> ## Content Index > Fetch the complete content index at: https://agentic-engineering.chatlytics.blog/llms.txt > Use this file to discover other available public pages before exploring further. # מומחי omp! האם הוא יודע להחליף לבד רולים לפי משימה או משהו ב - URL: https://agentic-engineering.chatlytics.blog/mvmkhy-omp-hm-hv-yvd-lhkhlyp-lbd-rvlym-lpy-mshymh-v-mshhv-b/ - Published: 2026-10-06T23:41:33.000Z - Updated: 2026-10-06T23:41:33.000Z - Description: מומחי omp! - Author: Omer Nesher - Tags: Agentic Engineering, conversation, large 2026-09-27 R מומחי omp! האם הוא יודע להחליף לבד רולים לפי משימה או משהו בסגנון? אם לא, האם ממשתם משהו כזה? אם כן, לפי מה הוא קובע? לא הצלחתי להבין ממנו… 18:45 Shay כן, יש לו משהו out of the box אם אתה רוצה משהו שיטקטק, צריך לזה setup יותר פרטני. 20:08 Avishai Tsabari השורה התחתונה במבחן הביצועים:\* איכות השליפה והסיווג בין LLMs חזקים למודלי אמבדינג כמעט זהה (תיקו של כ-77%), אך ה-LLM יקר פי 1,500, איטי משמעותית, וסובל מ"מס חשיבה" (שריפת משאבים על טוקני הסקה מיותרים). הסכנה בהבנת-יתר (Over-association):\* בחיפוש סמנטי נקודתי ומדויק (כמו חוקים משפטיים), ה-LLM נוטה להתפזר ולשלוף תוכן קונספטואלי לא רלוונטי, בעוד מודלי אמבדינג ממוקדים ומדויקים יותר. מגבלות הניסוי במאמר:\* ההשוואה התבססה על דחיפת כל המסמכים לחלון ההקשר (Corpus-in-context) במאגרים זעירים (מאות בודדות של מסמכים) ובתנאי Zero-shot ל-LLM מול kNN לאמבדינג — תרחיש שאינו ישים למאגרי ענק בפרודקשן. המלצה פרקטית:\* להשתמש במודלי אמבדינג כברירת מחדל לסינון ראשוני, קלסטור וסיווג (מהירים וזולים), ולשמור את ה-LLM רק לשלב ה-Reranking הסופי על קבוצת תוצאות קטנה (Top-k) במשימות הדורשות הסקה מורכבת. 04:54 Erez להרים הארנס (אני משתמש במאסטרה לאחרונה), אחרי הכניסה של הריקווסט וב-decision loop, לצרף לכל פרומפט אם צריך דירוג או קלאסיפיקציה מסודרת וכמותית מ-JEV, אם כן הללמ מייצר טייפסייף אובג'קט עם סטייט כמה שיותר גדול (גג 32K טוקנים), ואז שולח ל-JEV, ואז בריפליי יש אוגמנטציה של או לשאול את היוזר עם אפשרויות או לבחור מיידית, ה-ללמ מחליט. "אני חושב על JEV מבחינה "פןליטית" מול LLM ראשיים, שווה להם לקדם אותו כי הם מורידים את ה-PERCEIVED COST, ונכון אולי לוקחיםלLLM את הטוקני שימוש כללי מול היוזרים שלהם, אבל לפחות משאירים את היוזרים וגם מקבלים זרימה עקבית (ואולי אף יותר) אינפרנס, שזה שקול לדיוק וההתקדמות של המודלים בגרסאות עד כמה שאני מבין" ג'מיני (מרשים): הניתוח שלך נוגע בליבת פרדוקס ג'בונס (Jevons paradox) בעולם ה-AI, אבל יש בו שתי הנחות שדורשות דיוק הנדסי ומסחרי כשמסתכלים על ספקי המודלים המובילים (OpenAI, Anthropic, Google). הנה פירוק המשתנים שקובעים אם שווה להם "לקדם" יעילות ודחיסה: \### 1\. אפקט ג'בונס והביקוש לטוקנים פרדוקס ג'בונס מתקיים במלואו באינפרנס: ככל שעלות יחידת חישוב (טוקן) יורדת או שהשימוש נהיה יעיל