הנושא של היום הוא כזה שכמעט כולם שמעו עליו, אבל מעטים באמת יודעים להסביר רתמת סוכן ה-AI. בטח ראיתם את זה בפוסטים בבלוגים או בהרצאות בכנסים, אבל מה זה בעצם אומר? הנה העניין. רוב האנשים חושבים שבניית סוכן AI היא כתיבת הפרומפט המושלם, אותה הוראת קסם שגורמת למודל לעשות בדיוק מה שאתם רוצים. אבל זה כמו לחשוב שמכונית היא רק מנוע. בטח, המנוע חשוב, אבל בלי גלגלים, הגה, בלמים ושלדה, אתם לא הולכים לשום מקום. עד סוף הפרק הזה תבינו מה היא באמת רתמת סוכנים, מדוע היא השלב הבא באבולוציה מעבר להנדסת פרומפטים, ואיך Microsoft AI Foundry מביאה את זה לחיים עבור עסקים אמיתיים. קחו את הקפה שלכם ובואו נצלול פנימה. מדוע פרומפטים כבר לא מספיקים? בואו נחזור לימים הראשונים. סביב 2022 עד 2024, העבודה עם AI הייתה פשוטה. כתבתם פרומפט וקיבלתם תשובה. צריכים טיוטת מייל? כתבו פרומפט. צריכים סיכום של מאמר? כתבו פרומפט עבור משימות פשוטות של פעם אחת, זה עבד מצוין. יכולתם לבקש משהו, והמודל היה נותן לכם תגובה סבירה. אבל אז אנשים הפכו ליותר שאפתניים. הם התחילו לבקש מהמודלים האלה לעשות עבודה אמיתית. לחקור נושא ולכתוב דוח, לנתח בסיס קוד ולתקן בג, או לנהל שיחת שירות לקוחות רב של בית מהתחילה ועד הסוף. ופתאום, פרומפט אחד לא יכול היה להתמודד עם זה. הנה מה שקרה. חלון ההקשר של המודל התמלא, הוא שכח את ההוראות הקודמות, והתחיל להמציא עובדות או לתת תוצאות לא שלמות. ככל שהמשימה התארכה, התוצר הפך לפחות אמין. בטח חוויתם את זה בעצמכם. אתם מבקשים מאהי לעשות משהו מורכב, ובסוף הוא שוכח מה ביקשתם ממנו מלכתחילה. תארו לעצמכם לבקש מאדם אחד לבנות בית שלם מאפס, הכל בישיבה אחת, בלי לבדוק את עבודתו אף פעם. זה מה שביקשנו מהמודלים האלה לעשות. התוצאות היו בדיוק מה שהייתם מצפים, בית חצי גמור עם קירות חסרים ודלתות שלא נפתחות. הפתרון לא היה פרומפט טוב יותר. יכולתם לבלות שעות בכיוונון הניסוח, הוספת דוגמאות ושיפור ההוראות, וזה עדיין היה נכשל במשימות ארוכות ומורכבות כי הבעיה הבסיסית לא הייתה הפרומפט. זו הייתה העדר המערכת מסביב. מה שהמודל היה צריך זה לא מילים טובות יותר, אלא תמיכה טובה יותר. כאן החלה האבולוציה מהנדסת פרומפטים להנדסת הקשר. שלושת השלבים של אבולוציית ה-AI. אז, הנה איך שאני רואה את האבולוציה של הבינה המלאכותית. שלושה שלבים, כשכל אחד מהם משנה את המיקוד עבור מהנדסים. השלב הראשון היה הנדסת פרומפטים. זה נמשך בערך מממ-2020 ו-2 עד 2024. השאלה הגדולה הייתה פשוטה. מה עליי לומר למודל? הייתה כותב הנחיה אחת, מקבל תשובה אחת, וזהו. כל האומנות הייתה סביב ניסוח וטון. עבור משימות בסיסיות, זה הספיק. אחר כך הגיע שלב שני, הנדסת הקשר, ממינוס 2024 עד 2025. השאלה השתנתה ממה עליי