מודול 3 | תרגול 2: ממייל לטופס עם Claude Code

בדוק אם קיים CLAUDE.md בתיקייה הנוכחית. אם הוא חסר צור אותו. אם הוא קיים הצע עדכון ושמור על כללים קיימים שאינם סותרים את הדרישות. אל תדרוס אותו. בשלב הזה אל תבנה תהליך ואל תיצור קבצים נוספים.

הקובץ הוא קובץ הכללים הקבוע שלך לפרויקט הזה. כתוב בו את ההנחיות הבאות בצורה ברורה:

# כללי עבודה לפרויקט

## ארכיטקטורה ב-n8n
- השתמש ב-OpenRouter בלבד לקריאות למודל שפה.
- השתמש בקריאות LLM רגילות באמצעות Basic LLM Chain יחד עם OpenRouter Chat Model.
- אל תשתמש ב-AI Agent ואל תשתמש בבלוקים של סוכנים.

## נתונים והוראות
- הוראות המערכת נשמרות בנפרד מנתוני הבקשה.
- נתון חסר נשאר חסר. שואלים כשחסר מידע הדרוש להחלטה הנוכחית, ולא מנחשים.

## עבודה בטוחה
- עבוד תמיד בעותק ייחודי ושמור את המקור.
- אל תשמור מפתחות או סודות בתוך הקובץ הזה או בכל קובץ אחר.

## איכות ותיעוד
- הוסף פתקים מסבירים ליד השלבים.
- בדוק פלט אמיתי ולא תוצאה מדומה.
- ציין במפורש מה לא נבדק.

לאחר שתיצור או תעדכן באישורי את הקובץ, הצג לי את תוכנו המלא ואל תעשה דבר נוסף.

Check whether CLAUDE.md exists in the current directory. If missing, create it. If present, propose an update and preserve existing rules that do not conflict with these requirements. Do not overwrite it. Do not build a workflow or create other files yet.

This file is your permanent rule set for this project. Write the following guidelines in it clearly:

# Project Work Rules

## n8n Architecture
- Use OpenRouter only for language model calls.
- Use plain LLM calls via Basic LLM Chain together with OpenRouter Chat Model.
- Do not use AI Agent and do not use agent blocks.

## Data and Instructions
- System instructions are kept separate from request data.
- Missing data stays missing. Ask when information needed for the current decision is missing, and do not guess.

## Safe Work
- Always work on a unique copy and preserve the original.
- Do not store keys or secrets inside this file or any other file.

## Quality and Documentation
- Add explanatory notes next to the steps.
- Verify real output, not a mock result.
- State explicitly what was not tested.

After creating the file or updating it with my approval, show me its full contents and do nothing further.

קרא קודם את CLAUDE.md ופעל לפי הכללים שבו.

צרפתי להודעה זו את המייל המלא מפרק 2, כולל תאריך השליחה. אם הוא לא צורף, בקש אותו לפני בנייה.

הצע תוכנית קצרה בלבד, בלי לבנות עדיין, לתהליך קליטה ב-n8n שעושה את הדברים הבאים:

- מתחיל ב-Chat Trigger. כל הודעה חדשה כוללת טקסט מייל חופשי, מפעילה ריצה נפרדת ומחזירה תשובה לצאט. השתמש ב-chatInput כקלט, בלי זיכרון שיחה.
- משתמש ב-Basic LLM Chain יחד עם OpenRouter Chat Model וב-Structured Output Parser לפלט לפי הסכמה. ללא AI Agent.
- מחלץ את השדות הבאים לאובייקט מובנה:
  test_name, objective, equipment_description, equipment, site, requested_time_text, additional_details
- השדה equipment נשאר null בשלב הזה, כי השם המדויק מגיע רק מהקטלוג בשלב מאוחר יותר.
- שדה עובדתי שלא נמסר נשאר null. גם "המיקום עוד לא סגור" פירושו site=null. ל-test_name מותר לתת כותרת קצרה הנגזרת מהמטרה שבמקור, ללא פרטים חדשים.
- המידע שאינו נכנס לשדות המובנים נשמר תחת additional_details.

הצג לי את התוכנית. בנה רק אחרי שאאשר. השתמש בשם ייחודי בתיקיית Module 3, והתחל בקלט חי דרך Chat Trigger, בלי חיבור למייל אמיתי. שמור דוגמאות קבועות רק לבדיקות חוזרות. ציין איזה מודל זמין תבחר ב-OpenRouter ולמה. אל תמציא מזהה מודל. החזר הסברים, ערכי שדות טקסט ושאלות בעברית. שמור ציטוטים מדויקים בשפת המקור ושמות שדות וערכי החלטה כפי שהוגדרו.

