{"guides":[{"id":"bf78bb58-99c4-4320-8b62-6b3827f9c03a","unique_id":"claude-code-agent-architecture-mar2026","title":"Claude Code - Agent Architecture","title_he":"Claude Code — ארכיטקטורת סוכנים 🤖","summary":null,"summary_he":"דפוסי AGENTS.md, אורקסטרציה של צוותי סוכנים, Claude Delegator, ריצה מרובת סוכנים ב-SDLC, ושימוש ארגוני.","long_content":null,"slug":"claude-code-agent-architecture","curation_note":"הטאב למתקדמים — מי שרוצה לעבור מסוכן בודד לצוותי סוכנים ואורקסטרציה מורכבת.","tool_name":"Claude Code","feature_name":null,"difficulty_level":"קשה","topics":["AGENTS.md","Orchestration","Multi-Agent","Delegator","Enterprise","Architecture"],"url":"https://developers.openai.com/blog/skills-shell-tips/","sources":[{"url":"https://developers.openai.com/blog/skills-shell-tips/","name":"OpenAI — Skills Shell Tips"}],"language":"עברית","created_at":"2026-03-08T21:24:59.798264+00:00","updated_at":"2026-03-08T21:24:59.798264+00:00","section":"agent_architecture","section_order":4,"section_title":null,"section_title_he":"ארכיטקטורת סוכנים","long_content_he":"## דפוסי AGENTS.md — מפה ולא מדריך ענק\n\nצוות פנימי ב-OpenAI בנה מוצר שלם עם **מיליון שורות קוד — אף שורה לא נכתבה ע\"י בן אדם**. המהנדסים עברו מ\"לכתוב קוד\" ל\"לעצב סביבות עבודה לסוכני AI\".\n\n<details><summary>3 לקחים מרכזיים</summary>\n\n### 1. מפה, לא מדריך ענק\nהם ניסו קובץ הוראות אחד עם כל כלל ומוסכמה. זה נכשל — ה-AI לא הצליח להבדיל בין מה חשוב למה לא. **יותר מדי הנחיות = אפס הנחיות.**\n\n**הפתרון:** קובץ `AGENTS.md` קצר (~100 שורות) שמשמש כתוכן עניינים — מפנה לתיעוד מעמיק לפי נושא. **Progressive Disclosure** — הסוכן מתחיל עם סקירה קצרה ויודע לאן לפנות כשצריך עומק.\n\n### 2. ניקוי אוטומטי (Garbage Collection for AI Code)\n20% מהשבוע הלך על תיקון דפוסים שה-AI שכפל בצורה לא טובה. הפתרון: קידדו \"עקרונות זהב\" ובנו סוכנים אוטומטיים שסורקים drift יומית.\n\n### 3. הקשר (Context) = תשתית\nהצוואר בקבוק הגדול ביותר לא היה יכולות ה-AI — אלא **מה ה-AI יכול לראות**. השיחה בסלאק, הסיעור מוחות בגוגל דוק — שום דבר מזה לא קיים עבור ה-AI.\n\n**הפתרון:** דחפו הכל לכתיבה מובנית, מסודרת, וניתנת לחיפוש.\n\n</details>\n\n<details><summary>הכלים שנבנו מהדפוסים</summary>\n\n- **Skills**: הוראות מגרסאות שסוכנים טוענים לפי דרישה — כמו SOP דיגיטלי\n- **Shell**: סביבת הרצה מנוהלת שבה סוכנים מתקינים dependencies, מריצים סקריפטים\n- **Compaction**: דחיסה אוטומטית של הקשר בריצות ארוכות\n\n| עיקרון | ישן | חדש |\n|---------|------|------|\n| הוראות | מסמך ענק אחד | מפה קצרה + מסמכים מפורטים |\n| בקרת איכות | תיקון ידני בסוף השבוע | סוכנים אוטומטיים יומיים |\n| ידע ארגוני | בראשים של אנשים | כתוב, מובנה, ונגיש ל-AI |\n| תפקיד המהנדס | כותב קוד | מעצב סביבת עבודה |\n\n</details>\n\n*מקורות: [OpenAI Blog](https://developers.openai.com/blog/skills-shell-tips/) | [LinkedIn](https://www.linkedin.com/posts/fdaudens_an-internal-team-at-openai-built-a-product-activity-7427746268824625152-50Hl)*\n\n---\n\n## Agent Teams ואורקסטרציה — תבנית Command → Agent → Skill\n\n<details><summary>קונספטים מרכזיים</summary>\n\n### 1. Commands — `.claude/commands/<name>.md`\nנקודות כניסה ל-workflows. מפעילים עם `/command-name`.\n\n### 2. Sub-Agents — `.claude/agents/<name>.md`\nאייג'נטים מותאמים עם שם, צבע, כלים והרשאות ספציפיים.