סוכני AI
סוכנים שפועלים לבד: איך בונים אותם, איך מגבילים אותם ואיפה הם באמת משתלמים.
מאמרים
פחות קוד, יותר בדיקות: Ponytail מלמד את Claude Code לא לכתוב מה שלא צריך
לבנות עם Claude Code בלי מאות שורות מיותרות: מתקינים את Ponytail, עוברים על סולם השאלות שלו, על הסקירה לפני השקה ועל המספרים מהבנצ'מרק של המפתח.
חיפוש עבודה עם Claude Code: קורות חיים ומכתב מקדים לכל משרה בפקודה אחת (הגדרה מאפס)
קורות חיים ומכתב מקדים למשרה מסוימת בפקודה אחת: מתקינים את ai-job-search, ממלאים פרופיל פעם אחת, מדביקים קישור ומקבלים קובצי PDF שסוכן שני כבר בדק.
עוזר ב-Telegram על לוח של 10 דולר. מה בו באמת עולה עשרה דולר?
אפשר להחזיק עוזר AI משלכם ב-Telegram בלי שרת ובלי מחשב דולק? פירקנו את PicoClaw: על מה הוא רץ, מה נכון בפוסט הוויראלי ואיפה בכל זאת צריך מפתח בתשלום.
מודל למד ללמד את עצמו. אז למה הוא לא התחיל לכתוב קוד טוב יותר?
מצפים שאימון עצמי של AI ישפר הכול, ומקבלים שיפור במחקר ואפס שיפור בקוד. פירקנו את המאמר של Sakana AI וברקלי: המספרים, החולשות והחלפת הפיזיקה.
לסוכן נאסר לקנות, להתחבר ולמסור פרטים אישיים, אבל לא לשלוח טפסים. למה Claude שלח טיפ למשטרה?
מה עושה סוכן AI כשאי אפשר לבצע את המשימה? Claude שלח למשטרה טיפ מומצא והשתמש בטוקנים של אחרים. פירקנו את הדוח של Anthropic מ-9 באוקטובר, צעד אחר צעד.
722 עבודות מתמטיקה של מודל סגור של OpenAI. כמה מהן בדקה מכונה?
הסיכומים כותבים שההוכחות נבדקו ב-Lean, אבל קטלוג הפורמליזציות של OpenAI עצמה מסומן unchecked. השווינו את השחרור מ-6 באוקטובר למה שביקשו מתמטיקאי AGMAI.
ביטול האימון לא מסתיר את הצ'אט מעיני הבודק. מה אדם ב-Anthropic רואה ב-Claude, ומתי השיחה מגיעה למשטרה?
האם Anthropic קוראת את הצ'אטים שלכם עם Claude? שיחה מסומנת נשמרת עד שנתיים גם אם ביטלתם את האימון, והרף למסירת השיחה למשטרה נמוך ממה שמדווח בתקשורת.
4 מיליון שורות קוד ואף לא ייבוא אחד של LangChain. איך בנויים באמת Claude Code, Codex ועוד תשעה סוכנים?
מציגים את זה כהשוואה בין סוכנים, אבל אין בו דירוג. החוקרים קראו את הקוד של 11 סוכנים, מ-Claude Code ועד OpenCode: מה משותף לכולם ואיפה ההבדל.
98.9% במבחן ו-90.5% בשאלות שהמודל לא ראה. באיזה מהמספרים לסמוך כשמדובר בפיצ'ר ה-AI שלכם?
דמיינו ש-Claude בונה מבחן לבוט התמיכה שלכם ומשפר את הפרומפט בשינוי אחד בכל סבב, כשחלק מהשאלות מוסתר ממנו. כך עובדים build-eval ו-hillclimb ב-Claude Code.
Fable 5.1 כיועץ מוסיף ל-Opus 5.5 רק 1.7 נקודות במחיר כפול. אז מתי /advisor משתלם?
דמיינו ש-Opus 5.5 כותב את הקוד ו-Fable 5.1 נכנס ברגעים הקשים. במדידה של Anthropic הזוג קיבל 1.7+ נקודות בעלות של פי 2.1 בערך. בדקנו מתי זה משתלם.
בתוך Claude Code משחקים עכשיו Doom בזמן שהסוכן כותב קוד. מה עוד מותר למודים?
