צוות אוטומציות AI

במאמר שפרסמה Salesforce מוצג ההבדל בין ארכיטקטורה כבולה לדפדפן (browser-bound) לבין ארכיטקטורת headless בעידן שבו ארגונים מסתמכים על עובדים אנושיים וסוכני בינה מלאכותית. בעוד שבמודל המסורתי המשתמש נדרש לנווט בין מסכים, להתחבר למערכות נפרדות ולעבור בין לשוניות כדי לבצע משימות, ארכיטקטורת headless מפרידה בין הלוגיקה העסקית ושכבת הנתונים לבין ממשק המשתמש. באמצעות ה-Headless Toolkit ומערכת AIforce, יכולות הפלטפורמה נחשפות ישירות דרך ממשקי API, פרוטוקול MCP וממשק CLI, מה שמאפשר לסוכנים אוטונומיים לגשת לנתונים, להריץ תהליכים ולבצע משימות ישירות בערוצים שבהם העובדים פועלים, כמו Slack, Microsoft Teams ו-WhatsApp.

מדריך טכני של מהנדסי AWS מציג את השימוש ב-Multi-Turn Reinforcement Learning (MTRL) על גבי Amazon SageMaker AI לאימון סוכני בינה מלאכותית על רצפי פעולות מרובי שלבים. באמצעות הדגמה על משחק Wordle, המאמר מפרט כיצד אימון מודל GPT-OSS-20B בעזרת סביבת Amazon Bedrock AgentCore ואלגוריתם GRPO העלה את שיעור הפתרון מ-61% ל-84% בהגדרות הגשה, בעלות של כ-339 דולר בטוקנים. המדריך כולל פירוט על ארכיטקטורת המערכת, הכנת מערך הנתונים ללא תוויות, נוסחת פונקציית התגמול המפרידה בין תוצאה לעיצוב התנהגות, והתמודדות עם תקלות תשתית ואימות במהלך האימון.

בפוסט של n8n מוסבר כי state הוא המידע שסוכן AI נושא בין משימות, החל מהיסטוריית שיחה ועד לזיכרון לטווח ארוך ולפרופילי משתמשים. ההבדל בין ארכיטקטורה בעלת מצב (stateful) לארכיטקטורה חסרת מצב (stateless) מתמקד בשאלה האם המערכת משמרת נתונים מאינטראקציות קודמות או מתחילה כל בקשה כדף חלק. יישומים בעלי מצב מעניקים המשכיות אך דורשים תשתית לאחסון ולניהול מצב, בעוד יישומים חסרי מצב מפשטים חלוקת עומסים ועמידות לתקלות. מודלי LLM אינם שומרים שיחות באופן אוטומטי, ולכן סוכני AI מתנהגים באופן בעל מצב באמצעות שמירה ושליפה של נתונים מחוץ למודל. ב-n8n מוצע לשמור על הרצה חסרת מצב כברירת מחדל, ולהוסיף צומתי זיכרון לסשנים ומאגרי מצב משותפים רק היכן שנדרשת המשכיות.

לפי הודעת Google Cloud, המודלים Claude Opus 5.5 ו-Claude Sonnet 5.5 זמינים כעת בסביבת הפיתוח Google Antigravity עבור לקוחות Google Cloud. המודל Claude Opus 5.5 נבנה עבור משימות מורכבות, בעוד Claude Sonnet 5.5 משמש כמודל משלים מהיר ובעלות נמוכה יותר. לאחר הפעלה על ידי מנהל מערכת, מפתחים יכולים לבחור במודלים אלו ישירות מתוך בורר המודלים, לצד מודלי Gemini כגון Gemini 3.8 Flash ו-Gemini 4 Argon. התמיכה חלה על Antigravity 2.0, ממשק Antigravity CLI וההרחבות לסביבות הפיתוח עבור VS Code, JetBrains IntelliJ ו-Visual Studio. זמינות המודלים ברתמת הסוכנים מאפשרת יישום תבניות עבודה רב-מודליות, כולל אימות צולב בין מודלים ושימוש בתתי-סוכנים מבוססי Flash.

ארגון Share My Meals, הפועל להצלת ארוחות מוכנות והעברתן לקהילות נזקקות בניו ג'רזי, ניו יורק סיטי ופנסילבניה, חילק 230,000 ארוחות בשנת 2025 לעומת 62,000 בשנת 2023. העלייה התאפשרה בעקבות פיתוח מערכת מרכזית בשם STAN על גבי Salesforce Field Service, שחיברה בזמן אמת בין תורמי מזון, מתנדבים ועמותות מקבלות. לפני השקת המערכת בינואר 2024, הסתמך הארגון על תשעה כלי תוכנה נפרדים שדרשו הזנה ידנית ויצרו צוואר בקבוק תפעולי. המעבר לפלטפורמה אחת צמצם את התלות במפתחים חיצוניים יקרים, אפשר לצוות הטכנולוגי ליישם הגדרות ופיתוחים בעצמו, וכעת מתכנן הארגון להציע את הטכנולוגיה כמודל עבודה עבור עמותות וארגונים נוספים בתחום הצלת המזון.

מדריך שפורסם בבלוג של GitHub מסביר כיצד להמשיך הפעלת עבודה של אפליקציית GitHub Copilot ישירות בתוך עורך הקוד Visual Studio Code. המעבר מאפשר להעביר את שינויי הקוד, עץ העבודה המבודד והיסטוריית השיחה המלאה אל העורך מבלי להתחיל מחדש או להעתיק קבצים. לפי המדריך, סוכן התוכנה יכול לבצע עבודה חזרתית או מורכבת, ולאחר מכן המפתח יכול לפתוח את ההפעלה ב-VS Code לצורך סקירת שינויים שורה אחר שורה, עריכה ידנית, הרצת בדיקות מקומיות במסוף המשולב, ודחיפת השינויים ישירות לבקשת המשיכה המשויכת למאגר.