למשל, ה-LLM יכול לקבל שאילתה מהמשתמש, לנתח את מה שצריך לעשות ולפרק את זה לפעולות שונות ואז להתחיל להריץ אותן אחת אחרי השניה ולבקש אישור מהמשתמש. יש לו יכולת לפעול באופן עצמאי, להפעיל כלים (עם או בלי MCP) וגם לקרוא למודלים אחרים. משמעות המונח מגיעה מ״סוכנות״ שזה מושג מתחום הסוציולוגיה דווקא (יאפ). אני מסביר עם קוד פייתון אבל פייתון זו שפה קלה וגם מתכנתים משפות אחרות כולל ג׳אווהסקריפט יבינו מעולה את הדוגמאות.
הקורס מתחיל מהיסודות ומוביל את המשתתפים בהדרגה עד לרמה מתקדמת, כולל הסברים על מושגים בסיסיים וטכניקות עבודה מעשיות עם מודלים של בינה מלאכותית. 🌐 פרוטוקול Model Context (MCP) – שימוש בכלים מוכנים, ובניית שרתים מאפס. השאלה, האם ה-AI יחליף אותנו במשימות הטכניות, כבר לא רלוונטית, השאלה הרלוונטית היא רק מתי ? חברים, זהו קורס מהפכני, הראשון מסוגו בעולם, שנבנה במיוחד כדי להבטיח שאתם, כאנשי QA ואוטומציה, לא רק תשמרו על מקומכם – אלא תובילו את הדור הבא של בדיקות התוכנה. קורס AI Toolbox for Future QA מעניק לכם את הכלים והמיומנויות הנדרשים כדי להישאר רלוונטיים ולהוביל את תחום הבדיקות בעידן החדש.
עוד רגע
- בואו נחטט בקבצי הקוד שלה כדי להבין מה קורה פה ומה זה ההייפ הזה
- בשונה מבינה מלאכותית יוצרת (Generative AI), המבצעת משימות מוגדרות על-פי הנחיות המשתמש (Prompts), Agentic AI יודעת לבצע פעולות בצורה אוטונומית – היא לא רק מגיבה לבקשות, אלא יודעת ליזום, לפתור בעיות ולהתמודד עם מצבים בלתי-צפויים בעצמה.
- למשל, כתבו כל פעם Human נקודותיים ו-AI נקודותיים.
- עדיפות גבוהה לרקע בפייתון, שכן כל דוגמאות הקוד, התרגולים והכלים שנלמד בקורס יתבססו בשפה זו.
- אף אחד לא מפרסם ב-TechCrunch על Java.
- ולפעמים הוא טועה, לפעמים הוא פשוט לא עושה את זה, או מדלג על אחד מהם, או שוכח, או כל מיני, אתם יודעים, בעיות כאלה ואחרות של LLM-ים.
כניסתנו לעידן ה-Agentic AI, שבו מערכות בינה מלאכותית פועלות באופן עצמאי ואינטליגנטי באמצעות "סוכני AI" (AI Agents), פותחת הזדמנויות חדשות לארגונים בכל ענפי התעשייה. פערי השכר בין נשים לגברים בהייטק עומדים על כ-10,000 ₪ בחודש, ובדרגי הניהול הפערים עמוקים עוד יותר – רק 17% מהדרג הבכיר הן נשים. דרוש/ה AI Algorithms Tech Lead להובלה, תכנון, פיתוח ויישום של אלגוריתמי AI תוך השפעה משמעותית על החלטות מחקר ופיתוח של המוצר בפרויקטים. – פיתוח ואופטימיזציה של תהליכי הייצור, יצירת תיעוד הנדסי וכתיבת מסמכי ייצור.
ומאד מאד עדיף, בשימושים אמיתיים, להשתמש בפלטפורמה מסודרת ולא בפריסטיילינג קוד כמו שעשיתי פה. קודם כל ReAct זה לא הארכיטקטורה היחידה. הנה קוד שמסביר את העניין הזה – בגדול, יש לי קלאס שנקרא ReActAgent.
סופר איג’נט בניית סוכני Ai
זאת אומרת, כשאנחנו אומרים פריימוורק, אז בעצם מה ה-Glue Code, או מה ה-Library שתעשה אורקסטרציה לכל האפליקציה שלכם, ול-LLM כמובן במרכז. כך לדוגמה, בעוד שמערכות AI יכולות להציע סרטים לצפייה על בסיס העדפות קודמות, מערכות Agentic AI לא רק ממליצות – אלא גם מזהות בעצמן אם סרט מסוים אינו זמין, מחפשות אלטרנטיבות דומות ומציעות למשתמש פתרון מבלי שבכלל היה צריך לבקש זאת. לא כדי למכור לכם חלום, אלא כדי ללכלך ביחד את הידיים בקוד, לבנות סוכנים שעובדים, ולצאת מהקורס עם יכולת שהשוק מחפש בטירוף. כבר כיום אנו רואים ושומעים על כלים מבוססי AI שיודעים לגזור מקרי בדיקה "מחוץ לקופסא", לכתוב תשתית אוטומציה, להריץ בדיקות, לפתוח טיקטים בג’ירה ועוד. אם הרגולציה שלכם דורשת מידע בישראל (למשל בנקים, ביטוח, ממשל) — Gemini ב-Workspace לא יתאים, ותצטרכו לבחון Vertex AI עם region הקרוב ביותר (אירופה) או פתרון on-prem.