Read CLAUDE.md first and follow its rules.

I have appended the full email from chapter 2, including its sent date, to this message. If it is absent, ask for it before building.

Propose a short plan only, without building yet, for an intake workflow in n8n that does the following:

- Starts with a Chat Trigger. Each new message contains free text email, starts a separate execution and returns a chat response. Use chatInput as input, without conversation memory.
- Uses Basic LLM Chain with OpenRouter Chat Model and Structured Output Parser for schema-based output. No AI Agent.
- Extracts the following fields into a structured object:
  test_name, objective, equipment_description, equipment, site, requested_time_text, additional_details
- The equipment field stays null at this stage, because the exact name comes only from the catalog at a later step.
- A factual field not provided stays null. "The location is not final yet" means site=null. For test_name you may derive a short display title from the stated objective, without new facts.
- Information that does not fit the structured fields is kept under additional_details.

Show me the plan. Build only after I approve. Use a unique name in the Module 3 folder and start with live input through Chat Trigger, without connecting to real email. Keep fixed examples only for repeatable tests. State which available OpenRouter model you will select and why. Do not invent a model ID. Return explanations, text field values and questions in Hebrew. Keep verbatim quotations in the source language, and preserve defined field names and decision values.

קרא את CLAUDE.md. צור בפרויקט n8n שלי Data Table בשם "18x | Module 3 | Equipment Catalog". הטבלה צריכה להיות באותו פרויקט n8n שבו נמצא תהליך התרגול.

צור בדיוק 9 עמודות מסוג string, בסדר הזה:
equipment, label, source_id, source_version, description, capabilities, purpose, form_test_type, provenance

הכנס בדיוק את שלוש הרשומות הבאות, ללא שינוי בשמות השדות או בטקסט. ערך form_test_type ברשומה השלישית הוא מחרוזת ריקה. אל תיצור ידנית id, createdAt או updatedAt, n8n יוצר אותם.

[
  {
    "equipment": "scanner-rig",
    "label": "מערכת נייחת",
    "source_id": "M3-CAT-01",
    "source_version": "demo-v1",
    "description": "שני קוראים נייחים ליד מעבר. העגלות עם התגיות נעות בין אזורי הקריאה.",
    "capabilities": "שמירת מזהה תג, מזהה קורא וחותמת זמן בנפרד לכל קריאה. מתאים להשוואת קריאות חופפות. המקור אינו מגדיר מהירות, מרחק או סף הצלחה.",
    "purpose": "movement-tracking",
    "form_test_type": "מערכת נייחת | מעקב תנועה",
    "provenance": "נתוני הוראה מדומים למודול 3. מזהי ציוד ומטרה תואמים לטבלת מודול 2. התיאור והיכולות נוספו לצורך התרחיש ואינם מפרט יצרן."
  },
  {
    "equipment": "mobile-reader",
    "label": "קורא נייד",
    "source_id": "M3-CAT-02",
    "source_version": "demo-v1",
    "description": "הקורא נישא בידי מפעיל ונע עם הציוד. אפשר לבצע קריאות של תגיות תוך כדי תנועה.",
    "capabilities": "מזהה תג וחותמת זמן. מתאים לבדיקה שבה הקורא עצמו נע. המקור אינו מגדיר ספי הצלחה.",
    "purpose": "movement-trial",
    "form_test_type": "קורא נייד | ניסוי בתנועה",
    "provenance": "נתוני הוראה מדומים למודול 3. אינו מפרט יצרן."
  },
  {
    "equipment": "antenna-array",
    "label": "מערך אנטנות",
    "source_id": "M3-CAT-03",
    "source_version": "demo-v1",
    "description": "מערך אנטנות לכיוון ולבדיקת יישור לפני ניסוי.",
    "capabilities": "בדיקת יישור של המערך. אין במקור תמיכה בזיהוי קוראים במעבר עגלות.",
    "purpose": "alignment-check",
    "form_test_type": "",
    "provenance": "נתוני הוראה מדומים למודול 3. אינו מפרט יצרן."
  }
]

אם קיימת טבלה בשם הזה, קרא אותה לפני כל שינוי. השתמש בה רק אם כל 9 העמודות וכל 3 הרשומות זהות לנתונים כאן. אחרת צור טבלה נפרדת בשם ייחודי ואל תשנה את הקיימת. אל תוסיף רשומות כפולות.

