מילון בינה מלאכותית
בעברית

מערכת AI שפועלת באופן עצמאי לביצוע משימות — מקבלת יעד, מתכננת שלבים, מבצעת פעולות ובודקת תוצאות ללא פיקוח רציף. Agent יכול לגלוש, לכתוב קוד, לשלוח מיילים ולקרוא מסמכים.

חברת AI אמריקאית שפיתחה את Claude — מודל השפה החזק שעומד בבסיס Claude Code ו-Claude.ai. הוקמה ב-2021 על ידי לשעבר אנשי OpenAI, בדגש על AI בטוח ואחראי (AI Safety).

ממשק תכנות שמאפשר לתוכניות שונות לתקשר. ה-Anthropic API מאפשר לשלוח בקשות ל-Claude ולקבל תשובות, כך שאפשר לשלב AI בכל תוכנה.

מודל שפה גדול (LLM) שפותח על ידי Anthropic. קיים בגרסאות שונות: Haiku 4.5 (מהיר וזול), Sonnet 4.6 (מאוזן) ו-Opus 4.7 (החכם ביותר). Claude ידוע ביכולות עברית מצוינות ובהבנה עמוקה של קוד.

כלי CLI (ממשק שורת פקודה) שפיתחה Anthropic, המאפשר לפתח תוכנה בעזרת Claude ישירות מהטרמינל. Claude Code יכול לקרוא, לכתוב ולהריץ קוד, לנהל Git ולבצע משימות מורכבות.

קובץ Markdown מיוחד שמוסיפים לשורש פרויקט. Claude Code קורא אותו אוטומטית בתחילת כל שיחה — שם הפרויקט, טכנולוגיות, כללי קוד, מה אסור לעשות. זיכרון פרסיסטנטי לפרויקט.

הכמות המקסימלית של טקסט שמודל AI יכול "לזכור" בשיחה אחת, נמדדת בטוקנים. Claude Opus 4.7 עם זיכרון 1 מיליון טוקנים — יכול "לזכור" ספר שלם בשיחה.

תהליך אימון נוסף של מודל AI על מידע ספציפי, כדי שיתמחה בתחום מסוים. לדוגמה, אימון Claude על מסמכי חוק ישראלי כדי שיענה כמו עורך דין.

אופטימיזציה של תוכן כדי שמנועי AI (ChatGPT, Perplexity, Google AI Overviews) יציינו אותו כמקור. כמו SEO לגוגל — אבל למנועי AI. כולל: תוכן מובנה, FAQPage schema, llms.txt ועוד.

ארכיטקטורת מודל AI שפיתחה OpenAI, עומדת בבסיס ChatGPT. GPT-4o הוא המודל העדכני של OpenAI. לעומתו, Claude (של Anthropic) ו-Gemini (של Google) הם אלטרנטיבות מרכזיות.

כשמודל AI "ממציא" מידע שגוי ומציג אותו בביטחון. בעיה נפוצה ב-LLMs — הם עלולים ליצור עובדות, ציטוטים, קישורים ושמות מדויקים שלא קיימים. לכן תמיד לאמת מידע חשוב.

מודל AI שאומן על מאות מיליארדי מילים של טקסט ויכול להבין ולייצר שפה אנושית. Claude, GPT-4o, Gemini ו-Llama הם LLMs. ה"גדול" מתייחס למספר הפרמטרים (מיליארדי מספרים שנקבעו באימון).

פרוטוקול פתוח שפיתחה Anthropic (2024) המאפשר ל-AI להתחבר לכלים חיצוניים — מסדי נתונים, ממשקי API, דפדפנים, קבצים, לוחות שנה ועוד. MCP הוא כמו USB-C עבור AI — סטנדרט אחד לחיבורים רבים.

מודל AI שיכול לעבד סוגי מידע שונים — טקסט, תמונות, קובצי PDF, קוד ועוד. Claude Opus 4.7 הוא multimodal — יכול לנתח תמונות, דיאגרמות ומסמכים.

ההוראה, השאלה או ההקשר שנותנים ל-AI. הכלי הבסיסי לתקשורת עם מודלי שפה. איכות ה-Prompt משפיעה ישירות על איכות התשובה — Prompt טוב = תשובה טובה.

האמנות לנסח הוראות יעילות לאיAI. כולל טכניקות כמו: Chain of Thought, Few-Shot Examples, Role Prompting, System Prompts ועוד. זהו מיומנות מפתח בעולם ה-AI.

טכניקה שמאפשרת ל-AI לחפש מידע ממאגר חיצוני (מסמכים, אתר, מסד נתונים) לפני שהוא עונה. פותרת את בעיית ה-Hallucination ומאפשרת לAI לענות עם מידע עדכני.

הנחיות שניתנות ל-AI לפני תחילת השיחה עם המשתמש — מגדירות אישיות, הגבלות, שפה ותפקיד. ב-Claude Code, CLAUDE.md משמש כ-System Prompt מסוג מסוים.

יחידת הטקסט הבסיסית שמודל AI מעבד. בערך 1 טוקן = 0.75 מילים באנגלית (עברית דורשת יותר טוקנים לאותו תוכן). מחיר השימוש ב-API נמדד לפי קלט (Input tokens) ופלט (Output tokens).

מסד נתונים שמאחסן טקסט כ-"וקטורים" (מערכי מספרים) המייצגים את המשמעות. מאפשר חיפוש סמנטי — חיפוש לפי משמעות, לא לפי מילות מפתח. בסיס של מערכות RAG. דוגמאות: Pinecone, pgvector, Weaviate.

Zero-Shot = לבקש מ-AI משימה בלי לתת דוגמאות. Few-Shot = לתת 2-3 דוגמאות של input/output לפני הבקשה. Few-Shot מייצר תשובות עקביות יותר ומדויקות יותר.