יותר, סך הצריכה הכולל גדל ולא קטן. \* הוזלת עלויות (או שימוש ב-JEV / שכבות אופטימיזציה) לא גורמת לארגונים להוציא פחות כסף, אלא מאפשרת להם להריץ workloads שלא היו כדאיים קודם: סוכנים אוטונומיים בריצה רציפה, RAG מסיבי על כל הדוקומנטציה, או evaluation loops של אלפי וריאציות. \* עבור ספקיות ה-LLM, צריכת טוקנים כוללת (Aggregate Volume) עולה, גם אם כל שאילתה בודדת צורכת פחות טוקנים מיותרים. \### 2\. הקשר בין טראפיק לשיפור המודל (Data Flywheel vs. Synthetic Data) ההנחה שזרימת אינפרנס שקולה ישירות לדיוק והתקדמות המודל (Data Flywheel) נכונה רק חלקית: **דאטה איכותי ולא כמותי:**\* ספקיות המודלים לא בהכרח מאמנות על כל prompt שנזרק ל-API (בייחוד ב-Enterprise שבו יש התחייבויות פרטיות נוקשות של Zero Data Retention). **שינוי פרדיגמת האימון:**\* עיקר קפיצות המדרגה במודלים מגיעות כיום מ-Pre-training על נתונים נקיים, אימון מבוסס Reasoning (זמן חשיבה/חיפוש כמו ב-o-series) ונתונים סינתטיים מבוקרים, ולאו דווקא מ-RLHF גולמי על שיחות יוזרים אקראיות. **הערך האמיתי בטראפיק:** **הטראפיק מעניק לספקים** **Telemetry ו-Distribution Lock-in**\*. היכולת לזהות איפה מודלים נכשלים (Edge cases, אקסטרפולציות חסרות) והרגלת המפתחים ל-Ecosystem הספציפי שלהם חשובה בהרבה מאיסוף הטקסט עצמו. \### 3\. מתי לספק שווה לקדם שכבות ייעול מול מתי יש לו אינטרס לחסום אותן? **מתי הם בעד:**\* **הפחתת Churn ומחסום מחיר:**\* לקוחות שמקבלים חשבון ענן של $50K בחודש ולא מבינים את ה-ROI נוטשים או עוברים ל-Open-source מקומי. שכבה שמייעלת ומורידה את ה-Perceived Cost מונעת עזיבה. **רווחיות תשתיתית:**\* במקרים של עומסי שיא או מחסור ב-GPUs, לספק עדיף שיעילות הפרומפט תהיה מקסימלית כדי לשחרר קיבולת (Compute capacity) למשתמשים נוספים בלי לפגוע ב-SLA. **מתי הם נגד (או יעדיפו לבנות זאת בעצמם):**\* **קניבליזציה על ידי צד שלישי:**\* ברגע שצד שלישי יושב כ-Proxy ומנתב פרומפטים, הספק מאבד את הקשר הישיר עם המפתח ועלול להפוך ל-Commodity (צינור חישוב טיפש שניתן להחלפה בלחיצת כפתור בין Anthropic ל-OpenAI). **אינטגרציה פנימית של הפיצ'רים:**\* ראינו את זה קורה עם Prompt Caching, Batch API, ו-Context Compression. ספקיות המודלים מעדיפות ליישם את טכניקות היעילות האלו ברמת ה-API הפנימי שלהן כדי לשמור על המפתח בתוך ה-walled garden. \* **האינטרס הפוליטי בפועל:**\* הספקים רוצים את אפקט ג'בונס, אך הם שואפים לשלוט בשכבת האופטימיזציה בעצמם. הם יתמכו בכלי צד שלישי שמגדילים אצלם את הנפח בטווח הקצר, עד שהם מטמיעים את אותו מנגנון ישירות ברמת ה-Inference Engine כדי למנוע אובדן אחיזה בלקוח. @107684007252205 תרגיש חופשי להוסיף על זה ו/או לסכם 18:03 AntAgent ‏ארז, הכיוון שלך הגיוני. בעיניי השאלה המסחרית היא לא רק **״האם JEV חוסך להם טוקנים״**, אלא **״האם הוא הופך את המוצר שלהם לכדאי יותר לשימוש, ומי נשאר בעל הקשר עם הלקוח״**. שלושה דיוקים לניתוח של ג׳מיני: • **ג׳בונס הוא אפשרות, לא חוק טבע.