בסיום קרא בחזרה את הטבלה ושווה את כל הערכים לנתונים שסיפקתי. הצג שם טבלה, מזהה, מספר רשומות ורשימת העמודות. שמור את שם הטבלה והמזהה בתיעוד הפרויקט והפנה אליהם מ-CLAUDE.md. בשלב הזה אל תשנה את תהליך החילוץ.

Read CLAUDE.md. Create a Data Table named "18x | Module 3 | Equipment Catalog" in my n8n project, the same n8n project as the exercise workflow.

Create exactly 9 string columns in this order:
equipment, label, source_id, source_version, description, capabilities, purpose, form_test_type, provenance

Insert exactly these three records. Preserve all field names and source text verbatim. The third record's form_test_type is an empty string. Do not manually create id, createdAt or updatedAt, n8n generates them.

[
  {
    "equipment": "scanner-rig",
    "label": "מערכת נייחת",
    "source_id": "M3-CAT-01",
    "source_version": "demo-v1",
    "description": "שני קוראים נייחים ליד מעבר. העגלות עם התגיות נעות בין אזורי הקריאה.",
    "capabilities": "שמירת מזהה תג, מזהה קורא וחותמת זמן בנפרד לכל קריאה. מתאים להשוואת קריאות חופפות. המקור אינו מגדיר מהירות, מרחק או סף הצלחה.",
    "purpose": "movement-tracking",
    "form_test_type": "מערכת נייחת | מעקב תנועה",
    "provenance": "נתוני הוראה מדומים למודול 3. מזהי ציוד ומטרה תואמים לטבלת מודול 2. התיאור והיכולות נוספו לצורך התרחיש ואינם מפרט יצרן."
  },
  {
    "equipment": "mobile-reader",
    "label": "קורא נייד",
    "source_id": "M3-CAT-02",
    "source_version": "demo-v1",
    "description": "הקורא נישא בידי מפעיל ונע עם הציוד. אפשר לבצע קריאות של תגיות תוך כדי תנועה.",
    "capabilities": "מזהה תג וחותמת זמן. מתאים לבדיקה שבה הקורא עצמו נע. המקור אינו מגדיר ספי הצלחה.",
    "purpose": "movement-trial",
    "form_test_type": "קורא נייד | ניסוי בתנועה",
    "provenance": "נתוני הוראה מדומים למודול 3. אינו מפרט יצרן."
  },
  {
    "equipment": "antenna-array",
    "label": "מערך אנטנות",
    "source_id": "M3-CAT-03",
    "source_version": "demo-v1",
    "description": "מערך אנטנות לכיוון ולבדיקת יישור לפני ניסוי.",
    "capabilities": "בדיקת יישור של המערך. אין במקור תמיכה בזיהוי קוראים במעבר עגלות.",
    "purpose": "alignment-check",
    "form_test_type": "",
    "provenance": "נתוני הוראה מדומים למודול 3. אינו מפרט יצרן."
  }
]

If a table with this name exists, read it before making any change. Reuse it only if all 9 columns and all 3 records exactly match the supplied data. Otherwise create a separate table with a unique name and leave the existing table unchanged. Do not insert duplicate records.

Read the table back and compare every value with the supplied data. Show its name, ID, row count and column names. Save its name and ID in the project documentation and add a reference in CLAUDE.md. Do not change the extraction workflow yet. Return explanations and project documentation in Hebrew.

קרא את CLAUDE.md ופעל לפי הכללים שבו.

הוסף לתהליך הקליטה הקיים קריאת LLM רגילה נוספת להשלמת ציוד דרך OpenRouter, עם Basic LLM Chain ו-OpenRouter Chat Model. אל תמחק את שלב החילוץ, הוסף שלב אחריו.

קרא את טבלת הקטלוג שיצרנו ותיעדנו בפרק 3, באותו פרויקט n8n. הוסף Data Table בפעולת Get row(s), בחר את הטבלה שלי והפעל Return All ללא סינון. אסוף את כל שלוש הרשומות למערך catalog וחבר אותו למייל המקורי ולשדות החילוץ באותו פריט קלט, כדי שתתבצע קריאת התאמה אחת לכל בקשה. אל תפעיל קריאת מודל נפרדת לכל שורה. אל תכתוב את נתוני הקטלוג כטקסט קבוע בפרומפט ואל תשתמש במזהה הטבלה של המנחה.

הקטלוג כולל בדיוק את 9 השדות שהוגדרו בפרק 3. אם הטבלה ריקה או הקריאה נכשלת, עצור עם הודעה שאין מקור זמין. אל תסווג זאת כ-no_match ואל תמציא קטלוג.

