נבדק לאחרונה: מאי 2026
מדריך מקוצר ובר-סריקה לדפוסי ארכיטקטורה שמבחן CCA-F בודק. קראו מלמעלה למטה, או דלגו לסעיף.
בחירה בין סוכן יחיד לבין נחיל של מספר סוכנים עבור תהליך עבודה מורכב.
התחל עם סוכן יחיד + כלים. פצל למספר סוכנים רק כאשר גבולות המשימה ברורים, חלונות ההקשר עולים על גדותיהם, או כאשר נדרשות רמות מודל שונות עבור כל תת-משימה.
למה: ריבוי סוכנים מוסיף חביון, שטח שגיאה ועלויות תזמור. רוב עומסי העבודה בסביבת ייצור מצליחים עם סוכן אחד מצויד היטב.
הסוכן חייב להסיק מסקנות מתצפיות לפני שפועל שוב.
הטמע לולאת ReAct (Reason + Act): המודל מייצר מחשבה, בוחר כלי, מקבל את התוצאה, וחוזר על הפעולה עד שמתקיים תנאי עצירה.
למה: ReAct הופך את ההיגיון הביניים לגלוי, משפר את יכולת הניפוי ומאפשר לך לבדוק את רצף המחשבה.
הסוכן צריך ליצור אינטראקציה עם מערכות חיצוניות (APIs, מסדי נתונים, מערכות קבצים).
הגדר כלים באמצעות ה-tool_use API. המודל פולט בלוק tool_use; הקוד שלך מבצע אותו ומחזיר tool_result. המודל ממשיך לאחר מכן.
מנהל התזמור חייב לשגר תת-משימות הטרוגניות (בדיקת קוד, חיפוש באינטרנט, ניתוח נתונים).
השתמש בסוכן מפקח שמפרק את המטרה, מפצל לסוכני משנה מומחים, ומאגד תוצאות. לכל סוכן משנה יש את ה-system prompt וסט הכלים שלו.
מספר סוכני משנה חייבים לתאם ללא תקשורת ישירה עמית-לעמית.
נתב את כל ההודעות בין הסוכנים דרך מפקח. המפקח מחליט איזה סוכן משנה יפעל הבא, מעביר הקשר, ואוכף אילוצי סדר.
למה: הודעות ישירות בין עמיתים יוצרות מחזורים ומקשות על מעקב אחר מצב. מפקח מרכזי שומר על ה-DAG (Directed Acyclic Graph) של הביצוע מפורש.
הסוכן חייב לזכור הקשר לאורך שיחה מרובת תורות.
העבר את כל היסטוריית השיחה (system + תורות קודמות של משתמש/עוזר) במערך ההודעות. עבור שיחות ארוכות, סכם תורות ישנות יותר כדי להישאר בתוך חלון ההקשר.
הסוכן זקוק לשמירה מתמשכת בין סשנים או בין משתמשים.
אחסן עובדות בשכבת זיכרון חיצונית (Vector DB, Key-value store, קובץ). אחזר זיכרונות רלוונטיים באמצעות RAG והזרק אותם ל-system prompt בכל תור.
הצוות מפעיל כברירת מחדל ארכיטקטורת סוכנים עבור כל פיצ'ר של LLM.
אל תשתמש בסוכנים כאשר prompt יחיד + פלט מובנה מספיקים. סוכנים מוסיפים חביון, עלות ומצבי כשל. שמור לולאות מבוססות סוכנים למשימות הדורשות איטרציה או שימוש בכלים.
משימת חשיבה מורכבת דורשת יותר התלבטות פנימית לפני התשובה.
אפשר חשיבה מורחבת עם פרמטר budget_tokens. המודל משתמש בבלוק חשיבה לפני המענה, מה שמשפר את הדיוק בבעיות מרובות שלבים.
למה: חשיבה מורחבת סוחרת חביון באיכות. הגדר budget_tokens בפרופורציה למורכבות המשימה; הגבל אותו כדי לשלוט בעלויות.
קריאת כלי מחזירה שגיאה; הסוכן חייב להתאושש בצורה הולמת.
החזר את השגיאה כ-tool_result עם is_error: true. המודל רואה את הכשל ויכול לנסות שוב עם פרמטרים מתוקנים, לנסות כלי חלופי, או להסביר את הכשל למשתמש.
כשלים זמניים ב-API (429, 529) במהלך לולאת סוכן.
הטמע exponential backoff עם jitter. עבור 429 (מגבלת קצב), כבד את כותרת ה-retry-after. עבור 529 (עמוס מדי), המתן זמן רב יותר. לעולם אל תנסה שוב שגיאות מסוג 400 באופן עיוור.
מדידת האם מערכת סוכנים משתפרת בפועל לאורך זמן.