לומר למה המודל צריך לראות. מהנדסים גילו שמה שאתה מזין למודל חשוב יותר מאיך שאתה שואל. אז הם בנו מערכות כמו קריאה לחלים, רג, ופרוטוקול הקשר של המודל, MCP. אלו אפשרו למודל לשלוף את המידע הנכון תוך כדי תנועה. במקום לדחוס הכל לפרומפט אחד, המודל יכול היה להביא את מה שהוא צריך כשהוא צריך אותו. שלב שלוש הוא איפה שאנחנו נמצאים עכשיו, הנדסת מעטפת. החל ממ מינוס 2026 בערך, השאלה היא, איזו מערכת עליי לבנות סביב המודל? כאן זה נהיה מעניין, כי אמינות, זיכרון, תזמור ובקרות לא מגיעים מהמודל עצמו, אלא מהמערכת שאתה בונה סביבו. הנה הדרך הפשוטה ביותר לחשוב על זה. סוכן שווה מודל פלוס מעטפת. המעטפת היא כל השאר. המודל עושה את החשיבה, המעטפת עושה את השאר, והמעטפת הזו היא רוטב הקסם שגורם להקל לעבוד. תחשוב על זה ככה, המודל הוא עובד מיומן, מאוד מוכשר אבל מוגבל. המעטפת היא הסדנה, הכלים, רשימת הטיוג, המפקח והבלמים. בלי הסדנה, לעובד אין איפה לעבוד. בלי הכלים, הוא לא יכול לבנות כלום. בלי רשימת הטיוג, הוא שוכח שלבים. בלי המפקח, הוא עושה טעויות. ובלי בלמים, הוא נשרף. המעטפת מספקת את כל המבנה הזה. אז מה בדיוק יש בתוך המעטפת הזו? בואו נפתח אותה. מה מעטפת באמת מכילה? אז מה נכנס לתוך מעטפת? בואו נעבור על החלקים אחד אחד. ראשית, לולאת הסוכן. זה המחזור ששומר על הסוכן פעיל. המודל חושב, ואז מחליט לקרוא לכלי. הכלי רץ ושולח בחזרת הוצאה. המודל מסתכל על זה, חושב שוב, ואולי קורא לכלי אחר. הלולאה ממשיכה עד שהסוכן מגיע למטרה שלו. בלי הלולאה הזו, אתה מקבל רק שאלה אחת ותשובה אחת. איתה, יש לך מערכת שעובדת על בעיות צעד אחר צעד. הבא בתור, ניהול הקשר. זה קריטי כי למודלים יש טווח קשב מוגבל. חלון ההקשר שלהם יכול להכיל כמות מוגבלת בלבד לפני שהוא עולה על גדותיו. כאן נכנסת לתמונה הרתמה, Harness. היא דוחסת את השיחה, מסכמת את כל ההודעות ומתעדפת את מה שחשוב. תחשוב על זה כמו מערכת תיוק לשיחה. הרתמה מארגנת אותה כך שהמודל יראה רק את מה שרלוונטי. בלעדיה, הפעלות ארוכות מתפרקות כשהמודל מאבד את הכיוון. לאחר מכן ישנם כלים ומיומנויות. אלו הידיים של הסוכן. מודל כשלעצמו יכול רק לייצר טקסט. הוא לא יכול לקרוא קובץ, לגלוש באינטרנט, להריץ קוד או לשאול מסעד נתונים. הרתמה מעניקה לו את היכולות הללו. גישה לקבצים, גלישה באינטרנט, הרצת קוד, שאילת אות מסעד נתונים כל אלו כלים שהרתמה מספקת. המודל מחליט מתי להשתמש בהם, והרתמה גורמת להם לעבוד. זיכרון והתמדה של הפעלות הם נדבך משמעותי נוסף. הרתמה זוכרת הפעלות קודמות. כך, כשאתה חוזר לסוכן מחר, הוא לא מתחיל מאפס. הוא זוכר את ההעדפות שלך, את הקשר הפרויקט שלך ואת ההחלטות שקיבלת. הסוכן לומד עם הזמן כי הרתמה שומרת את ההיסטוריה הזו. קווי