הסיפור של דני: מ-Prompt Engineering ל-Agent Engineering
איך בעצם אנחנו עוקבים אחרי הפרומפטים, איך אנחנו נותנים לפרודקט מנג’ר אולי בלי ידע בקוד, אולי את האפשרות לערוך את הפרומפטים שלנו. הרבה פעמים זה כל מיני white spaces שאתם לא באמת צריכים, או… או אם סתם אתם רוצים לדעת כמה יש לכם, אז גם, זה אחלה כלי. אז Prompt Engineering זה בעצם, לצורך העניין, זה כלים שיעזרו לנו לכתוב את הפרומפט הנכון. ואם אתם רוצים ללכת על Open Source, אז כמובן יש לכם כל מיני החלטות שאתם צריכים לעשות. שאנחנו, יש לנו המון דאטה, המון documents, ואנחנו רוצים להבין האם יש לנו איזה document שמתאים ל-query מסוים, אז אנחנו מאנדקסים את זה כמובן ושמים את זה בדאטאבייס. אבל ל-VectorDB, כמובן, יש עוד use-case-ים.
מה הסיכונים האמיתיים בשימוש בכלי GenAI?
חברת תוכנה מובילה בתחום ה Dynamic AI בתעשיית הביטוח, המספקת פתרונות מבוססי אנליטיקה ובינה מלאכותית לחברות ביטוח ובנקים. כל סוגי הלימודים הכשרה מעשית הכשרות מקצועיות השכלה גבוהה השלמת השכלה לימודי תעודה סדנאות העשרה פיענוח הסודות החבויים בנתונים, הכרה עם טכנולוגיות מתקדמות ושימוש עם בינה מלאכותית.
קריאה לסוכן השני
אני מאד אוהב להסביר ולהבין עם קוד. כאשר אני מתמקד בהסבר פשוט שנועד להסביר את הקונספט. הסבר מקיף המיועד למתכנתים על מה זה סוכני AI ודוגמה שכל אחד יכול להבין. אפשר ללמוד הרבה לבד, ואנחנו מעודדים את זה. שאלה מצוינת, וזה בדיוק למה יש לנו מודול שלם על AI Safety ו-Guardrails. הקורס בנוי כתוכנית של 8 שבועות, עם מפגש שבועי של 4 שעות (סינכרוני, מעשי, עם קוד חי).
ללמוד תכנות בעברית
אם למשל יש לכם Postgres, אז אולי שווה לכם לחשוב על Quick Wins עם pgvector, כי זה top AI development company in Israel איזשהו מן שכבה כזאתי שמתלבשת על ה… והם הוסיפו עכשיו פיצ’ר של וקטור, אז אתה יכול גם לאחסן את ה-Vectors ובעצם לשלב, לעשות query משולב כזה של Keyword Search פלוס Vector Search ולעשות איזשהו שילוב כזה. זה היה ה-use-case שלהם מתחילת הדרך, שהם בעצם נותנים איזה מנוע חיפוש טקסטואלי מאוד מאוד טוב, Out of the Box. אם אתם רוצים Managed Service, אז יש לנו את Pinecone הישראלית, שעושה עבודה די טובה, וכמובן יש את Elasticsearch, שהם די טובים, גם הם נותנים Out of the Box Keyword Search לטקסט שלכם.
ISO 42001 — תקן ניהול AI החדש: מה כדאי לדעת?
בואו ונתחיל עם משהו פשוט – רק כדי שנבין את הסיפור. כי יש גם כמה דרכים לממש סוכנים. מבקש רשות להחליף את קוד הבדיקות. הוא מראה לי את השינויים בקוד ושואל אם זה בסדר. הוא מנתח את הבקשה, מבין מה אני רוצה ממנו ואז מפעיל LLM אחר שמבצע בדיקה של כל המקומות שבהם יש jsonschema ומשנה אותם.
היא מתחברת ל-LangChain, זאת אומרת החיבור ל-LangChain הוא יחסית טבעי, והיא עושה… יש לה הרבה אדאפטרים אחרים, שלמשל ל-LangChain אין. אנחנו מדברים עליה גם הרבה בפודקאסט ואנחנו חושבים שהיא… שווה, בוא נגיד, לנסות לפחות לאמץ אותה. אז לדוגמה – LangChain, זה ספרייה יחסית ידועה שדי מתרוממת, בוא נגיד, בתקופה האחרונה.
בהקשר הזה יש עוד שני כלים שאני אמליץ עליהם בהקשרים של Output Parser-ים, אחד זה OpenAI Functions, שמניסיון שלי הוא פשוט עובד מעולה, אני ממש ממליץ להשתמש בו לכל Structured Output. ממש בכמה שורות קוד אפשר כבר להשיג את זה ואז באמת, ככל שרוצים דברים יותר custom-ים, אז צריך להכיר את הספרייה ולדעת לעבוד איתה ויש פה איזושהי עקומת למידה. נכון, באופן תיאורטי אפשר להכניס את הכל לתוך LLM אחד עם המון כלים ו-RAG אדיר, אבל… זה יהפוך את הקוד לבעייתי יותר. אם עובדים עם LangChain, אז גם להפוך את כל החלקים שהם צווארי בקבוק, שזה לרוב הריצה של ה-LLM, להפוך אותם לאסינכרונים זה יחסית פשוט, ואז גם אם יש לנו scale, בדרך כלל השרת הזה יכול לעמוד בו.