מסוכן לצוות – תרגול מיינדסט ב״אוטומציה רכה״

תוכן עניינים

בתרגול המיינדסט הקודם עסקנו ב״מוח״ של הסוכן – הידע וההקשר (Context) שעליו הוא מסתמך. מיפינו את מקורות המידע הארגוניים והבנו איך להנגיש אותם באמצעות RAG.

 

כעת, אנו עוברים לשלב ה״אישיות״ וה״ניהול״. זה לא מספיק שהסוכן ״יודע״ הכל; עליו לדעת כיצד לפעול, מהו הסגנון המצופה ממנו, ומהם הגבולות שלו. בתרגול זה נתמקד בכתיבת הוראות מערכת (System Prompts) במבנה Markdown מובנה ומקצועי.

 

בנוסף, נלמד לזהות מתי ההוראות הופכות למורכבות מדי עבור סוכן בודד (מה שדורש מעבר לצוות סוכנים), ומתי ההוראות הן ליניאריות וחוזרות על עצמן (מה שדורש שילוב של אוטומציה מסורתית). המטרה היא ליצור איזון מושלם בין הבינה היוצרת לבין תהליכים עסקיים מוגדרים.

 
בהצלחה!

פרק 1: מבנה הזהב לפרומפט מערכת (The Markdown Standard)

כתיבת פרומפט היא כמו כתיבת קוד בשפה טבעית. כדי שהמודל יבין אותנו במדויק וישמור על עקביות, אנו משתמשים במבנה Markdown ברור שמחלק את ההוראות ללוגיקה מסודרת.

 


 

  1. תרגיל 1 – בניית השלד:
     

    • בחרו סוכן אחד מתוך התהליכים שמיפיתם בעבר (למשל: "סוכן מיון לידים", "סוכן כתיבת פוסטים ללינקדאין", "סוכן תמיכה טכנית").
    • פתחו מסמך טקסט או את ה-Notepad במחשב.
    • העתיקו את המבנה הבא ומלאו אותו עבור הסוכן שבחרתם (באנגלית):
    • # ROLE
      You are [Role Name], an expert in [Field]. Your tone is [Tone Description].
       
      # GOAL
      Your primary objective is to [Main Goal].
       
      # CONTEXT
      You are operating within [Company Context]. You have access to [Specific Knowledge/Tools].
       
      # INSTRUCTIONS
      1. Step one…
      2. Step two…
      3. Constraint…
       
      # EXAMPLES
      User: [Input Example] Assistant: [Desired Output]  
      # VARIABLES
      – {{customer_name}}
      – {{date}}
       
      # NOTES
      – Never invent information.
      – Always output in JSON format.

    2.  

  2. תרגיל 2 – חידוד ההוראות:
     

    • ודאו שסעיף ה-Instructions כתוב כאלגוריתם. אל תכתבו "תענה יפה", אלא "אם הלקוח כועס, התנצל ופתח את התשובה במשפט האמפתיה הבא…".
    • ודאו שסעיף ה-Examples מכיל מקרי קצה (Edge Cases). למשל, מה קורה כשהמידע חסר?

פרק 2: אבחון ופיצול אחריות (Single Agent vs. Team)

אחת הטעויות הנפוצות היא להעמיס על סוכן אחד יותר מדי תחומי אחריות. זה גורם לבלבול, "הזיות" (Hallucinations) וירידה בביצועים. בפרק זה ננתח את הפרומפט שיצרתם.

 

  1. תרגיל 3 – זיהוי פיזור אחריות:
     

    • קראו את סעיף ה-Instructions בפרומפט שלכם.
    • האם הסוכן נדרש להכיר ולהפעיל יותר מדי כלים?
    • האם הסוכן נדרש לבצע מעברים קוגניטיביים חדים?
       

