בלוג
מחשבות על AI, פתרון בעיות ובניית דברים.
-
-
לתכנן ביחד, ואז להוכיח
טסטים שעוברים ודיפלוי נקי לא אומרים ששינוי באמת עובד. מסרתי לקלוד שינוי הרשאות וגרמתי לו להוכיח את עצמו מול נתונים אמיתיים, מבחוץ פנימה, לפני שסמכתי עליו.
-
לגרום לאייג'נט להוכיח שזה עבד
הרצתי שינוי שלם דרך אייג'נט אחד, מקצה לקצה, וכל שלב היה חייב להוכיח את עצמו מול המערכת החיה לפני שהבא ממשיך.
-
איך מודל שפה נתקע בלולאה
קרה לי באג של repetition loop באפליקציה: המודל נכנס ללופ וחזר על עצמו בלי סוף. נכנסתי עם קלוד לפרטים כדי להבין מה קרה ואיך מתגוננים מזה.
-
להזריק פלט של פקודה לסקיל לפני שהמודל קורא אותו
פקודה עם !`...` בקובץ SKILL.md מזריקה פלט לתוך הפרומפט עוד לפני שהמודל רואה את הקובץ. טוענים מראש את הקונטקסט שהסקיל צריך, וחוסכים את הסיבוב המיותר.
-
The Prompting Playbook: פרומפט מול Harness
הסבר מלא על פלייבוק הפרומפטינג של Anthropic: evals, כשלים, כלים, harness, ומתי לא לפתור בעיות אייג'נט עם עוד טקסט בפרומפט.
-
כשקלוד מפעיל את הקלוד הבא
Skill שהופך את המעבר בין סשנים של קלוד ל-command אחד. הסשן הקודם כותב את ה-handoff, פותח pane חדש, מריץ שם קלוד חדש — והוא מתחיל לעבוד. בלי פרומפט ממני, בלי טרמינל חדש, בלי הסברים מחדש. אני עושה review ל-PRים.
-
Bun.Image
Bun 1.3.14 שחרר pipeline לעיבוד תמונה ישר בתוך ה-runtime — בלי dependencies מ-npm, בלי native build, JPEG/PNG/WebP/AVIF ו-ThumbHash placeholders ב-API שרשורי אחד. מה זה עושה ואיפה זה בולט.
-
ללמוד על אייג'נטים מתוך בניית אייג'נט עם אייג'נטים
האייג'נט שלי דילג על שלבים. שינויים בפרומפט לא עזרו — הפתרון היה להוסיף אכיפה דרך הקוד. ארבעה דפוסים לבניית אייג'נט שמשתמש בכלים — פרומפט מול toolConfig, ראוטרים, תהליך בשלבים, observability.
-
מה למדתי מה-live session של בוריס צ'רני
ביקשתי מ-Claude ומ-Codex לנתח את ה-live coding session של צוות Bun, ואז שילבתי את התשובות שלהם יחד עם Claude. זה הניתוח שיצא מזה.
-
skillify: הסקיל שבונה סקילים
עברתי על הקוד של Claude Code שפורסם, יחד עם קלוד. מצאנו סקיל בשם skillify ושחזרנו אותו. הוא הופך את הסשן שזה עתה סיימת לסקיל שניתן להפעיל שוב — מבוסס ראיון, עם דרישה ל-Success criteria בכל סטפ.
-
יצירת פודקאסט עם שני מנחים מתוך פלט של אפליקציה, עם Gemini
מנוע ליצירת פודקאסטים מעל אפליקציה, לצד הסוכן הקולי החי. prompt אחד של ~30 שורות הוא כל התרומה האנושית; שני מודלים של Gemini משתפים פעולה דרך שדה JSON יחיד. הנה איך זה עובד, מה למדתי, וה־template repo וה־playground שהוצאתי מזה.
-
מודולים עמוקים — ולמה הם חשובים יותר בעידן ה-AI
ראיתי את ההרצאה של Matt Pocock על יסודות תוכנה בעידן ה-AI, ורעיון אחד נשאר איתי: מודולים עמוקים. אז ישבתי עם Claude ופירקתי את זה מהיסוד. זה המאמר שיצא מהתהליך.
-
בניית סוכן קולי על Gemini Live, ואיך פתרנו את ה־barge-in
סוכנים קוליים מרגישים שבורים מיד אם הם ממשיכים לדבר אחרי שהמשתמש קוטע אותם. ה־API של Gemini Live לא נותן את זה חינם. הנה ה־desync בין שני שעונים שגרם לבעיה, מה ניסיתי, והתיקון של ~30 שורות.
-
Cairn: לקמפל ידע, לא לאחזר אותו
RAG מגלה מחדש את הידע שלך בכל query. Cairn מקמפל אותו פעם אחת, בזמן ה-ingest — agent עם router tool, בנוי על ה-LLM-wiki pattern של Karpathy, ועם שלב האימות שגורם לזה להחזיק.
-
ה-cache הוא השיחה
למה agents מרגישים טבעיים — ומה אנשים באמת מתכוונים כשהם אומרים caching בעולם החדש הזה.