** אם חותכים את צריכת הטוקנים למשימה בחצי, צריך יותר מפי שניים משימות כדי שסך הטוקנים יעלה. וגם אם השוק כולו גדל, לא מובטח שהנפח יגיע לאותו ספק. • **יותר אינפרנס לא משפר אוטומטית את המודל.** בהרצה רגילה המשקולות לא מתעדכנות. טראפיק יכול לעזור לשיפור עתידי כשיש הרשאה להשתמש בנתונים ותהליך שמפיק מהם אות איכותי לאימון או להערכה. וגם ״לא משמש לאימון״ ו־Zero Data Retention הם דברים שונים. • **טוקנים, הכנסות ורווח הם שלושה מדדים שונים.** במנוי קבוע, חיסכון בחישוב עשוי להועיל לספק ישירות. ב־API לפי שימוש, הוא עלול להקטין הכנסות בטווח הקצר — ולהשתלם דרך שימור לקוחות, ביקוש חדש או חיסכון בקיבולת. **בסידור שתיארת, יש נקודה לטובת הטיעון שלך:** ה־LLM נשאר המתזמר — הוא מחליט מתי לפנות ל־JEV ומה לעשות עם התוצאה. אם JEV מספק דירוג או סיווג ממוקד, הוא עשוי להיות כלי משלים שהופך את הסוכן לשימושי וזול יותר, ולא תחליף ל־LLM. זה שונה משכבת ניתוב שמחליטה בעצמה מאיזה ספק לקנות את האינפרנס. אבל כדאי למדוד **עלות למשימה מוצלחת**, לא רק טוקנים שנחסכו בשלב הסיווג: יצירת אובייקט גדול, הקריאה הנוספת, זמן ההמתנה וניסיונות חוזרים עלולים לאכול את החיסכון. לא הייתי מניח ש״סטייט כמה שיותר גדול״ הוא אופטימלי — עדיף המידע המינימלי שמספיק להחלטה טובה. **בשורה התחתונה:** לספק יש סיבה לתמוך ב־JEV אם הוא מאפשר ללקוחות לעשות יותר עבודה מועילה על גבי המודל שלו. יש לו סיבה לחשוש אם JEV הופך לשכבה שבוחרת את המודלים והופכת אותו לבר־החלפה. **המאבק הוא לא רק על כמות הטוקנים, אלא על מי מחזיק בהחלטה לאן העבודה הולכת.** 18:03 Koren Cohen [https://x.com/bendiken/status/2102847697275568632](https://x.com/bendiken/status/2102847697275568632?ref=agentic-engineering.chatlytics.blog) 18:49 Shay אחלה שפה, אני אוהב איך מאסטרה? מה היתרונות? 21:08 Erez 9/10, הרמתי פול אינטרפייס של צאט עם זכרון ומנהלה תוך 30 דק שכולל למידה שלי גם. אני מעדיף TS על פייתון וגם כתבתי ספריית זכרון בTS (קוד פתוח למי שרוצה) שמטפלת ומסדרת את כל סוגי הזכרון, סמנטי, פרצדוריאלי, ראן טיים סטייט, אפיזודי וגם זכרון לdead letter queue, שיש משימה באויר. זה חינם, אין מאחורי זה ענן שאתה צריך פתאום לשלם כסף, הכל קוד פתוח ומאוד מודולרי. ממליץ קיצר. 21:37 Adys הוא מתאר את זה נהדר, כל מפתח צריך לשמוע את זה; היתה פה רבע מאה של אמנות ואומנות פיתוח תוכנה ידנית - כתיבת קוד. (נכון היה גם לפני אבל אלו היו שנות היופי של עולם התוכנה) זכינו להיות רגע מזה, זה חלף לו, תם עידן ❤️ וזה לא חדש, אבל הוא אומר את זה טוב [https://x.com/thedealdirector/status/2103104430216557055](https://x.com/thedealdirector/status/2103104430216557055?ref=agentic-engineering.chatlytics.blog) 00:04 Avishai Tsabari יפה! ובכל זאת, רק היום הייתי צריך לשוטט ידנית בריפו של pi ולמצוא איזה קובץ טייפסקריפט שאופוס 5.5 לא הצליח למצוא.. ואז לתת לו לינק.. ובשביל להגיע לקובץ הייתי צריך לקרוא את הקוד. לא יודע מתי ייעלם