מדריך

מדריך סיילספורס לפיתוח סוכני AI, אפליקציות וארכיטקטורת Headless

סיילספורס מציגה תהליך בן שישה שלבים לפיתוח סוכנים ויישומים תוך שילוב משילות ואבטחה בכל שלב

4 דקות קריאה
EN
מדריך סיילספורס לפיתוח סוכני AI, אפליקציות וארכיטקטורת Headless
מבוסס על כתבה שלSalesforce Blog ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

5 דברים שחשוב לדעת

  1. סיילספורס מציגה תהליך בן שישה שלבים לפיתוח סוכנים ואפליקציות: תכנון, בנייה, בדיקה, פריסה, ניטור והרחבה.

  2. שלב הבנייה משלב כלי Vibe coding, כלי Low-code ו-No-code כמו Builder Central, לצד הקצאה מחדש של קידוד מסורתי להתאמות אישיות.

  3. סביבות Sandbox ובדיקות עם מיסוך נתונים מיועדות לאתר בעיות מוקדם ולהגן על פרטיות המידע הרגיש.

  4. שכבת Headless Experience Layer מפרידה את הלוגיקה וההרשאות מהמסך כדי להגדיר כוונה פעם אחת ולפרוס אותה בכל נקודת מגע.

  5. האקוסיסטם מאפשר שילוב Model Context Protocols (MCPs) על גבי Slack, Tableau, Informatica ו-MuleSoft לצד Data 360.

לפי מדריך שפרסמה סיילספורס (Salesforce) בנושא פיתוח סוכנים, אפליקציות ופיתוח Headless, ההבטחה של תחום הבינה המלאכותית היא אמיתית, אך מימושה דורש יותר מאשר רק שמירה על הקצב. בעוד שמנהלים עסקיים דוחפים לחדשנות מהירה בכל הנוגע לסוכנים ולאפליקציות, על צוותי ה-IT מוטלת המשימה להפוך זאת למציאות – להרחיב ולהביא לסקייל (scale) את היוזמות הללו מבלי להתפשר על אבטחה, תאימות (compliance) או איכות.

המדריך מציין כי הלחץ קיים, אך מחזורי הפיתוח עדיין מתמודדים עם בעיות מורשת (legacy issues): חוב טכנולוגי, סביבות בדיקה שאינן מציאותיות וממשל (governance) מפוצל. מכשולים חוזרים ונשנים אלו מעכבים צוותים מלהגיע למהירות ולאיכות המצופות בעידן הבינה המלאכותית. לפי סיילספורס, הגיע הזמן לחשוב מחדש על מחזורי הפיתוח לקראת העידן מבוסס הסוכנים (agentic era), וצוותים זקוקים למסגרת עבודה מודרנית וסתגלנית כדי לקיים את ההבטחה של הבינה המלאכותית.

נתיבים שונים לפיתוח בעידן הסוכנים

נוף הפיתוח השתנה באופן מהותי לפי המדריך. כיום מפתחים יכולים להביא את הכלים המועדפים עליהם ולהשתמש בפרוטוקולים פתוחים כמו MCP (Model Context Protocol). במקביל, פיתוח במודל Headless מאפשר לצוותים לבנות את הלוגיקה המרכזית פעם אחת ולהציג חוויות עשירות בכל מקום שבו הם זקוקים לכך. בנוסף, קידוד מבוסס כוונה (intent-based vibe coding) בשילוב עם אבטחה ברמת ארגון (enterprise-grade security) הפך את תהליך הבנייה למהיר יותר מאי פעם. עם ריבוי הנתיבים החדשים שנוצרים, לא כולם נוקטים באותה הגישה.

המדריך מפרט כי צוותים מקבלים שתי החלטות מרכזיות: כיצד הם מארגנים את העבודה (עבודה עצמאית מול עבודה מתואמת), וכיצד הם ניגשים לתהליך הפיתוח (מונחה בידי אדם מול מונחה בידי סוכנים). צוותים רבים נמצאים בנקודה מסוימת בין הקצוות הללו. המיקום שבו הצוות נמצא על גבי ממדים אלה מעצב את הדרישות שלו מהפלטפורמה, וזהו בדיוק הגורם שמניע את ההתפתחות של סיילספורס.

ששת שלבי הפיתוח של סיילספורס

לפי המדריך, הגישה של סיילספורס תוכננה להיות מקיפה אך גמישה, כך שתתאים באופן מותאם אישית לגודל של הצוות, למיומנויות של חבריו ולסדרי העדיפויות העסקיים. התהליך כולל שישה שלבים: תכנון (Plan), בנייה (Build), בדיקה (Test), פריסה (Deploy), ניטור ובקרה (Observe), והרחבה (Extend). לכל אורך התהליך כולו, מנגנוני הממשל והמשילות (governance) מובנים מראש כדי לוודא שהנתונים הרגישים ביותר יישארו תואמים לדרישות ומאובטחים.

שלבי התכנון והבנייה

שלב התכנון (Plan) מהווה את ההזדמנות ליישר קו בין כל הגורמים המעורבים בפיתוח סביב יעדים משותפים וציפיות אחידות. תכנון נכון יכול למנוע בעיות בהמשך הדרך, כגון סביבות פיתוח מנותקות או החמצת מועדי יעד שנגרמת בשל ראות לקויה (poor visibility). המטרה בשלב זה היא להבטיח שכל חברי הצוות מבינים את דרישות הפרויקט, את צורכי הבדיקות, את תקני אבטחת המידע ואת האופן שבו שינויים ינוהלו לאורך מחזור החיים של הפרויקט.