-
Compounding של agentic workflows: כשה-skill רץ בפעם השנייה
Claude נהג היום באפליקציה שלי כמו משתמש — לחץ דרך feature, צילם אחד-עשר screenshots, כתב לי את המדריך התפעולי בעברית, PDF מוכן לאימייל עד הצהריים. החלק המעניין הוא לא הפלט. אלא שזו הייתה הריצה השנייה של ה-workflow, וריצה שנייה הייתה מבנית קלה יותר מהראשונה.
-
מחמיר או רופף: כוונון של answer prompt עם ציטוט-חובה
מערכת ה-Q&A שלי סירבה לענות על שאלה שהתשובה לה בספר. ה-router עשה את העבודה שלו — הבאג היה כלל אחד ב-answer prompt. Diff של שלוש שורות הזיז את ה-slider.
-
LLM-Wiki לספר של 640 עמודים
השתמשתי ב-LLM-wiki של Karpathy על הפתקים האישיים שלי, ואז התאמתי אותו ל-Q&A על ספר של 640 עמודים שלא משתנה. אותו pattern, מספר שכבות שונה.
-
למה AI Agents נשברים במשימות ארוכות - והפתרון שישנה את הכל
הבנת בעיית הגדילה הבלתי מוגבלת של context והארכיטקטורה של state externalization שפותרת אותה
-
Deep Dive: איך לבנות למידה מתמשכת לקלוד קוד
המתודולוגיה והפקודה /learn מאחורי צבירת ידע מובנה
-
איך לדבר עם הסוכן שלי? Event Delivery
הבנת webhooks, websockets, ובניית בוט טלגרם על AWS עם AgentCore
-
הפעלת Claude Code על שרת לינוקס מרוחק (VPS)
הקמת סביבת פיתוח שרצה 24/7 עם Docker, InfluxDB ומודלי חיזוי
-
-
-
יסודות פיתוח ווב - איך תוכנות מדברות אחת עם השנייה?
CLI, שרתים, פרוטוקולים ו-module systems - היסודות שצריך להכיר כשבונים עם AI
-
סקיל שיוצר Brand Guidelines בקליק
איך להפוך תהליכים חוזרים לסקילים - דוגמה מעשית עם מסמך מותג
-
Prompt Caching - איך לחסוך 90% בעלויות API
ההבדל בין agent ב-$100 ליום לבין agent ב-$10 ליום הוא לרוב prompt caching. הנה איך זה עובד.
-
Context Engineering - האומנות של לבנות agents שעובדים
למה רוב ה-agents נכשלים? לא בגלל המודל - בגלל הקונטקסט. מדריך מעשי ל-context engineering.
-
מה ולמה לפתח עם Bun?
מהיר פי 10, פחות תלויות, TypeScript מובנה - שווה לנסות
-
בניתי סקיל שמלמד את קלוד איך ללמד
מורה אישי לכל תחום - טכני, פיננסי, פילוסופיה, AI
-
עוד שיעור ספונטני עם קלוד קוד - מה זה Bun?
למה אנתרופיק רכשו את Bun ולמה זה משנה לי
-
סיבוב שני עם AgentCore - הפעם עם Strands ומשימות מתוזמנות
בניתי אייג'נט שרץ בענן, מדבר בטלגרם ושולח דוחות מתוזמנים למייל
-
מה למדתי על ESM vs CommonJS - ובניתי לוח משימות בזמן אמת
שיחה עם קלוד על JavaScript modules הובילה לפרויקט מעניין
-
בניתי כלי לשיפור פרומפטים עם GEPA
LLM שהוא גם שופט וגם אופטימייזר - לומד מהדאטה וכותב מחדש את הפרומפט
-
בניתי סוכן מחקר שלומד ומתפתח עם הזמן
איך לבנות זיכרון מתמשך לאייג'נט - ללא fine tuning
-
בניתי CLI מאוחד לשירותי גוגל - Gmail, יומן ודרייב
עכשיו קלוד קוד יכול לסכם מיילים, לנהל קבצים ולעדכן את היומן - הכל מהטרמינל
-
בניית מערכת Agent-Native ליצירת הדמיות אדריכליות
איך עזרתי לחברת גידול דגים ליצור הדמיות עם AI - מבלי להעמיס מידע מיותר
-
איך העליתי AI Agent לפרודקשן על AWS AgentCore
מאייג'נט מקומי לענן תוך פחות משעה - כולל אינטגרציה לגוגל
-
איך קלוד בנה לאמא שלי אתר חדש
פרויקט קטן שמדגים כמה היכולות של קלוד בלתי נגמרות - מעיצוב ועד SEO
-
מודל Vision שרץ בדפדפן - מה זה WebGPU ולמה זה משנה
Mistral שחררו מודל 3B שרץ לגמרי בדפדפן - בדקתי מה אפשר לעשות עם זה
-
ממאמר לפרודקשן: איך בניתי מערכת למידה מתמשכת שבאמת עובדת
איך קריאת מאמר על 'למידה מתמשכת של העני' הובילה לבניית סוכן מחקר, יישום על מחקר שוק אמיתי, ופיתוח ארכיטקטורת סקילים
-