בנה חבילת הערכה: הגדר צמדי קלט-פלט, הרץ את הסוכן, קבל ניקוד עבור הפלטים (התאמה מדויקת, LLM-כשופט, בדיקה אנושית). עקוב אחר אחוז המעבר לכל גרסה.
למה: ללא הערכות, שינויים בפרומפטים הם ניחוש. זיהוי רגרסיה דורש ניקוד אוטומטי וניתן לשחזור.
הסוכן מייצר פלט באיכות נמוכה בניסיון הראשון.
הוסף שלב רפלקציה: לאחר יצירת תשובה, בקש מהמודל לבקר את הפלט שלו ולתקן. השתמש בתור הודעה נפרד או בחשיבה מורחבת.
תהליך עבודה של סוכן מבצע פעולות בלתי הפיכות (מחיקת משאבים, שליחת מיילים).
הכנס נקודת בדיקה לפני פעולות הרסניות. הצג את הפעולה המתוכננת למשתמש, המתן לאישור, ולאחר מכן בצע. רשום את ההחלטה לביקורת.
מספר קבצי CLAUDE.md ב-monorepo; לא ברור איזה מהם קודם.
שלוש רמות: ~/.claude/CLAUDE.md (משתמש), CLAUDE.md בשורש הפרויקט (פרויקט), CLAUDE.md בתיקיית העבודה (workspace). כולם מתמזגים; ה-workspace דורס את הגדרות הפרויקט שדורסות את הגדרות המשתמש.
הצוות רוצה פרומפטים לשימוש חוזר שמופעלים כ- /my-command.
צור קובץ .claude/commands/<name>.md המכיל את תבנית הפרומפט. הפעל באמצעות /<name>. השתמש ב-$ARGUMENTS עבור קלט משתמש. פקודות בטווח הפרויקט נמצאות במאגר.
הרץ linter אוטומטית לאחר ש-Claude עורך קובץ.
הגדר וו (hook) מסוג PostToolUse בקובץ settings.json שמתאים לכלי Write/Edit. סקריפט הוו רץ לאחר שהכלי מסיים; יציאה עם קוד שאינו אפס חוסמת את השינוי.
Claude Code מבקש אישור על כל פקודת shell; מאט את האיטרציה.
השתמש בתבניות רשימת היתרים (allowlist) ב-settings.json תחת permissions.allow. שלושה מצבים: ברירת מחדל (בקשה לכל אחד), allowlist (אישור אוטומטי של תבניות תואמות), ו-yolo (אישור אוטומטי של הכל — לא מומלץ לייצור).
מפתח רוצה עקיפות אישיות שאינן מחוייבות למאגר.
settings.json מחוייב (ברירות מחדל של הצוות). settings.local.json נמצא ב-gitignore (עקיפות אישיות). המקומי מתמזג מעל הגדרות הפרויקט.
הרצת Claude Code בצינור CI ללא מסוף אינטראקטיבי.
השתמש ב-`claude -p "prompt" --output-format json` במצב headless. הזן קלט דרך stdin, נתח פלט מובנה. הגדר את ANTHROPIC_API_KEY כסוד CI.
Claude Code זקוק לגישה לשרת MCP מותאם אישית (מסד נתונים, API פנימי).
הוסף את השרת ל-mcpServers בקובץ settings.json עם command ו-args. Claude Code מפעיל את שרת ה-MCP כתהליך בן ומגלה כלים בהפעלה.
Claude Code עובד על ענף פיצ'ר בזמן שאתה מפתח על main.
השתמש ב-git worktrees. Claude Code פועל בספריית ה-worktree; ה-checkout הראשי שלך נשאר ללא נגיעה. מונע התנגשויות אינדקס ודילוגי stash.
Claude Code מייצר שינויים אך אתה רוצה קומיטים אטומיים נקיים.
Claude Code עוקב אחר שינויי קבצים ויכול ליצור קומיטים עם הודעות. סקור את ה-diff לפני הקומיט. העדף את ה-staging של קבצים ספציפיים על פני git add -A כדי למנוע דליפת סודות.
שימוש ב-Claude Code מתוך VS Code או JetBrains.
התקן את הרחבת Claude Code. היא משלבת את ה-CLI כפאנל בתוך ה-IDE, משתפת את אותם CLAUDE.md, hooks והגדרות. סשנים מבוססי טרמינל וסשנים מבוססי IDE ניתנים להחלפה.
פרומפט ארוך עם מספר חלקים; המודל מבלבל הוראות עם נתונים.
עטוף חלקים בתגי XML: <instructions>, <context>, <examples>. Claude אומן לכבד גבולות XML כמפרידים מבניים.
