אם הנושא הזה מדבר אליכם ואתם/ן רוצים/ות ללמוד לבנות את הדברים האלה עם הידיים — אנחנו כאן. זה עבודה קשה, הגדרות מדוקדקות, guardrails שנכתבים עם דם יזע ודמעות, ו-shadow mode שנמשך יותר ממה שהייתם רוצים. שהחליט שלקום בשלוש בלילה כדי לעשות משהו שמכונה יכולה לעשות טוב יותר — זה לא גבורה, זה בזבוז. הוא סיפור על צוות שהחליט שהוא לא מוכן להמשיך לעבוד כמו פעם. עם ההתפתחות של מודלים קטנים (SLMs) שיכולים לרוץ על edge — נראה סוכנים שרצים ישירות על המכשיר, מחליטים לוקאלית, ומדווחים לענן רק כשצריך. סוכני AI יכולים לנטר מערכות embedded מרחוק, לזהות אנומליות בנתוני חיישנים, לתזמן עדכוני firmware, ולנהל צי מכשירים (fleet management) באופן אוטונומי.
- עם ההתפתחות של מודלים קטנים (SLMs) שיכולים לרוץ על edge — נראה סוכנים שרצים ישירות על המכשיר, מחליטים לוקאלית, ומדווחים לענן רק כשצריך.
- שלישית, זיכרון (Memory) — שמירת הקשר בין שלבים, כדי שהסוכן לא "ישכח" מה כבר עשה.
- זה כמו ההבדל בין מחשבון לבין עובד שיודע חשבון — המחשבון מחכה שתלחצו כפתורים, העובד מבין מה צריך לעשות ועושה.
- זה כמו צוות SRE שלא ישן, לא שוכח, ומשתפר עם כל incident.
- הוא לא רק מבצע – הוא חושב מה לעשות, ואז עושה.
- הקוד מטפל בסמסים שמגיעים בחלקים כי ההודעה ארוכה ורוצה לבדוק שאחרי החלק הראשון שמנו משימה ל-2 דקות קדימה שתאסוף את החלקים.
MCP הוא בסך הכל אוסף "כלים", כלומר אוסף של פקודות שהמודל יכול להפעיל. כל מוצר, כל יצרן, כל API הרגיש שהוא חייב להפיץ MCP כדי שכלי AI יוכלו להתחבר לאותו המוצר. אם הסדנה מתקיימת בזום, חשוב לוודא שיש לכם חיבור אינטרנט יציב וסביבה שקטה. הסדנאות מתאימות לבעלי עסקים, יוצרי תוכן, אנשי שיווק, או כל מי שרוצה לייעל את העבודה שלו וללמוד כיצד להשתמש בכלי AI בחיי היום-יום. אבל דווקא בגלל העומס הזה, רבים מתקשים להתמקד, להתמיד וליישם את הידע בצורה אפקטיבית. הן מיומנויות עכשיו, ומי שלא ירכוש אותן ימצא את עצמו נגרר אחרי השוק.
נכתב על ידי קלוד אופוס 46
מיקרוסופט היא היחידה שאינה צריכה לבחור — היא מהמרת על כל המחנות במקביל, ובכך הופכת לאופציית הברירת מחדל הכי בטוחה מבחינת ארגון אנטרפרייז שלא יודע לאן השוק ייפול. בנה את שכבת הסוכנים אצלך, על תשתית שאתה מחזיק, עם יכולת להחליף מודלים, ענן ומערכות לפי הצורך. אין מערכות לחבר, אין הרשאות מקבילות, אין דאטה לסנכרן — הכל באותה שכבה. כשהמודל מתעדכן, ה-framework מתעדכן איתו אוטומטית. ההצעה שלהן היא לא סתם סוכן יותר חכם אלא סוכן שכבר חי בתוך התשתית הארגונית הקיימת. למה שתעביר את שכבת הסוכנים למקום אחר ותבנה מחדש את כל ההיגיינה הזו?
מהתיאוריה לפרקטיקה: בונים סוכן DevOps בעשר דקות
CrewAI מריצה מערכות עם מיליוני אינטראקציות ביום. היום LangGraph ב-production ב-מאות חברות. זה כמו ללמד מישהו outsource AI development Israel אחד בצוות מה זה Git ולצפות שכולם יעבדו עם branches. לא צריך להמציא את הגלגל — צריך לדעת איך להרכיב אותו נכון לצרכים שלכם. שלישית, זיכרון (Memory) — שמירת הקשר בין שלבים, כדי שהסוכן לא "ישכח" מה כבר עשה.