הצורך לדעת לקרוא קוד אבל כרגע לפחות עדיין צריך להבין איך הדברים עובדים יכול להיות שהתואר במדעי המחשב עדיין חשוב, אולי אפילו יותר מבעבר (לא עשיתי.. רק קראתי את רב החומר..). אולי ai יכתוב ישר ב assembly מתישהו 🤷🏾 07:18 Regev סתם הרבה טוקנים 07:44 Avishai Tsabari חחח גדול, אבל להבין לפחות ב hi level נראה לי חשוב אהה התכוונת לגבי לכתוב באסמבלי.. חשבתי שהתכוונת שהתואר זה סתם הרבה טוקנים 🤷🏾 07:53 Regev חחחחחח מעולה 08:08 Shay נגיד מה יותר טוב מול וורסל או פיידנטיק? 08:22 Michael מאסטרה בנוי על ai sdk של vercel וai sdk זו הספריה הכי רצינית שגם מבינה שיש frontend בסיפור ונותנת מענה משני הכיוונים ויש להם גם את chat sdk שהוא ממש אחלה 08:27 Shay אני מכיר את הספרייה של ורסל, בגלל זה אני שואל. ראיתי שבמאסטרה גם מופיע pricing באתר וכל הדברים האלה, אז אני מנסה להבין מהותית מה השוני ביניהם, או שזה פשוט שתי חברות שכל אחת מהן פיתחה בנפרד? 08:31 Michael מאסטרה בנוי מעל ai sdk, ויש להם runtime להריץ agentic workloads למניהם והם מוכרים את זה בcloud שלהם אבל אתה לא חייב להשתמש בזה אתה יכול להשתמש בmastra כספריה אבל הספריה עצמה בנויה על ai sdk פעם קודמת ששחקתי עם mastra בשביל איזה פיצ׳ר שהיה חסר בai sdk גיליתי שא׳ הם יושבים על גרסאות ישנות יותר של ai sdk אז אי אפשר לרוץ גם על ai sdk האחרון וגם על מאסטרה (ובגרסה שהם ישבו עליה היו אוסף של CVEs, ואין קומפטביליטי טוב בין גרסאות ai sdk) וב׳ ai sdk מימשו את הפיצ׳ר בעצמם גרסה אחת קדימה אבל יאמר שזה היה לפני חצי שנה והכל משתנה כל הזמן 08:41 Itamar Zabari עד כה אופוס 5.5 פשוט מדהים. אני משתמש בו במקס, והוא מצא כל כך הרבה דברים שפיבל פיספס. נותן עבודה עם יציבות, ובהירות שלא נתקלתי בה עד כה. 10:05 Michael כן זה מודל טוב 10:18 Shay Janashvili רק נקווה שלא יקלקלו אותו כמו את 5🙏 השתמשתי בו במקום פייבל ועושה לי את אותה תפוקה 10:18 R [https://x.com/ns123abc/status/2103584399103041737](https://x.com/ns123abc/status/2103584399103041737?ref=agentic-engineering.chatlytics.blog) 12:07 Emri מבסוט על Mastra? 14:06 Erez לא אכזב בנתיים, 9/10 15:36 Emri יצא לך להשתמש בפיצ'ר של ה-workflows במקרה? 15:41 Erez למה מה השאלה יותר עם agent stream 15:42 Emri [https://mastra.ai/docs/workflows/overview](https://mastra.ai/docs/workflows/overview?ref=agentic-engineering.chatlytics.blog) לזה התכוונתי 15:44 Erez כן, אבל במה שבניתי, אני וותר שמתי דגש על bounded agent/tool loop מה אתה בונה? 15:46 Emri אייג'נטים קריאטיבים הרבה משימות הן מאוד מובנות עם שלבים שחוזרים על עצמם vqa\_image/video plan\_creative לדוגמא 15:50 Michael [https://x.com/jeffladish/status/2103584701357437133?s=46](https://x.com/jeffladish/status/2103584701357437133?s=46&ref=agentic-engineering.chatlytics.blog) 17:30 Shay לפני שנים עבדתי בחברה של 200 איש, שחלק משמעותי ממה שהצענו זה היה רכים מאוד מחקרי, כ50% מהעובדים היו PHD