השלב מקבל את המייל המקורי, את שדות החילוץ ואת הקטלוג. הוא בוחן את תיאור הציוד ומחזיר אחת משלוש התוצאות:
- resolved, עם equipment מהשורה המתאימה, source_id, וציטוטים מהבקשה ומהקטלוג שמראים למה הם תואמים.
- ambiguous, עם שאלת הבהרה, כאשר התיאור יכול להתאים ליותר מפריט אחד או שחסר פרט מכריע.
- no_match, עם שאלה, כאשר אין בקטלוג פריט שמתאים.

ההחלטה נעשית ביחס לשאלת הציוד בלבד. מידע חסר אחר בבקשה, כמו מיקום שלא נסגר, יכול להישאר פתוח ואינו פוסל התאמת ציוד נכונה.

נתב בעזרת If לפי התוצאה. בלי ראיה מספקת נתב לשאלה ולא להתאמה שרירותית.

אם ההחלטה אינה resolved, השאר equipment ו-source_id בערך null והחזר שאלה. בדוק שהמזהה קיים בקטלוג ושהציטוטים מופיעים במקורות המקוריים. הוסף פתקים. הצג תוכנית קצרה, בנה אחרי אישור, והצג פלט אמיתי משלושת מקרי הבדיקה.

Read CLAUDE.md and follow its rules.

Add a separate plain LLM equipment resolution call to the existing intake workflow via OpenRouter using Basic LLM Chain and OpenRouter Chat Model. Do not delete the extraction step, add a step after it.

Read the catalog table created and documented in chapter 3 in the same n8n project. Add a Data Table node using Get row(s), select my table and enable Return All with no filters. Collect all three rows in a catalog array and combine it with the original email and extracted fields in one input item, so there is one matching LLM call per request. Do not call the model once per row. Do not hardcode the catalog text in the prompt or use the instructor's table ID.

The catalog contains exactly the 9 fields specified in chapter 3. If the table is empty or cannot be read, stop with an unavailable-source message. Do not classify this as no_match and do not invent a catalog.

The step receives the original email, extracted fields, and catalog. It examines the equipment description and returns one of three outcomes:
- resolved, with equipment from the matching row, source_id, and quotes from the request and catalog showing why they match.
- ambiguous, with a clarifying question, when the description could fit more than one item or a decisive detail is missing.
- no_match, with a question, when no catalog item fits.

The decision is made with respect to the equipment question only. Other missing information in the request, such as an unsettled location, may stay open and does not invalidate a correct equipment match.

Route with If based on the outcome. Without sufficient evidence, route to a question and not to an arbitrary match.

If the decision is not resolved, leave equipment and source_id null and return a question. Check that the ID exists in the catalog and that the quotes occur in the original sources. Add notes. Show a short plan, build after approval, and show actual output for all three test cases.

קרא את CLAUDE.md ואת המקור והפלט של הבדיקה שאצרף. אם חסר אחד מהם, בקש אותו לפני הסקת מסקנות.

בדוק את הפער מול המקור. הצע תיקון ובדיקה חוזרת. אחרי שנאמת את התיקון, עדכן את CLAUDE.md ב-Markdown:
- ידע מאומת עם הפניה למקור.
- הטעות או הסיכון שהתגלו. תעד סיבה רק אם נבדקה. אחרת ציין שהסיבה טרם הוכחה ושהסיכון הודגם בבדיקה מכוונת, אם זו הבדיקה שנעשתה.
- כלל קצר שאפשר לבדוק כדי למנוע הישנות.
- מקרה הבדיקה והתוצאה שנצפתה. אם לא הורץ, ציין זאת.

בדוק אם כבר קיים כלל מתאים. עדכן אותו במקום ליצור כפילות. שמור כללים קיימים שאינם סותרים את התיקון. אל תהפוך השערה לעובדה ואל תתעד נתון מקרי מהבדיקה ככלל לכל בקשה.
הצג את השינוי בקובץ. אל תטען שהקובץ מאמן את המודל.

Read CLAUDE.md and the test source and output I append. If any is missing, request it before drawing conclusions.

Check the discrepancy against the source. Propose a fix and a repeat test. After we verify the fix, update CLAUDE.md in Markdown:
- Verified knowledge with a source reference.
- The observed error or risk. Record a cause only if verified. Otherwise state that the cause is not established, and that a seeded test demonstrated the risk if that was the test performed.
- A short, testable rule to prevent recurrence.
- The test case and observed result. State explicitly if it was not run.

Check whether a suitable rule already exists. Update it instead of duplicating it. Preserve existing rules that do not conflict with the fix. Do not turn a hypothesis into a fact or generalize incidental test data to every request.
Show the file changes. Do not claim that this file trains the model. Keep the project documentation and explanations in Hebrew.