      • למשל: גם לכתוב קוד פייתון וגם לנסח אימייל שיווקי רגיש?
      • גם לבצע חישובים פיננסיים וגם לייצר רעיונות יצירתיים ללוגו?
    • אם זיהיתם יותר מ-2 "כובעים" שונים שהסוכן חובש, עליכם לפצל אותו לצוות.

    2.  

  2. תרגיל 4 – תכנון הפיצול (Orchestration):
     

    • אם החלטתם לפצל, ציירו (על דף או בראש) את המבנה החדש:
    • סוכן מנתב (Router): שתפקידו רק להבין מה המשתמש רוצה.
    • סוכנים מומחים (Workers): סוכן א' (למשל, המתכנת) וסוכן ב' (למשל, המשווק).
    • חשבו: איזה מידע צריך לעבור מהמנתב למומחים? עדכנו את סעיף ה-Context של כל סוכן חדש בהתאם.

פרק 3: ליניאריות ואוטומציה רכה (Hybrid Automation)

לא כל דבר דורש מוח של AI. אם ההוראות שלכם כוללות רצף פעולות קבוע, מדויק וחוזר על עצמו ("אם X קרה, שלח מייל ל-Y"), ייתכן שאתם מבזבזים משאבי AI על משימות שמתאימות לאוטומציה קלאסית.

 

  1. תרגיל 5 – זיהוי דפוסים ליניאריים:
     

    • חזרו לפרומפט המקורי. חפשו הוראות ״ליניאריות״ ותהליכיות מובהקת וצפויה (Deterministic).
    • דוגמאות להוראות שצריכות לצאת מהפרומפט ולהפוך ל-Nodes ב-n8n:
       

      • "תמיד שלח את התשובה לכתובת support@company.com" -> זה צריך להיות Gmail Node.
      • "חשב את המע"מ (17%) והוסף למחיר" -> זה צריך להיות Code Node או ביטוי מתמטי. מודלי שפה גרועים במתמטיקה.
      • "פרמט את התשובה כקובץ CSV ושמור בדרייב" -> המודל ייצר את המידע, ה-workflow ישמור את הקובץ.

    2.  

  2. תרגיל 6 – יישום אוטומציה רכה:
     

    • הגדירו מחדש את תפקיד הסוכן: במקום לבצע את הפעולה, עליו להחליט על הפעולה או להכין את המידע עבורה.
    • שנו את הפרומפט כך שהפלט יהיה JSON מובנה (Structured Output) שמכיל את הפרמטרים לאוטומציה.
    • לדוגמא, במקום לבקש ממנו לשלוח מייל, בקשו:
      Instead of sending the email yourself, output a JSON object:
      {
      "action": "send_email",
      "recipient": "{{extracted_email}}",
      "subject": "The summarized subject line",
      "body": "The generated email content…"
      }

תרגול פתוח

כעת, קחו תהליך עסקי אמיתי שאתם רוצים לייעל.

 

  1. כתבו את הפרומפט המלא בפורמט Markdown.
  2. סמנו במרקר (או בהדגשה) חלקים שבהם הסוכן צריך להיות "יצירתי" וחלקים שבהם הוא צריך להיות "רובוט".
  3. הוציאו את החלקים ה"רובוטיים" מהפרומפט ותכננו אותם כשלבים ב-Workflow.
  4. אם נשארתם עם פרומפט ארוך ומסובך (מעל 1000 מילים או ריבוי נושאים) – פצלו אותו ל-2 סוכנים לפחות.

סיכום

בניית סוכן איכותי היא אומנות של איזון. מצד אחד, אנו משתמשים במבנה ה-Markdown כדי לתת ל-LLM את הקונטקסט וההוראות הברורות ביותר. מצד שני, אנו לומדים "לשחרר" חלקים מהתהליך לטובת אוטומציה ליניארית אמינה או לטובת סוכנים עמיתים בצוות. השילוב הזה – בין ה"מוח" של הסוכן (Prompt) לבין ה"ידיים" של האוטומציה (Workflow) – הוא המפתח ליצירת מערכות AI Agentic יציבות וסקיילביליות.