הגדרת התנהגות מתמשכת בכל התורות (טון, אילוצים, פרסונה).
הצב הוראות קבועות ב-system prompt. שמור עליו תמציתי: תפקיד, אילוצים, פורמט פלט. הודעות משתמש נושאות הקשר לכל תור; המערכת נושאת כללים רוחביים לסשן.
כפה על המודל להתחיל את תגובתו עם קידומת ספציפית (לדוגמה, סוגר פתיחה של JSON).
הוסף הודעת עוזר חלקית בסוף מערך ההודעות. Claude ממשיך מהיכן שהפסקת. שימושי לאכיפת פורמט פלט.
פורמט פלט המודל אינו עקבי למרות הוראות מפורטות.
הוסף 2-3 דוגמאות בשיטת "few-shot" כצמדי תורות משתמש/עוזר לפני השאילתה האמיתית. דוגמאות מקבעות פורמט, טון וסגנון חשיבה בצורה אמינה יותר מהוראות פרוזאיות.
המודל מדלג על שלבי חשיבה בבעיות לוגיקה מרובות שלבים.
בקש באמצעות "חשוב צעד אחר צעד" או השתמש בחשיבה מורחבת. לייצור, השתמש בחשיבה מורחבת (budget_tokens) במקום לבקש שרשרת מחשבה גלויה כדי לשמור על פלט נקי.
בחירה בין פלטים דטרמיניסטיים ליצירתיים.
temperature=0 עבור משימות דטרמיניסטיות (סיווג, חילוץ). temperature=0.5-0.7 עבור כתיבה יצירתית. temperature=1.0 עבור מגוון מקסימלי. הערה: חשיבה מורחבת דורשת temperature=1.
דרוש פלט JSON תקף מובטח מהמודל.
הגדר כלי עם סכימת ה-JSON הרצויה כ-input_schema. הגדר tool_choice לכפות את השימוש בכלי זה. המודל מחזיר JSON מובנה בבלוק ה-tool_use, מאומת מול הסכימה.
אפליקציה מול משתמש זקוקה לזמן נמוך עד לטוקן הראשון.
השתמש ב-stream=true ב-Messages API. עבד אירועים שנשלחו מהשרת באופן מצטבר: content_block_start, content_block_delta, message_stop. הצג טוקנים ככל שהם מגיעים.
עיבוד אלפי פרומפטים כאשר חביון אינו קריטי.
השתמש ב-Message Batches API. שלח עד 100 אלף בקשות לכל אצווה. התוצאות מגיעות תוך 24 שעות בהפחתת עלויות של 50%. בדוק (Poll) או השתמש ב-webhook להשלמה.
חילוץ נתונים ממסמכים סרוקים או תמונות.
העבר תמונות כבלוקי תוכן base64 (type: image) או עמודי PDF (type: document) בהודעת המשתמש. Claude מעבד עד 20 מגה-בייט לבקשה. העדף קובצי PDF מקוריים על פני צילומי מסך עבור מסמכים עתירי טקסט.
בחירה בין Opus, Sonnet ו-Haiku עבור עומס עבודה.
Opus: היכולת הגבוהה ביותר, חשיבה מורכבת, משימות סוכנים. Sonnet: ביצועים/עלות מאוזנים, שימוש כללי בייצור. Haiku: המהיר והזול ביותר, סיווג, ניתוב, חילוץ פשוט.
קריאות חוזרות חולקות את אותו prompt מערכת ארוך; רוצים להפחית עלויות.
סמן תוכן הניתן לשמירה במטמון עם cache_control: { type: "ephemeral" }. קידומות נשמרות לשימוש חוזר בין קריאות למשך עד 5 דקות (הארכה אוטומטית בעת שימוש). עלות כתיבה גבוהה ב-25%; עלות קריאה נמוכה ב-90%.
הגדרת כלי עבור Claude Messages API.
לכל כלי יש שם, תיאור ו-input_schema (JSON Schema). התיאור אומר ל-Claude מתי להשתמש בו; הסכימה מאמתת פרמטרים. שמור על תיאורים ממוקדי פעולה ותמציתיים.
הכלי בוצע בהצלחה; צריך להחזיר את התוצאה ל-Claude.
שלח הודעת משתמש עם role: "user" ובלוק תוכן tool_result. כלול את ה-tool_use_id לתיאום. החזר נתונים כטקסט או תוכן מובנה; שמור על גודל המטען (payloads) מתחת ל-100 אלף טוקנים.
הסוכן צריך לאחזר נתונים משלושה מקורות בלתי תלויים בו-זמנית.
Claude יכול לפלוט מספר בלוקי tool_use בתגובה אחת. בצע אותם במקביל, ולאחר מכן החזר את כל בלוקי tool_result בהודעת משתמש אחת. מפחית קריאות הלוך ושוב.