הגנה הם שכבת הבטיחות, מגבלות שאתה מציב על התנהגות הסוכן. תחשוב על זה כעל ספר החוקים של הסוכן. מספר צעדים מרבי לפני עצירה, פעולות אסורות, ושערי אישור אנושיים לפעולות בסיכון גבוה כמו כתיבת קבצים או שליחת מיילים. ללא קווי הגנה, סוכן עלול לפעול לנצח או לעשות משהו שלא התכוונת אליו. הרתמה שומרת עליו תחת בקרה. לבסוף, תזמור. הרתמה יכולה להפעיל תתי סוכנים מתמחים למשימות שונות. אחד מטפל במחקר, אחר בכתיבה, ושלישי באימות. הם עובדים יחד כמו צוות מומחים באתר בנייה. כל אחד עושה את מה שהוא הכי טוב בו, והריתמה מבדעת שהם לא מפריעים זה לזה. כעת, המרכיבים האלה הם לא רק תיאוריה. מייקרוסופט בנתה פלטפורמה מלאה שמוציאה את כל זה אל הפועל. הכירו את Microsoft AI Foundry, הרתמה הארגונית. הפלטפורמה הזו היא Microsoft AI Foundry. תחשוב עליה כעל סדנה שלמה לבנייה והרצה של סוכני בינה מלאכותית בהיקף נרחב. וכשאני אומר היקף, אני מתכוון להיקף אמיתי, לא לניסוי במעבדה. Foundry משרתת כיום מעל 70,000 לקוחות. וברבעון האחרון בלבד היא איבדה מאה טריליון תוקנים. זה מאה טריליון, לא טעות הקלדה. בכל יום, היא מפעילה 2 מיליארד שאילתות חיפוש ארגוניות. זו פלטפורמת ייצור המטפלת בכמה מעומסי העבודה הגדולים בעולם. מה שFoundry בעצם עושה זה לתת לך את הרתמה כשאירות מנוהל. אתה לא צריך לבנות ניהול הקשר, זיכרון, קווי הגנה ותאום מאפס, כי הכל כבר כלול בפנים. אתם מביאים את הסוכן שלכם, וFoundry מספקת את סביבת העבודה מסביבו. עכשיו, בואו נדבר על זהות. זה עניין משמעותי מאוד. כל סוכן בפאונדרי מקבל מזהה סוכן אנטרמי שלו. בעצם, זהות דיגיטלית. חישבו על זה כמו על טאג עובד שהדלפק מנפיק. הסוכן יכול להתחבר לשירותים, לגשת לנתונים ולפעול בשם הארגון בדיוק כמו עובד אנושי. ומכיוון שכל פעולה קשורה לזהות הזו, היא ניתנת לביקורת מלאה. למה זה חשוב? בארגון, אתם צריכים לדעת מי אסמה. כל פעולה מתועדת וניתנת למעקב. Foundry מתחברת למעל 1400 מקורות נתונים ארגוניים, משרפוינט ודיינמיקס 365 ועד סיילספורס ומסדי נתונים מותאמים. אם החברה שלכם משתמשת בזה, לפאונדרי כנראה יש מחבר. לכן, הסוכן לא מנחש או ממציא דברים. הוא שולף נתונים אמיתיים ממערכות אמיתיות, מה שאומר שהתשובות מבוססות על נתונים עסקיים בפועל. ויש גם זיכרון. פאונדרי כוללת סוגי זיכרון מובנים. זיכרון פרוצדורלי עוזר לסוכן ללמוד ממשימות עבר. הוא משתפר עם הזמן, כמו הכשרה תוך כדי עבודה. התמדה של סשן אומרת שהוא זוכר שיחות קודמות, כך שהוא לא מתחיל מאפס בכל פעם שאתם מדברים איתו. זה גורם לאינטראקציות להרגיש רציפות ואינטליגנטיות. אז איך זה עובד בפועל? בואו נפרק את הרכיבים שמייקרוסופט מספקת לבניית מעטפת מותאמת אישית. מסגרת העבודה של הסוכן, בניית