחד שעושה דבר אחד טוב, לא מערכת מרובת-סוכנים. מגדירים את המנדט בקובץ Markdown, נותנים שלושה עד חמישה כלים לכל היותר, כותבים כלל ניתוב ברור, מריצים יומית. רוב מערכות המולטי-סוכנים שעובדות התחילו כסוכן יחיד שהרוויח את השני.
Claude Code או Cursor - במה לבחור?
Claude Code מנצח בעבודה סוכנית ארוכה ומשימות כבדות-של. Cursor מנצח בעריכה בתוך IDE מוכר. השניים, מדי יום, הם התשובה הנכונה לרוב הבונים. הם לא מתחרים; הם כלים שונים.
מה זה 'צינור הומניזציה' לתוכן שנכתב ב-AI?
רצף פרומפטים רב-שלבי שמכניס אנטרופיה סטטיסטית שגלאים מחפשים: אורכי משפט מגוונים, עוגנים בגוף ראשון, גמגומים מדי פעם, מספרים ספציפיים, על פני כמה מעברים. כל מעבר מייצר שונות עצמאית שמשטחת חתימות של גלאים. פרומפט יחיד של 'כתוב טבעי' עושה בדיוק ההפך.

03 · אוטומציה בפרודקשן

איך פורסים בוט וואטסאפ על Cloud Run?
משתמשים ב-Green API (או ב-Cloud API הרשמי אם יש תבניות מאושרות), עוטפים את ה-webhook בשירות Cloud Run, מבצעים dedup להודעות נכנסות (Green API מנסה שוב 3 פעמים), שומרים מצב שיחה ב-Firestore. שלב ה-dedup הוא לא מובן מאליו ושורף סוף שבוע אם מפספסים אותו.
Cloud Run או AWS Lambda לבוטים של AI?
Cloud Run מנצח ב-cold start ל-Node/Python, בפריסת קונטיינרים פשוטה יותר וב-concurrency מובנה. Lambda מנצח באינטגרציות הטבעיות ל-AWS. לבוטי וואטסאפ מגובי-קלוד, Cloud Run הוא ברירת המחדל הנקייה יותר.
מה זה אומר 'לסקור את חלון ההקשר של קלוד'?
סופרים אילו קריאות כלים, קריאות קבצים ותורי שיחה צרכו הכי הרבה טוקנים בסשן, ואז חותכים את המשקל המת. בסשנים שלי ב-Claude Code, סקירת הקשר מסמנת שגרתית 10 עד 20 אלף טוקנים מבוזבזים ביום. שכפול משוב של כלים הוא הנושא הגדול.

04 · Generative Engine Optimization

מה זה Generative Engine Optimization (GEO)?
GEO היא עבודה שנועדה להפוך תוכן שימושי לניתן-לגילוי ולייחוס בתשובות מחוללות של AI. יש חפיפה עם SEO: עמודים נגישים, מידע מהימן, זיהוי מחבר ברור ומבנה מועיל. תדירות הציטוט תלויה בשאלה ובמערכת החיפוש; אין פורמט שמבטיח הכללה.
מה ההבדל בין SEO ל-GEO?
SEO מתמקד בנראות בתוצאות חיפוש; GEO מתמקד בנראות ובייחוס בתשובות מחוללות. הם חולקים את אותם יסודות של תוכן שימושי וזמין לסריקה. ל-Google AI Overviews ו-AI Mode חל הכלל הרגיל של זכאות ב-Search. לא נדרשים קבצי AI מיוחדים ולא schema מיוחד.
איך בונים אתר שמודלי שפה מצטטים?
עושים את התוכן נגיש, מדויק וראוי להפניה. עונים על שאלות אמיתיות, תומכים בטענות עובדתיות במקורות, מזהים את המחבר ושומרים על מידע חשוב עדכני. מאפשרים לסורקי החיפוש הרלוונטיים. הצעדים האלה משפרים זכאות ושימושיות, אבל לא מבטיחים ציטוט ולא מבססים שיפור קבוע בשיעור ציטוט.
האם קובץ llms.txt עוזר לציטוט במודלי שפה?
llms.txt הוא מדריך Markdown אופציונלי לאתר, לא דחיפת ציטוט מוכחת ולא תחליף ל-robots.txt. Google Search אומרת שהיא מתעלמת מהקבצים האלה, כולל בתכונות ה-AI הגנרטיביות שלה. האתר הזה שומר אחד בשביל קוראים וכלים שבוחרים להשתמש בו.

05 · תהליך וזרימת עבודה

איך אתה משיק כל כך הרבה אבטיפוסים?
סוכן בונה אוטונומי לילי. כל לילה סוכן בשם Ben בוחר רעיון מהתיבה, בונה אותו עם Gemini/Base44/מודל מקומי (בלי טוקנים של קלוד), פורס ל-Vercel ומעדכן אותי. בבוקר אני סוקר, מהדק, מתעד. הנפח מגיע מהסרת בני אדם משלבים שלא צריכים אותם.
באילו כלים אתה באמת משתמש יום-יום?
Claude Code לתזמור ומשימות ארוכות, Cursor לעריכות מהירות, Gemini CLI לראייה ועבודת batch בחינם, Cloud Run לפריסה, Firestore לזיכרון סוכנים, Supabase לנתוני אפליקציה, Vercel לפרונט. הסטאק משעמם בכוונה: החידוש חי בסוכנים.
איך צוות המולטי-סוכנים שלך עובד?
כל סוכן הוא קובץ Markdown בסביבת העבודה, מסונכרן ל-Firestore. הם חולקים קובץ בקלוג יחיד וסוכן ראש-סגל (Vision) שמעבד את הבקלוג כל בוקר ב-07:00 שעון ישראל. שום סוכן לא קורא לסוכן אחר ישירות; הכל עובר דרך הבקלוג. תשתית משעממת, התנהגות מהימנה.
מה החלק הכי קשה בבניית מערכות AI בפרודקשן?
לא ה-AI. החלקים הקשים הם: ניהול מצב בין שלבי סוכן, הערכת איכות פלט בלי בני אדם בלולאה, שליטה בעלות כשהמערכת גדלה, וידיעת מתי לומר לא לבנות משהו שצריך להישאר תהליך ידני עוד שלושה חודשים.