וצפונה. הלקוחות שלנו היו ח, רות F500 עם המון משאבים שהבינו מאוד בתחום שעסקנו היו להם הרבה יותר חוקרים וכמובן שהרבה יותר כסף. בזמנו שאלתי את המנכ"ל למה הם צריכים אותנו הוא אמר שני דברים: 1\. זמן 2\. הפוליטיקה הארגונית מקשה עליהם לבצע את אותו מחקר כמונו. הנקודה שלי, שהנקודה של הפוליטיקה באנטרפריזס לא השתנתה. הזמן לפיתוח התקצר, אבל זה זמני. נכון שאפשר לבנות בחודש משהו לקח למישהו אחר שנתיים. אבל משהו שלקח שנתיים עם ai יקח שנתיים גם למישהו אחר. אז זה עניין של זמן עד שהmoat של הטכנולוגיה יחזור. החברות גם יבינו שלפתח הכל עולה המון כסף, פשוט כולם כרגע באופוריה. בקיצור תקופה קשה, אבל גם זה יעבור. אבל צריך שהדברים יתייצבו, אנחנו בשיא הסערה כרגע. 18:08 Avishai Tsabari אני חושב שהחפיר יישאר הפיתרון בפני עצמו. נראה לי שהכוונה שנעלם החפיר הטכנולוגי הוא שאם השגת טרם AI את המתכנתים הכי טובים, מהירים וחכמים - זה היה חלק מה moat שלך, היום זה כבר לא ככה. דוגמא קיצונית - אם פעם היית מצליח לייצר עגבניות הכי טובות בגלל שהיו לך החקלאים הכי טובים, עכשיו יש טרקטור. החקלאים מיותרים, אבל הידע החקלאי לא, והביקוש לעגבניות לא השתנה. צריך להמציא את עצמך ולייצר שרי לובלו 18:14 Noy אהבתי את האנלוגיה 18:15 Avishai Tsabari הצורך בידע טכנולוגי לא נעלם, בהבנה של מערכות מידע ומערכות מורכבות, ואיך בונים מוצר נכון - כל זה עדיין קיים. ואנשי טכנולוגיה מעולים עדיין מהווים יתרון תחרותי. אבל מתכנתים מעולים כבר לא מהווים יתרון רק מעצם יכולתם לקודד. היכולות האחרות שלהם עדיין חשובות. 18:15 Noy והייתי אומר שהביקוש לעגבניות עלה כי בעקבות הטרקטור וטכנולוגיות אחרות המחיר ירד 18:15 Avishai Tsabari לגמרי @107684007252205 למה אנתרופיק שיחררו אופוס 5.5 במקום אופוס 5.1? יש מצב שהם בדקו על משתמשים את גירסאות 5.1-5.5 עד שהחליטו ש-5.5 הכי טובה? תגיד את האמת 18:53 AntAgent ‏אבישי, האמת: **אין לי מידע פנימי על ההחלטה, והמספר 5.5 לא מוכיח שהיו בדרך 5.1–5.4 שנוסו עלינו.** בדקתי את הודעת ההשקה הרשמית: • אנתרופיק מציגה את אופוס 5.5 כראשון במשפחת Claude 5.5, עם Sonnet ו־Haiku שיגיעו בהמשך — כלומר המספור משותף למשפחת מודלים, לא בהכרח מונה של ניסויים. • היא כן מתארת בדיקות אצל לקוחות בגישה מוקדמת ומעריכים חיצוניים לפני ההשקה. • **זה לא אותו דבר כמו להחליף למשתמשים רגילים את המודל בסתר.** בהודעה שבדקתי אין ראיה לניסוי כזה או לרצף גרסאות בשם 5.1–5.4. למה דווקא 5.5? הסבר סביר הוא מיתוג של קפיצת מדרגה ואחידות בין המודלים במשפחה — אבל זו פרשנות, לא נימוק רשמי שמצאתי. מספרי גרסאות של מודלים אינם יומן מעבדה: אפשר לבדוק עשרות מועמדים פנימיים ולתת למנצח כל שם. **אז בדיקות לפני שחרור — כן, מתועדות. בדיקות סמויות על כלל המשתמשים, ובחירה ב־5.5 כי ניצחה את 5.1–5.4 — אין לי בסיס לקבוע.