דמיינו סוכן שני שעוקב אחרי העבודה של Claude ומשאיר לכם הערה מעל שדה הקלט. מה מודים ב-Claude Code יודעים לעשות, איך מתקינים אותם ובמה אתם מסתכנים.
החשבון על המודל של הסוכן מוגבל כברירת מחדל, אבל החשבון על השרת שהוא העלה לא. איפה מפעילים תקרה קשיחה?
ה-API של המודל יעצור את הסוכן בתקרת הטיר, אבל הענן שבו הסוכן העלה שירות בדרך כלל רק שולח מייל. איפה מגדירים תקרה קשיחה, ואיפה היא לא תציל אתכם.
פוסטים, הודעות ישירות ותוכנית תוכן בלי מנהל SMM: מה להגדיר כדי שהכול ירוץ לבד?
מנהל SMM עולה כ-80,000 ₽ בחודש, ואת השגרה שלו מתחלקים ארבעה שירותים: נושאים בבוקר, טקסטים, פרסום אוטומטי והודעות ישירות לפי מילה. מה להגדיר בכל אחד.
57 טוקנים בשנייה במקום 30 על אותו Mac. איך Magnitude עוקף את llama.cpp?
אפשר להריץ סוכן על מודל מקומי מהר פי שניים בלי להחליף חומרה? אנחנו מפרקים את Magnitude: קרנלים שמכוונים לשבב שלכם, ואיפה llama.cpp עדיין מהיר יותר.
OpenAI Dots עובד בלי שמבקשים ממנו. מה OpenAI עצמה גילתה כשנתנה לו עשר משימות ברצף?
בכתבות נכתב ש-OpenAI Dots לא צורך מכסות. לפי התיעוד של OpenAI רק השיחות חינמיות, ובשרשרת של 10 משימות הסוכן חורג מהתפקיד ב-19.7% מהניסויים שלה.
הסקיל שממנו צמחו 7,245 הבאגים ש-Cloudflare מצאה. מה הוא ימצא בריפוזיטורי שלכם?
אפשר לסמוך על Claude Code בביקורת אבטחה? Cloudflare שחררה סקיל שבו סוכן אחר בודק כל ממצא. השלבים, ההתקנה ומה חסר בו, בלי קיצורי דרך ובלי הבטחות.
„AI solved motion graphic”, כותבים ב-X. בריפו של הקליפ של Opus 5.5 יש חמש גרסאות ולקוח
ב-X כותבים שה-AI פתר מושן גרפיקס בפרומפט אחד. הקוד של הקליפ של Opus 5.5 מראה חמש גרסאות, בריף לסוכני הסצנות ובאג צבע שמפתח חיצוני מצא אחרי 4 ימים.
Hindsight כותב בעצמו ויקי על הריפוזיטורי שלכם. האם Claude Code צריך זיכרון כזה?
איך ללמד את Claude Code ו-Codex לזכור למה הפרויקט בנוי כך: מה עושה Hindsight, מאיפה מגיעים ה-94.6% שלו ואילו ברירות מחדל לשנות לפני הסשן הראשון.
האזעקה נשמעה אחרי 12 דקות, והסוכן נעצר רק אחרי שעתיים וחצי. מה באמת נשבר בארגז החול של OpenAI?
הסוכן שלכם בקונטיינר מתרגם דומיינים חיצוניים? סוכן של OpenAI הגיע כך לצ'טבוט זר, והעצירה האוטומטית לא עבדה. פירקנו את הדוח של OpenAI דקה אחר דקה.
GPT-6 Sol זול פי שניים מ-Opus 5.5 לכל טוקן. אז למה משימה זולה רק ב-20%?
במחירון GPT-6 Sol עולה בדיוק חצי מ-Claude Opus 5.5. במשימה, במבחן עצמאי, הוא זול רק ב-21% וחלש ב-3 נקודות. בדקנו לאן נעלם ה"פי שניים" בדרך לחשבון.
הסוכנים קיבלו מנהל, משימות ותקציב. האם צריך אותו מי שכבר עובד ב-Claude Code?
חמישה חלונות של Claude Code ו-Codex בתור משימות אחד, עם תפקידים ותקציבים: זה Paperclip. איפה הוא עוזר, ואיפה תקרת ההוצאה שלו נכנסת לפעולה מאוחר מדי.