הבנת מודל הרכיבים של Model Context Protocol.
שלושה תפקידים: Host (אפליקציה כמו Claude Code), Client (מטפל בפרוטוקול לכל שרת), Server (חושף כלים/משאבים/פרומפטים). לקוחות מקיימים חיבורי 1:1 עם שרתים.
בחירה כיצד לקוח MCP מתחבר לשרת.
stdio: תהליך מקומי, ההגדרה הפשוטה ביותר. SSE: מבוסס HTTP, מדור קודם. Streamable HTTP: סטנדרט נוכחי לשרתים מרוחקים, תומך ביכולת חידוש ובהודעות ביוזמת השרת.
החלטה איזה פרימיטיב MCP לחשוף.
Resources: נתונים לקריאה בלבד (קבצים, שורות DB) שהלקוח מושך. Tools: פעולות שהמודל מפעיל (כתיבה, חישוב, שאילתה). Prompts: תבניות פרומפטים לשימוש חוזר שהמשתמש בוחר. Tools נשלטים על ידי המודל; resources נשלטים על ידי היישום.
יצירת שרת MCP מותאם אישית לחשיפת ממשקי API פנימיים.
השתמש ב-MCP SDK (TypeScript או Python). הטמע מנהלי כלים עם סכימות קלט. רשום באמצעות server.tool(). תעבורה: stdio למקומי, streamable HTTP למרוחק.
הסוכן חייב ליצור אינטראקציה עם יישום GUI (לחיצה, הקלדה, צילומי מסך).
אפשר שימוש בכלי "שימוש במחשב": computer_20250124 (צילום מסך + עכבר + מקלדת), text_editor_20250124, bash_20250124. המודל מקבל צילומי מסך ופולט פעולות מבוססות קואורדינטות.
המודל חייב תמיד לקרוא לכלי ספציפי במקום להגיב עם טקסט.
הגדר tool_choice ל- { type: "tool", name: "my_tool" }. המודל נאלץ לקרוא לכלי זה. השתמש ב-type: "any" כדי לדרוש קריאת כלי כלשהי, או ב-type: "auto" (ברירת מחדל) כדי לתת למודל להחליט.
היישום מגיע למגבלת הקשר באמצע שיחה.
מודלי Claude תומכים ב-200 אלף טוקנים. עקוב אחר השימוש באמצעות response.usage. כשמתקרבים למגבלה, סכם תורות ישנות יותר או קצר אותן. לעולם אל תשמיט הודעות בשקט.
עיבוד מסמך בן 150 עמודים שממלא את רוב חלון ההקשר.
הצב את המסמך מוקדם בפרומפט (לאחר system). שים שאלות אחרונות. השתמש ב-prompt caching כדי להימנע משליחה חוזרת במעקבים. עבור משימות מרובות מסמכים, השתמש ב-RAG לבחירת חלקי תוכן רלוונטיים.
בסיס הידע גדול מדי מכדי להיכנס להקשר; המודל זקוק לגישה בזמן השאילתה.
הטמע וקטורים אינדקס למסמכים ב-vector store. בזמן השאילתה, אחזר את k-החלקים המובילים, הזרק אותם להודעת המשתמש. צטט מסמכי מקור בפלט לצורך מעקב.
המודל מצהיר בביטחון על עובדות שגויות.
בסס תגובות על ההקשר שסופק (RAG). הנחה את המודל לומר "אני לא יודע" כאשר העדות אינה מספקת. השתמש בציטוטים. אמת טענות עובדתיות מול מסמכי מקור באופן תכנותי.
היישום מקבל תגובות 429 (הגבלת קצב) או 529 (עמוס מדי).
429: הגעת למגבלת הקצב של השכבה שלך. המתן ונסה שוב; כבד את כותרת retry-after. 529: Anthropic API עמוס מדי. המתן זמן רב יותר. שניהם ארעיים. לעולם אל תנסה שוב 400 או 401.
הוצאות ה-API החודשיות גבוהות מהצפוי.
השתמש ב-prompt caching עבור קידומות חוזרות (הנחה של 90% בקריאה). נתב משימות פשוטות ל-Haiku. השתמש ב-Batch API עבור עומסי עבודה אסינכרוניים (הנחה של 50%). עקוב אחר שימוש בטוקנים לכל נקודת קצה. קצר הקשר מיותר.
צורך בנראות לגבי צריכת טוקנים לכל בקשה.
כל תגובת Messages API כוללת usage.input_tokens, usage.output_tokens, ו-(אם נשמר במטמון) usage.cache_read_input_tokens. רשום אותם לכל קריאה, צבר לפי נקודת קצה, הגדר התראות תקציב.