מעטפת מותאמת. אז איך באמת בונים מעטפת? מייקרוסופט מספקת ערכת פיתוח יהודית בשם Microsoft Agent Framework, שאולי אתם מכירים בשמה הקודם, Semantic Carnal. היא נבנתה מחדש, אבל הרעיון נשאר זהה. היא מאפשרת למפתחים לבנות מעטפת סוכן מותאמת בפייטן ובאהש. למסגרת העבודה יש שלוש שכבות. בתחתית נמצא לולעת הסוכן, מעגל החשיבה המרכזי שבו המודל חושב, קורא לכלים, מקבל תוצאות וחושב שוב. מעל זה יושבות זרימות עבודה, דפוסי תאום שמנהלים סוכנים מרובים, ועוטפת את הכל שכבת המעטפת עצמה, המעטפת שמחזיקה הכל יחד. מייקרוסופט מספקת חמישה דפוסי תאום מובנים. סדרתי מריץ סוכנים אחד אחרי השני בסדר מוגדר. מקבילי מריץ את כולם במקביל. העברה מעבירה שליטה מסוכן אחד לאחר בהתבסס על מה שנדרש. שט קבוצתי מאפשר לסוכנים מרובים לדבר בשיחה משותפת. ויש גם את מג'נטיק, מנהל מהם מייקרוסופט ריסראץ'. כאן, סוכן מפקח מייצר תוכנית ואז מעציל עבודה לסוכני משני מומחים, כמו מנהל פרויקט שמקצה משימות לחברי צוות. כל דפוס מטפל בבעיית תאום שונה. הנה החלק הכי טוב. מסגרת העבודה ניתנת להרחבה. ניתן לחבר כל מודל שתרצו, מאופן איי, אנפרופיק וגוגל ג'מיני ועד אמזון בדרוק ואפילו מודלים מקומיים בעולמה. כך גם לגבי כלים. מתחברים דרך אופן איי, פרוטוקול הקשר למודל או קוד ישיר. יש אנשים שחוששים שהשימוש בתשתית של מייקרוסופט נועל אתכם בתוך ההקוס סיסטם שלהם. כמו גישה לקבצים, הרצת קוד תובכה לתכנון וטלמטריה. לכן, בניית סוכן עם התשתית הזו משמעותה בניית מערכת שלמה שקוראת קבצים, כותבת קוד, מתכננת משימות מרובות שלבים ומתעדת הקול לצורכי ניפוי שגיאות. זה הרבה יותר מסתם ממשק צ'אט. הנה איך שזה נראה. דמיינו סוכן כתיבת קוד שנבנה על התשתית הזו. אתם נותנים לו משימה. למשל, להוסיף תכונה חדשה לבסיס קוד קיים. הסוכן מתחיל בסקירת תיעוד כדי להבין את ה-API. אחר כך הוא כותב את הקוד, ואז הוא מריץ בדיקות כדי לוודא ששום דבר לא נשבר. אם בדיקה נכשלת, הוא קורא את השגיאה, מתקן את הבג ומריץ את הבדיקות שוב, הכל בתוך אותו הרנס, תוך לולאה של מחזור חשיבה פעולה בדיקה עד שהעבודה מסתיימת. ללא ההנס, הייתם צריכים להזין כל שלב ידנית. איתו, הסוכן מטפל בכל זרימת העבודה בעצמו. דוגמה פופולרית להנס בפעולה היא דפוס הקלו. סוכנים בסגנון קלו. השם מגיע מפרויקטים של קוד פתוח כמו אופן קלו. הסוכנים האלה חיים על המכונה שלכם, מחכים להוראות, ואז מריצים משימות ארוכות בעצמם. הם תמיד שם, מוכנים להתערב כשאתם צריכים אותם. תחשבו עליהם כעל עוזר אישי שלעולם לא לוקח יום חופש. הגרסה של מייקרוסופט נקראת הרמיז. היא רצה בתוך ארגז החול של הסוכנים המאוכסן בפאונדרי ומגיעה עם יכולות מרשימות. להירמס יש מערכת קבצים משלה, זיכרון משלה, וסט כלים משלה. היא יכולה