** [https://www.anthropic.com/claude-opus-5-5](https://www.anthropic.com/claude-opus-5-5?ref=agentic-engineering.chatlytics.blog) 18:54 R חטפתי ריסט בקודקס אוטומטית או שנדמה לי? 19:25 Shay כן, כנראה יהיה ריסט וכנראה שיהיה עוד אחד במשך השבוע, כי יש את ה-OpenAI DevDay השבוע וכנראה שזה יקרה And here's the reason 19:39 R בא בול... 19:57 Shay הכוונה שלי לא הייתה שאין חפיר (moat). הכוונה הייתה שבסופו של דבר, כמו בסיפור שכתבתי על החברות (אגב, החברה הייתה בתחום החקלאות, מחקר גנומי ליתר דיוק, אז אני מבין בזה לא רע. הסיפור על העגבניות לא הכי מדויק בעולם, כי בארץ יש כנראה את מומחי גידול העגבניות הכי טובים בעולם, ולא מגדלים עגבניות עם טרקטור אלא בחממות, אבל זה לשיחה אחרת). מעבר לזה, הטענה שלי הייתה שהחפיר הטכנולוגי עדיין קיים. הוא פשוט נהיה שונה: עלות הפיתוח ירדה ונהיה מאוד זול לפתח מערכת לניהול פרויקטים כמו מאנדיי, למשל. החפיר הטכנולוגי זז למקומות אחרים של ידע טכנולוגי, וגם זז לכיוון ה-AI. כלומר, אם את מאנדיי לקח שנה לפתח עם X מתכנתים, אז כל מי שרצה לפתח מערכת כזו היה צריך גם שנה וגם להתחרות בהם. אותו דבר עכשיו עם פיתוחים מבוססי AI: אם יש דברים שלוקח שנה לפתח בעזרת AI, חברות שירצו להעתיק אותם יצטרכו גם הן שנה של פיתוח עם AI. לחלופין, זה יהיה יקר מאוד: אפשר לקחת צוות של אנשים, לתת לכל אחד עשרה חשבונות קלוד (Claude), ולעשות את זה אולי בשלושה-ארבעה חודשים במקום שנה, אבל עדיין הזמן והמשאבים מתארכים ומתאימים את עצמם ביחס ל-AI, אם אני מצליח להעביר את הנקודה שלי. פשוט לדעתי נקודת הייחוס של החפיר זזה, והיא זזה מאוד רחוק לכיוון הטכנולוגי. זאת אומרת, היום הציפייה היא לפתח דברים הרבה יותר מורכבים בזמן הרבה יותר קצר, אבל מי שמפתח משהו ייחודי וחדשני בזמן קצר — עדיין לא יהיה הכי פשוט להעתיק אותו וגם צריך יהיה השקעה משמעותית. 19:58 Adys זה לא חפיר טכנולוגי מה שאתה מתאר זה חפיר של ארגון שהוקם עם מערכות עובדות חפיר זה 4 חברה שהמציאו משהו גאוני כמו למשל המפתח של JEV בגלל שהוא גאון הוא כנראה לא צריך לדאוג אבל החפיר הטכנולוגי שלו החזיק בדיוק יומיים זו הנקודה, זה כבר לא חפיר טכנולוגי זה חפיר של אנשים, צוות, יכולת תגובה, קשרים. לא איזה אלגוריתם שהמצאת וכל החפיר שלך מבוסס עליו 20:11 Stas Oskin למה מה בא במקום? 20:26 Adys LAYA? ועוד כל מני זה לא משנה, המצאת משהו? אם אין לך מערך דחיפה ולקוחות מהר מהר, תוך שניה הלך החפיר 20:33 Shay השמועה אומרת שליה זה המודל. שבבסיס ג'ב. ג' ב זה ליה שאומן על הרבה יותר מידע. ממה שראיתי הוא פחות טוב במשימות מהעולם האמיתי. 20:34 Adys הפרטים פה לא רלוונטים, אז מחר יהיה 20:37 Shay הנקודה שלי היא שהחפיר כמעט אף פעם לא טכנולוגי. גם לפני 5 שנים, רוב ההצלחות לא היו טכנולוגיה יחודית שקשה להעתיק. הזמן להעתיק היה החסם והזמן התקצר בגלל הai. תיכף אבל זה יחזור כי הכל מפותח עם ai אז בעיני שני דברים יקרו. המוצרים המוצלחים יהיו מורכבים הרבה יותר והחפיר של הזמן יחזור. 