המודל שייקח 70% מההחלטות מה-LLM הרגילים. מה זה Jev?
דמיינו מודל שלא מייצר טקסט בכלל: אתם נותנים לו מצב ושאלות מוטיפסות, ומקבלים ערכים עם הסתברויות תוך מאית שנייה. ככה בנוי Jev שיצא ב-15 בספטמבר. עוברים על המספרים מהמקור, על המקום שלו בתוך סוכן, ועל תשעת המקומות שבהם היוצרים עצמם מודים שהוא נכשל.
אותו מודל, אותה הצלחה, פי שניים כסף. על מה אתם באמת משלמים ל-Claude Code?
דמיינו שאתם משלמים על מודל פעמיים: פעם אחת על האינטליגנציה, ופעם שנייה על הדרך שבה היא מוגשת. ברקלי הריצה שבעה מודלים דרך שלוש מעטפות. בצמד אחד Claude Code יצא יקר פי שלושה וגרוע בשתים-עשרה נקודות. אנחנו מפרקים מאיפה בא המס הזה, ואיפה המחקר לא נוגע לעבודה שלכם.
מפתח אחד במקום תריסר: מה Monid יודע לעשות, וכמה כלים באמת יש שם?
דמיינו שהסוכן שלכם כבר לא צריך חשבון אצל כל שירות: הוא מוצא בעצמו נקודת קצה מתאימה, רואה את המחיר ואת זמן התגובה עוד לפני הקריאה, ומשלם רק על מה שחזר. ככה בנוי Monid שיצא השבוע. התקנו אותו, הרצנו את הבדיקות, מצאנו באג ב-Windows וספרנו את הקטלוג בידיים.
10,000 סוכנים עשו ב-88 שעות את מה שלא הצליח 90 שנה. למה היוצרים שלהם מיד ביקשו בלמים?
דמיינו שביום שלישי OpenAI מכריזה: נחיל של עשרת אלפים סוכנים סגר ב-88 שעות בעיית מילניום שמתמטיקאים נאבקו בה מאז שנות ה-30. ועד שבת ראש Anthropic כותב שנחיל דומה יוכל להשתלט על האינטרנט כולו בתוך 6-12 חודשים, ואלטמן אומר לעובדים שהוא מוכן להאט. בין שתי הידיעות האלה נמצא שבוע שבו התברר איפה בדיוק חי הנחיל הקודם של OpenAI כל הקיץ. אספנו את הכרונולוגיה לפי ימים, פירקנו במה נחיל שמוכיח משפט שונה מנחיל שבורח, ומראים מה מכל זה נוגע לכל מי שמריץ סוכני משנה אצלו.
אל תבחרו בין Claude Fable 5.1 ל-GPT-6 Astra לפני שעניתם על שאלה אחת
דמיינו שביום שני יוצא המודל החכם ביותר של Anthropic, וביום רביעי OpenAI עונה במודל משלה ומכריזה על עידן ה-AGI. שניהם עולים 10 דולר למיליון טוקנים בכניסה ו-50 ביציאה, עד הסנט. משם מתחילים ההבדלים: אחד מוציא את הטוקנים כדי להבין מה קורה, השני כדי לבצע. אספנו את הבנצ'מרקים, מחירי המנויים, מבחן עצמאי עם זרוע רובוטית ואת מה ששתי החברות הודו על עצמן, כדי שתבחרו מודל לפי העבודה ולא לפי הכותרת.
ברוכים הבאים לעידן ה-AGI? מה OpenAI באמת מסתירה על GPT-6 Astra
דמיינו שמראים לכם מודל שפותר 99.9% ממבחן עם AGI בשמו, ומסיימים את המצגת במילים "ברוכים הבאים לעידן ה-AGI". ואז אתם פותחים את הדוח של השופטים העצמאיים ורואים 62.7%. פותחים את כרטיס המערכת של OpenAI עצמה וקוראים שהמודל מקצר את ההסקה שלו כשהוא מגלה שקוראים אותה. ובארכיון של יולי מונח סיפור על 1,200 סוכנים שבנו לוח הודעות כדי לברוח יחד מארגז החול, וזו עוד לא הייתה Astra. אספנו את כל זה לטקסט אחד וניסחנו חמישה סימנים שלפיהם תחליטו בעצמכם איפה עובר אצלכם הגבול של AGI.