להגדיר שגרות תחזוקה משלה, לנקות קבצים ישנים ולארגן את סביבת העבודה שלה. ואם היא מבינה שהיא זקוקה למיומנות חדשה שאין לה, היא יכולה לבנות אחת תוך כדי תנועה. עכשיו, הנה העניין לגבי סוכני קלו. אדריכלי ענן קוראים להם חיות מחמד, לא בקר. חיות מחמד הן ייחודיות. אתם נותנים להן שם, דואגים להן, ולא ניתן להחליף אותן בקלות. בקר הם ברי החלפה. אז אם אחד נופל, אתם מקימים אחר. סוכני קלו הם בהחלט חיות מחמד. לכל אחד יש מצב, היסטוריה והתנהגויות נלמדות משלו. הייחודיות הזו הופכת אותם לעוצמתיים, אך גם מקשה על התאוששות ועל שינוי קנה מידה. אם משהו משתבש, אי אפשר פשוט לזרוק את המופע ולהתחיל מחדש כי כל הידע שנצבר יובד. הפתרון של מייקרוסופט נקרא שגרות, רוטינס. אלו הן משימות מתוזמנות המאפשרות לסוכן להתעורר, לבצע עבודת תחזוקה ולחזור לישון. במקום להשאיר את ארגז החול פועל 24 שביעיות, מה שעולה כסף, הסוכן נכבה לאחר תקופה של חוסר פעילות. מערכת השגרות מהירה אותו כשמגיע הזמן לבצע פעולה, כמו ניקוי מיומנויות ישנות, הרצת גיבוי או בדיקת משימות חדשות. לאחר מכן הוא חוזר לישון. זה חוסך בעלויות תוך שמירה על זמינות הסוכן כשצריך אותו. ארגז החול מבודד כל ששן. הקבצים, הזיכרון וההגדרות של הסוכן שלך נשארים כלואים בסביבה שלו. והמנגנון מנהל את המצב הזה בין ששנים, כך שלא צריך לדאוג שמידע מסוכן אחד ידלוף לאחר. אפשר לבנות מנגנון מאפס, אבל רוב העסקים לא צריכים לעשות זאת. פאונדרי מעניקה לך פלטפורמה מוכנה עם כל היכולות הללו מובנות בפנים. השאלה האמיתית היא, מה אתה רוצה שהסוכן שלך יעשה? פרסום ושיתוף פעולה, היכן שהמנגנונים פוגשים בני אדם. אז בנית את הסוכן שלך, נתת לו כלים, זיכרון, תזמור וארגז חול. עכשיו, איך אנשים באמת משתמשים בו? כאן פאונדרי הופכת דברים לקלים. ברגע שהסוכן בנוי ופרוס, ניתן לפרסם אותו למיקרוסופט 365 קופיילוט במיקרוסופט טימס בלחיצה אחת. לא עשר לחיצות, לא תהליך פריסה של שלושה ימים, רק לחיצה אחת. והסוכן שלך מופיע בדיוק איפה שאנשים כבר עובדים, באימייל, בצ'אט ובמסמכים שלהם. פאונדרי תומכת בשני מצבי פריסה. ראשית, סוכנים מסייעים. הם עובדים בשמח, מנסחים מיילים, קובעים פגישות או שולפים מסמכים. הם פועלים כהערכה שלך, כמו עוזר מהיר מאוד שעושה מה שאתה מבקש. שנית, סוכני טייס אוטומטי, אוטופיילוט. הם חדשים יותר ומעניינים יותר. הם פועלים בשם עצמם עם כתובת אימייל וזהות משלהם. הם לא צריכים שתנחה אותם בכל פעם. הם לוקחים יוזמה. לסוכני טייס אוטומטי יש חשבון משתמש מלא. ניתן להוסיף אותם לצ'אט קבוצתי בטימס בדיוק, כמו שהיית מוסיף עמית לעבודה. הם עוקבים אחר השיחה וקופצים פנימה כשהם יכולים לעזור, עוקבים אחר פריטים פתוחים, עונים על שאלות לגבי מה שהצוות עובד עליו, ואפילו