השוואת פלטפורמות ליצירת סוכני AI: מה מתאים לצוות שלכם
כשכל הצוות מבין מה סוכן יכול ומה לא, איך לתכנן tools, ואיך להגדיר guardrails — ההטמעה מהירה פי 3 לפחות. Agentic AI דורש שינוי בתרבות הפיתוח — לא רק בכלים. AutoGen מתאים לארגונים שכבר עובדים עם מיקרוסופט ו-Azure OpenAI. המפתח הוא לא רק ללמוד את ה-framework אלא גם לפתח אינטואיציה לאיפה סוכנים מוסיפים ערך ואיפה הם overkill. בנייה של מערכת Multi-Agent מורכבת עם guardrails מלאים, observability, ו-CI/CD — לוקחת 2-3 חודשים.
צריך ארכיטקטורה. חוזים שפגו תוקף, ביטוחים שצריך לחדש, הצעות מחיר שצריך להשוות, תשלומים שצריך לאשר. בחברה עם 50+ ספקים, הניהול הוא סיוט.
הבלוג שלנו מלא במידע שיקדם אותך למשרה הבאה שלך
הרשתות החברתיות שינו את חיינו גם בכל הקשור לעולם התעסוקה ולחיפוש עבודה. – ניהול התכנון הוייצור של רכיבים מכניים אשר עשויים מפלסטיקה ומתכת – הובלה וניהול פעילויות העברה מפיתוח לייצור עבור מוצרי חומרה חדשים משלב התכנון ועד לייצור המוני הפלטפורמה של Earnix מאפשרת תמחור דינמי, ניהול סיכונים ואופטימיזציה של הצעות ללקוחות, במטרה לשפר רווחיות וחוויית לקוח.
אלה היו מוצרים בשוליים — לא נגעו במערכות הליבה, לא קיבלו החלטות, לא ביצעו פעולות בעלות השפעה כספית או תפעולית. אבל גם כשהם משמשים ארגון, כל instance עדיין משרת אדם אחד. ואנחנו רואים את הצוותים שמגיעים אלינו עם סקרנות ועם רצון אמיתי ללמוד — ורואים אותם מקדימים את עצמם, לפעמים ממש ממקום שלא ציפו לו.
געגועים לספריות קוד פתוח
בלחיצה על "אישור", אתה מסכים לשימוש בכל העוגיות. אבל כמו כל שינוי – צריך לגשת אליו בצורה מדודה. זה שינוי אמיתי באופן שבו ארגונים עובדים. אם עשיתם את ה-30 יום האלה נכון – יש לכם agent שעובד, מספרים שמוכיחים ערך, וביטחון להמשיך. אל תנסו להיות מושלמים – תהיו עובדים.
דום סקרולינג זה השם שנתנו לרשתות חברתיות בהן אנשים גוררים עוד ועוד בשביל הסיכוי הקטן לקרוא משהו מעניין. אני בטוח שהכוונות שלהם טובות אבל אני נזכר בכל הפעמים שמודל שפה דמיין רמזים בלוגים על בסיס נתוני האימון שלו, רמזים שרק הובילו עמוק יותר למחילת הארנב. אנחנו מבינים ש LLM הוא מכונת השלמה ושהטקסט שהוא יכתוב הוא תוצאה של הפרומפט ושל נתוני האימון שלו, בתוספת תיבול סטטיסטי.
השתמשו ב-LangGraph + OpenAI. תן ל-agent לקרוא כל פנייה, לסווג (תלונה/שאלה/בקשה), לזהות דחיפות, ולנסח תשובה מוצעת. לא צריך לבנות Jarvis מיום ראשון. או שהוא ממציא מספר הזמנה.
הארכיטקטורה: איך סוכן AI עובד מתחת למכסה המנוע
מצד אחד כשהעולם משתנה ומתגלות בעיות אבטחה נוח שיש אנשים אחרים שמתחזקים את ספריית הקוד הפתוח האהובה עליי ומעלים גרסה חדשה וטובה יותר. "כאשר כלי AI וסוכנים מספקים תשובה שגויה, האינסטינקט הוא להאשים את המודל. אבל בפועל, פלטפורמת הנתונים היא זו שמספקת לסוכן את ההקשר והזיכרון הנכונים כדי לפעול בצורה מדויקת." זה כמו ההבדל בין מחשבון לבין עובד שיודע חשבון — המחשבון מחכה שתלחצו כפתורים, העובד מבין מה צריך לעשות ועושה.