20:41 Adys כאמור, זה חפיר אחר, אבל סבבה 20:53 Uriel שמעו opus 5.5 באמת מודל מדהים בתלת ומשחקים אחרי כמה משחקים שביניתי לילדים שלי, גיסי ביקש heroes 3 אבל עם דמויות של avengers, וואלה משחק חמוד נורא 21:17 Michael כן זה מאוד מיוחד מעניין מה מאכילים אותו ואוו אפילו אפשר להיכנס לממלכה איזה טוב היה heroes 21:23 Uriel מה שמטורף היה שהגרסה הראשונה הייתה 0.9 מגה וגם היא הייתה עם עלילה שלמה ראית את הדמו? זה ככל הנראה ההבדל בגודל אבל מדהים כל המשחקים שבנו בדם יזע ודמעות מפתחים אחרים חחח שמע דווקא תלת מימד כנראה זה סוג של verifable אתה יכול לתת לו תמונה ומודל ולבקש ממנו לקרב את זה 22:35 Itamar Zabari מסכים לגמרי. אני מאמין שגלי הפיטורים יהפכו לגלי גיוסים כשיפול האסימון: אייג'נטים מוזילים את הביצוע, ולכן צוואר הבקבוק עובר לשיפוט ולאימות, ושם צריך אנשים. ובתחומים שתמיד יש בהם עוד מה לבנות, יותר אנשים עם AI יעשו הרבה יותר, ולא אותו דבר עם פחות אנשים. היום רואים בעיקר פיטורים לשם התייעלות, ושריפת טוקנים כמדד ביצוע. אבל שריפת טוקנים מודדת קלט ולא תוצאה. המדד הבא ימדוד זמן ועלות עד לתוצאה מאומתת, ויבדוק מהירות ויציבות יחד. והסיכון האמיתי הוא הקפאת הגיוס של ג'וניורים, כי מהם צומחים האנשים שיידעו לזהות מתי אייג'נט טועה. ככל שהרעיון מורכב יותר, צריך אדם שיקרא בכל שלב גם את ההנמקה ואת מה שנפסל, ולא רק את התוצאה. הטעות היקרה של אייג'נט היא לא תשובה שגויה, אלא אפיק מעולה שנסגר בשקט בגלל מסקנה לא נכונה. צריך אדם שיכוון, ייתן פידבק, ותכלס יהיה רלנטלס. כי אייג'נט לא מתעייף, אבל גם לא מתעקש. פיתחתי בעזרת AI מערכת תחזית לרעידות אדמה, והאייג'נט אמר לי אינספור פעמים שזה בלתי אפשרי. איפה שהוא ראה מגבלה של הטבע, אני ראיתי מגבלה של המדידה. הוא ענה על השאלה כפי שנשאלה, ואני החלפתי את השאלה. ובסוף, מה שהכריע לא היה העקשנות שלי, אלא תחזיות עם חותמת זמן שנבדקו מול מה שקרה בפועל. יש כל כך הרבה דברים מדהימים לעשות, ואנחנו כרגע רק מגרדים את העתיד, ואת המהפכות הטכנולוגיות. כל כמה חודשים אנחנו מקבלים כלים הרבה יותר חזקים שמאפשרים לנו להאיץ את ההתקדמות הטכנולוגית בצורה טובה, ויעילה יותר, עם פחות טעויות בכל צעד. 06:09 Noam Buzaglo בוקר טוב חברים כתבתי פוסט על איך אני עובד עם agents בשנה וחצי האחרונות, ומה עזר לי לעבוד מהר יותר בלי להתפשר על האיכות. סקרן לשמוע איך זה אצלכם! [https://lnkd.in/p/dWWZ36BG](https://lnkd.in/p/dWWZ36BG?ref=agentic-engineering.chatlytics.blog) 07:34 Michael אני לא רואה שכתבת שם make no mistakes סתם, מגניב! 07:43 Noam Buzaglo חחחח, זה הmoat אל תספר 😂 07:44 Avishai Tsabari אבל רשמתי rename............. 07:58 Shay אני עבדתי עם משהו דומה. לאחרונה החלטתי לנסות את FirstMate של קון צ'ן, ואני ממש ממליץ. לקח לי זמן לעשות לו אופטימיזציה לאיך שאני עובד, עם כל מיני מוזרויות שלי, אבל אני ממש ממליץ לנסות למי שרוצה. זה בגדול פריימוורק שלם שבו אתה ברמת העיקרון מדבר עם סוכן אחד, והוא מנהל לך את כל שאר סוכני הפיתוח. זה לא כמו פייפר קליפ או משהו כזה, זה ממש כמו הסגן שלך, שהוא מתעסק בענייני היום-יום של הפיתוח ומעביר לך רק את הדברים שהוא באמת צריך אותך בשבילם. הוא כותב די טוב וגם הפריימוורקים של הווריפיקציה ושל הברנצ'ינג וכל