קולטים חברי צוות חדשים על ידי שליחת המסמכים הנכונים והצגתם לאנשים הנכונים. הנה דוגמה מוחשית. נניח שיש לך סוכן לניהול זרמי עבודה. אתה מוסיף אותו לצ'אט הקבוצתי שלך בטימס. מי שהוא אומר, היי, אני צריך שדוח הרבעון השלישי יהיה מוכן עד יום שישי. הסוכן מזהה שזו משימה לביצוע. הוא יוצר משימה, מקצה אותה לאדם הנכון, ומוסיף תזכורת ליום חמישי כדי לבדוק את ההתקדמות. אף אחד לא אמר לו לעשות את זה. הוא פשוט ראה משהו שצריך לעשות ועשה אותו. ההאנס מטפל בכל ההרשאות מאחורי הקלעים. רק משתמשים מורשים יכולים לתקשר עם הסוכן בצ'אט קבוצתי. הסוכן רואה הודעות שהוא מורשה לראות ומתעלם מהשאר. הוא מכבד את אותם בקרות גישה של חברי הצוות האנושיים שלך. הנה הסיבה שהנדסת ההאנס באמת משתלמת. הסוכן מפסיק להיות שדבות שפותחים בלשונית בדפדפן. הוא הופך לחבר צוות פרודוקטיבי. הוא נמצא איפה שאתה נמצא, עובד בדרך שבה הצוות שלך עובד. והוא עושה את כל זה כי ההאנס, המערכת סביב המודל, מטפלת בזהות, הרשאות, פריסה ואינטגרציה. בלי ההאנס, פשוט היה לך עוד חלון צ'אט לבדוק. אבל כל כלי עוצמתי זקוק להגנות. בואו נדבר על המחסומים שהופכים את כל זה לבטוח. בינה מלאכותית, אחראית וממשל בתוך ההאנס. העניין הוא כזה. הנדסת האנס היא לא רק לגרום לסוכנים להיות מסוגלים יותר. זה לגרום להם להיות בטוחים ואמינים. סוכן שיכול לשלוח אימיילים, לשנות קבצים ולפעול בצ'אטים קבוצתיים הוא עוצמתי. אבל העוצמה הזו זקוקה לבקרות. חשוב על זה כמו לתת לעובד מפתחות לבניין. אתה רוצה שהם יעשו את עבודתם, אבל אתה גם קובע כללים לגבי מה שהם יכולים לגשת אליו ומתי. הגישה של מייקרוסופט בנויה על תקן הבינה המלאכותית האחראית. שישה עקרונות מנחים הכל, הגינות, אמינות ובטיחות, פרטיות והבטחה, הקלה, שקיפות ואחריות. אלו לא רק רעיונות נחמדים שכתובים על פוסטר. הם הבסיס האמיתי לאופן שבו כל הפלטפורמה מתוכננת מהיסוד. ההאנס הוא המקום שבו העקרונות האלה הופכים לקוד אמיתי. מחסומים מגבילים את מה שהסוכן יכול לעשות. הוקים של מחזור חיים מאפשרים לך לאכוף מדיניות בכל שלב בביצוע של הסוכן. לפני שהסוכן רץ, אחרי שהוא רץ, לפני שהוא קורא לה כלי, אחרי שהוא מקבל תוצאה, ואתה יכול להזריק בדיקות משלך בכל נקודה. רוצה לחסום את הסוכן מגישה למסדי נתונים מסוימים. אתה יכול לעשות זאת. רוצה לדרוש אישור אנושי לפני שהסוכן שולח אימייל. גם את זה אתה יכול לעשות. שניהם פשוטים להגדרה. ה-Well-Architected Framework של Azure כולל הנחיות יהודיות לעומסי עבודה של בינה מלאכותית. ומכסה הכל החל מהצפנת נתונים ועד לתגובה לאירועים. הרעיון הוא שבניית מערכת בינה מלאכותית אינה שונה מיסודה מבניית כל מערכת ארגונית אחרת. אתם עדיין זקוקים להבטחה, לאמינות ולמצוינות