\n\n### 3. Skills — `.claude/skills/<name>/SKILL.md`\nידע ו-workflows לשימוש חוזר, נטענים on-demand.\n\n### 4. Agent Teams\nמספר אייג'נטים עובדים **במקביל** על אותו codebase עם Git Worktrees.\n\n</details>\n\n<details><summary>תבנית האורקסטרציה</summary>\n\n```\nCommand (נקודת כניסה) → Agent (מביא נתונים, טוען skill) → Skill (ידע תחומי)\n```\n\nדוגמת זרימה:\n1. המשתמש מריץ `/weather-orchestrator` (Command)\n2. ה-Command שולח ל-Agent של מזג אוויר\n3. ה-Agent טוען Skill של מזג אוויר לידע תחומי\n4. ה-Agent משתמש ב-MCP server להבאת נתונים חיצוניים\n5. התוצאות זורמות חזרה דרך השרשרת\n\n</details>\n\n<details><summary>מערכות תומכות</summary>\n\n**Hooks** — סקריפטים דטרמיניסטיים שרצים מחוץ ללופ האייג'נטי (linting, formatting).\n\n**MCP Servers** — חיבור לכלים חיצוניים, בסיסי נתונים, APIs.\n\n**מערכת Memory** — `CLAUDE.md` (קונטקסט פרויקט), `.claude/rules/` (כללים ספציפיים), Auto Memory.\n\n**Ralph Wiggum Loop** — לופ פיתוח אוטונומי למשימות ארוכות.\n\n</details>\n\n*מקור: [shanraisshan/claude-code-best-practice](https://github.com/shanraisshan/claude-code-best-practice) | [Boris Cherny](https://x.com/bcherny)*\n\n---\n\n## Claude Delegator — שני מוחות AI עובדים ביחד 🧠🧠\n\n<details><summary>פלאגין MCP שמחבר Claude Code ל-Codex</summary>\n\nבמקום להסתמך על מודל אחד, שני המודלים מתקשרים ומגיעים לתובנות משותפות.\n\n### 5 מומחים מובנים\n\n| מומחה | מה עושה | מתי להשתמש |\n|-------|---------|------------|\n| **Architect** | עיצוב מערכת, tradeoffs, דיבאג | \"איך לבנות את המבנה?\" |\n| **Plan Reviewer** | ולידציה לפני ביצוע | \"תבדוק את התוכנית\" |\n| **Scope Analyst** | זיהוי חוסרים | \"מה חסר לי?\" |\n| **Code Reviewer** | באגים, שיפור איכות | \"תסקור את הקוד\" |\n| **Security Analyst** | פגיעויות, threat modeling | \"האם זה מאובטח?\" |\n\n### התקנה\n```bash\n/plugin marketplace add jarrodwatts/claude-delegator\n/plugin install claude-delegator\n/claude-delegator:setup\n```\n\n**מתי כן:** ארכיטקטורה, תקועים בדיבאג 2+ ניסיונות, סקירת אבטחה.\n**מתי לא:** פעולות פשוטות, שינויים קטנים.\n\n*מקור: [claude-delegator](https://github.com/jarrodwatts/claude-delegator) | המלצה: גל חבקין*\n\n</details>\n\n---\n\n## צוותי סוכנים — איך Cursor בנו דפדפן עם מאות סוכנים 🤖🤖🤖\n\n<details><summary>Case study מרתק של Lee Twito</summary>\n\nCursor הריצו **מאות סוכנים במקביל** על אותו קודבייס ובנו **דפדפן מאפס** — מיליון שורות קוד.\n\n### מה לא עבד ❌\nכשנתנו לכל הסוכנים **סטטוס שווה** — הפכו שמרנים, אף אחד לא לקח אחריות.\n\n### מה כן עבד ✅\n**היררכיה** — בדיוק כמו צוות פיתוח אמיתי:\n- 📋 **סוכני תכנון** — מפרקים בעיה למשימות\n- ⚙️ **סוכני עבודה** — טוחנים עד שסיימו\n- ⚖️ **שופט** — מחליט אם להמשיך או לעצור\n\n### תהליך Onboarding של סוכן\n1. **AGENTS.md** — מגדיר 9 קבוצות עבודה\n2. **philosophy.md** — \"תרבות ארגונית\" (\"אין עבודת יוהרה\", \"טריאז׳ אכזרי\")\n3. **triage.md** — P0-P5 סדר עדיפויות\n4. **instructions/*.md** — הוראות ספציפיות לקבוצה\n5. **progress/pages/*.json** — מדידת ביצועים\n\n> **המשימה נגמרה רק אם יש דלתא מדידה.** אם אין שינוי ב-JSON — לא סיימת.\n\n### 💡 התובנה המרכזית\n> \"הדרך שבה אתה מנחה את הסוכנים היא מה שקובע אם המערכת עובדת.