הדברים ממש טובים אצלו. זה הכל מבוסס בעצם על סקריפטים, זה לא סקילס או משהו כזה. כמובן שיש שם סקילס ודברים כאלה, אבל זה פשוט מבוסס על מספר מטורף של סקריפטים שהוא כתב — ברמה של מאות סקריפטים. בעצם כל דבר זה סקריפט, ויש הרבה אוטומציות שרצות ברקע כל הזמן: מעירות את הסוכנים, בודקות מה קורה איתם, מדווחות ונותנות להם כיוונים. אז זה הפריימוורק בעצם, למי שמעוניין. בגדול היה לי לפני זה פריימוורק, אבל כרגע הצלחתי ממש להגדיל את הטרופוט (throughput) שלי בעזרת הפריימוורק הזה, כי הוא באמת נראה לי נגע שם בכמה נקודות טובות. אז ממליץ לנסות, זה גם טוב לפעמים לפתוח את הראש לדברים אחרים. 08:03 Noam Buzaglo מעניין מאוד לא הכרתי, יכול לשלוח לינק? מצאתי [https://github.com/kunchenguid/firstmate](https://github.com/kunchenguid/firstmate?ref=agentic-engineering.chatlytics.blog) מי שמעוניין גם ^ 08:25 Shay עוד טיפ: יש במערכת קונספט שנקרא Second Mate, שזה בעצם סוכנים מקומיים או מרוחקים שבעצם הם First Mate, אבל הם רצים בצורה נפרדת. הסיבה שצריך את זה היא משתי סיבות: 1\. מחשב מרוחק: יכול להיות שיש לכם מחשב מרוחק שאתם רוצים שהמערכת כל הזמן תרוץ עליו ותבנה לכם דברים (נגיד לפטופ ועוד מחשב, או מחשב בענן שעליו אתם מפתחים). אם אתם רוצים לעבוד בצורה כזאת בלי להתחבר כל הזמן מרחוק, הוא יודע לעשות את זה. 2\. עבודה על הרבה פרויקטים במקביל: ברגע שיש הרבה פרויקטים והרבה פיצ'רים שמפתחים, ה-First Mate כל הזמן מתעסק בהם ולא תמיד פנוי לדבר איתכם, כי יש לו תורות של משימות. בשביל שלא תצטרכו לחכות בתור כל הזמן עד שהוא יתפנה, יש את הקונספט של Second Mates: אפשר להרים לכל פרויקט First Mate משלו, ויש את הראשי שמנהל אותם ומדבר איתם, כשכל First Mate מנהל את הצוות שלו בתוך הפרויקט הספציפי. 3\. אפשר ממש לכייל את המערכת שתעבוד כמו שאתם רוצים, עם הגדרות של איזו משימה הולכת לאיזה מודל ובאיזה effort level, ברמות ממש גרנולריות. עוד משהו שעשיתי (נראה לי כמו כולם, אני לא מיוחד פה בנושא הזה): במקום מודל routing רגיל, אני פשוט מנתב דרכו את המשימה והקונפיגורציות של המודלים שלי, והוא בוחר את המודל הכי מתאים לפי איך שהגדרתי לו. ממש הגדרתי במילים מתי לבחור איזה מודל, באיזו סיטואציה ובאיזו קונסטלציה. הוא קורא את הפרומפט הזה ונותן את המודל הכי מתאים לסיטואציה הספציפית. אני גם משתמש בכמה harnesses במקביל: • הארנס למודלים שיש אותם רק ב-OpenCode (הם חסמו את זה עכשיו משימוש במקומות אחרים) • ה-harness של Pi לדברים אחרים בקיצור, יש פה לגמרי משחק שאפשר לעשות. 08:31 shahaf [https://x.com/alexandr\_wang/status/2104053694178455979?s=46&t=X6CTzER8mpq4mCmValQs5Q](https://x.com/alexandr%5Fwang/status/2104053694178455979?s=46&t=X6CTzER8mpq4mCmValQs5Q&ref=agentic-engineering.chatlytics.blog) 08:49 Gadi Tzkhori [https://x.com/dhh/status/2104192102313930797](https://x.com/dhh/status/2104192102313930797?ref=agentic-engineering.chatlytics.blog) 17:49 · +6 short messages