תפעולית. ה-Well-Architected Framework מעניק לכם דרך מובנית לחשוב על כל זה בלי ללכת לאיבוד. מעבר לכך, קיים ה-Cloud Adoption Framework, ומספק תהליך בין ארבעה שלבים לממשל בינה מלאכותית. ראשית, זהו סיכונים. מה עלול להשתבש? שנית, מידדו את ההשפעה. עד כמה זה יהיה גרוע. שלישית, צמצמו סיכונים באמצעות בקרות. מה אפשר להציב כדי למנוע זאת? רביעית, פעלו עם ניטור. איך מזהים בעיות ברגע שהן קורות? זוהי גישה מעשית ומדורגת שהופכת חששות מופשטים לפעולות קונקרטיות שבאמת אפשר לבצע. עבור תשתית סוכנים, Agent Harnesses. במיוחד, זה אומר כמה דברים מרכזיים. מגבלת צעדים מקסימלית, כדי שהסוכן לא ירוץ לנצח. הגבלות כלים, כדי שתהיה לו גישה רק למה שהוא אמור לגשת אליו. שערי אישור אנושי לפעולות בסיכון גבוה. עקבות ביקורת, כדי שכל החלטה תתועד ותהיה ניתנת לבדיקה. מסנני בטיחות תוכן שתופסים פלטים בעייתיים לפני שמישהו רואה אותם. כל חלק עובד יחד כדי להשאיר את הסוכן שלכם תחת שליטה הדוקה. מייקרוסופט מספקת בטיחות תוכן מובנית ומעריכים בתוך פאונדרי. ניתן לבחון את הסוכן שלכם מול קבוצת קריטריונים לפני הפריסה. האם הוא נשאר בנושא? האם הוא מטפל במידע רגיש כראוי? האם הוא מסרב לבקשות שהוא לא אמור למלא? ניתן להריץ את ההערכות הללו אוטומטית ולקבל ציון עוד לפני שמפרסמים את הסוכן לצוות. כך מזהים בעיות מוקדם, ולא אחרי שמשהו כבר משתבש. זו התמונה המלאה, מהנחיה פשוטה ועד לסוכן אוטונומי בטוח ברמת ייצור. המודל עושה את החשיבה, התשתית עושה את כל השאר, התאום, מגנני הבטיחות, הממשל, וכל מה שהופך אותו למהימן. אז בואו נסכם את התהליך. התחלנו עם הנחיה חד פעמית, One Shot. כתוב הנחיה, קבל תשובה. זה עבד למשימות פשוטות. אחר כך עברנו להנדסת הקשר, Context Engineering. נהלו את מה שהמודל רואה וטענו את המידע הנכון בזמן הנכון. זה עבד למשימות מורכבות יותר. ועכשיו הגענו להנדסת תשתית מלאה. בנו מערכת שלמה סביב המודל עם זיכרון, כלים, תאום, מגנני בטיחות וממשל. הנה התובנה המרכזית. סוכן הוא מהימן רק כמידת המערכת שעוטפת אותו. המודל חשוב, בהחלט, אבל התשתית היא זו שקובעת אם הפרויקט יצליח או ייקשל בייצור. אתם יכולים להחזיק במודל הטוב בעולם, אך ללא תשתית טובה הוא ייקשל במשימות אמיתיות. ואתם יכולים להחזיק במודל סביר עם תשתית מצוינת, והוא יתעלה על הציפיות בכל פעם. הנה האתגר שלכם. בפרויקט הבינה המלאכותית הבא שלכם, תחשבו מעבר להנחיה. אל תשאל מה עליי לומר למודל, שאל איזו מערכת עליי לבנות סביבו. שינוי החשיבה הזה הוא מה שמפריד בין הדגמות לבין מערכות ייצור. בפרק הבא נעמיק ברכיב אחד של המערכת, זיכרון. איך סוכנים לומדים עם הזמן, איך הם זוכרים מה עשו, ואיך זה משנה את מה שהם יכולים להשיג. הרשמו כדי שלא תפספסו.