\"\n\n📝 [בלוג Cursor](https://lnkd.in/dVtwdzhx) | 💻 [הריפו](https://lnkd.in/dq3aU5nC)\n\n*ניתוח: [Lee Twito](https://linkedin.com/in/lee-twito)*\n\n</details>\n\n---\n\n## איך אנתרופיק משתמשים ב-Claude Code מבפנים\n\n<details><summary>דוח פנימי של 23 עמודים — 10 צוותים</summary>\n\n### תשתיות נתונים\n- Kubernetes debugging מצילומי מסך\n- צוות הפיננסים (אפס קוד) כותב workflows בטקסט פשוט\n- Onboarding מואץ לעובדים חדשים\n\n### פיתוח מוצר\n- Auto-accept mode — Claude כותב, רץ tests, מתקן אוטונומית\n- 70% מ-Vim mode נכתב ע\"י Claude לבד\n\n### אבטחה\n- Debugging ירד מ-15 ל-5 דקות\n\n### Inference\n- 80% הפחתה בזמן מחקר ML\n- תרגום קוד בין שפות בלי לדעת את השפה\n\n### Data Science\n- אפליקציית React של 5,000 שורות בלי ניסיון JS\n\n### Growth Marketing (צוות של אדם אחד)\n- קופי למודעות: 2 שעות → 15 דקות\n- x10 תוצרי קריאייטיב\n\n### עיצוב מוצר\n- מעצבים עושים שינויי state management\n- Figma + Claude Code פתוחים 80% מהזמן\n\n### השורה התחתונה\nצוותים לא-טכניים מקבלים ROI דרמטי. מהנדסים x2-4, לא-טכניים מקבלים יכולות חדשות לגמרי.\n\n[PDF מלא](https://www-cdn.anthropic.com/58284b19e702b49db9302d5b6f135ad8871e7658.pdf)\n\n</details>\n\n---\n\n## מפת הדרכים לארכיטקט סוכנים (Claude Architect) 🏆\n\n<details><summary>4 הדומיינים שצריך לדעת כדי לבנות סוכני AI בסביבת ייצור (Production)</summary>\n\nAnthropic השיקו תעודת \"Claude Architect\", והסילבוס שלה חושף את כל הטעויות והפרקטיקות שצריך לדעת כדי לעבוד עם סוכנים אמיתיים. רועי זלטה (Roey Zalta) סיכם את 4 הדומיינים העיקריים:\n\n### 1. ארכיטקטורת סוכנים (Agentic Architecture - 27%)\n*   **הטעות הגדולה:** מפתחים מניחים שסוכני-משנה (Sub-agents) חולקים זיכרון (Memory/Context) עם הסוכן המרכזי שזימן אותם. **הם לא.**\n*   **הפתרון:** כל סוכן-משנה רץ בקונטקסט מבודד (Isolated context). כל מידע חייב להיות מועבר אליו במפורש (Explicitly) דרך הפרומפט.\n*   **בטיחות:** כשמדובר בסיכון פיננסי או אבטחתי, פרומפט לבד אינו מספיק. חובה להשתמש ב-Hooks ו\"שערים\" (Prerequisite gates) ברמת הקוד עצמו!\n\n### 2. עיצוב כלים ושרתי MCP (Tool Design - 18%)\n*   **הזנחת ה-Tool Descriptions:** מודל AI בוחר כלי אך ורק לפי שדה התיאור שלו. תיאורים עמומים יגרמו לסוכן לשגות בבחירת הכלי.\n*   **הפתרון:** אין צורך בשיטות מורכבות כמו Few-Shot Classifier. פשוט כתבו תיאורים טובים, ממוקדים ומדויקים יותר לכלים שלכם.\n*   **כלל ברזל לכלים:** אל תתנו לסוכן 18 כלים בבת אחת. הגבילו ל-4-5 כלים לכל סוכן-משנה מקסימום.\n\n### 3. קונפיגורציית Claude Code (20%)\nההבנה של היררכיית קבצי ה-`CLAUDE.md` היא מה שמבדיל בין משתמש בודד לצוות מפתחים מקצועי:\n*   **שלוש רמות:** ישנן רמות משתמש (User), פרויקט (Project) ותיקייה (Directory).\n*   **המלכודת:** מפתחים שומרים הנחיות חשובות ברמת המשתמש (User-level) שאינן עולות ל-Git. כתוצאה מכך, אף אחד אחר בצוות (ולא השרת המרוחק) לא רואה את ההוראות האלו.\n\n### 4. הנדסת פרומפטים ופלט מובנה (20%)\n*   **תהיו מפורשים (Explicit):** אל תגידו למודל פשוט \"תהיה שמרני\". הגדירו בדיוק אילו דברים עליו לדווח ומאילו להתעלם, ותנו דוגמאות קוד מדויקות.\n*   **JSON Schemas:** שימוש בסכמות פותר שגיאות תחביר (Syntax Errors) אך לא שגיאות תוכן (Semantic Errors).\n*   **Nullable Fields:** כשהמודל נדרש להחזיר JSON ולחלק מהשדות אין דאטה זמין, הגדירו את השדות כ-`nullable` (אופציונליים). אחרת, המודל פשוט \"יהזה\" נתונים מומצאים כדי למלא את השדה החסר.\n\n*(מבוסס על הסיכום של רועי זלטה)*\n</details>"}],"total":1,"limit":null,"offset":0,"next_cursor":null}