שלב הבנייה (Build) דורש חדשנות מהירה בתוך סביבה מאובטחת, המכונה סביבת ארגז חול (sandbox). באמצעות עבודה במרחב מבודד, הצוותים אינם צריכים לחשוש מפגיעה בפעילות העסקית החיה בזמן שהם בונים את הפתרונות שלהם. כדי לבנות באופן יעיל, חברי הצוות מצוידים בכלים לפי בחירתם, כאשר לכל סוג כלי יש חוזקות ושימושים משלו:

  • קידוד Vibe coding מאפשר לכל אדם להפוך רעיונות לאפליקציות, סוכנים ותהליכי עבודה (workflows) פשוט באמצעות מתן הוראות לבינה המלאכותית לגבי מה שעליה לעשות.
  • כלי Low-code ו-No-code, כדוגמת Builder Central, מסייעים למנהלי מערכת (admins) ולמפתחי אזרח (citizen developers) להגדיר אפליקציות וסוכנים באמצעות רכיבים חזותיים.
  • קידוד מקצועי מסורתי (traditional pro-coding) אינו נעלם, אלא מוקצה מחדש. כאשר כלי low-code ו-vibe coding מטפלים בהיבטים הפשוטים והישירים של הפרויקט, קידוד מאפס (coding from scratch) עובר להתמקד באלמנטים שזקוקים לרמת ההתאמה האישית הגבוהה ביותר.

בנוסף, סיילספורס מציינת כי כפלטפורמת פיתוח מאוחדת, צוות ה-IT יכול לבנות במהירות סוכנים ואפליקציות עם רכיבים לשימוש חוזר, אינטגרציות מובנות מראש וכלי low-code.

בדיקות ופריסה באמצעות ארכיטקטורת Headless

שלב הבדיקה (Test) בעידן הפיתוח מונחה ה-AI דורש בדיקות רציפות ומציאותיות בכל שלב. סביבה שמשקפת את תצורת המוצר (product setup), כדוגמת Full Copy Sandbox, מבטיחה שהבדיקות יהיו מציאותיות. בדיקות יעילות תופסות בעיות בשלב מוקדם, מונעות צווארי בקבוק בביצועים ומבטיחות שהסוכנים והאפליקציות יספקו תוצאות עקביות בכל פעם. טיפ מקצועי שהמדריך מציג הוא להזין סביבות בדיקה אך ורק בנתונים הנדרשים לכל תרחיש ספציפי, ולהשלים זאת באמצעות מיסוך נתונים (masking) כדי לשמור על פרטיות הלקוחות ותאימות (compliance). שילוב זה מאיץ את הבדיקות ומפחית את הסיכון לחשיפת מידע רגיש.

שלב הפריסה (Deploy) נועד למנוע מאבקים של הרגע האחרון ותיקונים ידניים (manual patching). פריסות צפויות נובעות מאוטומציה, ראות ברורה ובקרת גרסאות הדוקה. באמצעות תהליך פריסה יעיל, צוותים יכולים להימנע משיבושים עסקיים ומטעויות אנוש. כלי ה-DevOps המובנים בפלטפורמה פותחים פתח לתהליך עקבי, ובכך מגבירים את שיתוף הפעולה, מפחיתים בלבול ומסייעים לצוותים לספק תוצאות במהירות ובביטחון, כך שהפריסה הופכת לאמינה וברת-חזרה ולא לאירוע בעל סיכון גבוה.

במקביל, ככל שמשתמשים מקיימים אינטראקציה עם העסק על פני רשת מתרחבת של נקודות מגע (touchpoints), שכבת החוויה Headless של סיילספורס (Headless Experience Layer) מפרידה בין הלוגיקה העסקית, הנתונים וההרשאות לבין המסך, כך שהצוות מגדיר את הכוונה פעם אחת ופורס אותה בכל מקום שבו המשתמשים נמצאים.

ניטור מתמשך והרחבת המערכת באקוסיסטם פתוח

שלב הניטור והבקרה (Observe) מדגיש כי השקת הסוכן או האפליקציה אינה מסתיימת בפריסה. מרגע הפריסה מתחיל לפעול מעגל משוב (feedback loop). הצלחה אמיתית מגיעה מיכולת תצפית וניטור מתמשכת (observability) שמסייעת לעקוב אחר התנהגות הסוכן, לאתר בעיות מוקדם ולבצע אופטימיזציה לאורך זמן. עם הזמן, הערכות ביצועים ומשוב ממשתמשים, הפתרון יכול להשתפר באופן מתמיד.

שלב ההרחבה (Extend) מציע ארכיטקטורה גמישה המותאמת לרמת הבשלות של הצוות בתחום ה-AI, ומאפשר לשלב כלי פיתוח של צד שלישי המועדפים על הצוות ולהתחבר לאקוסיסטם שותפים עשיר. באמצעות שימוש ב-Model Context Protocols (MCPs) על פני פלטפורמות כמו Slack, Tableau, Informatica ו-MuleSoft – לצד Data 360 – צוותים יכולים לעגן סוכני AI בנתונים ארגוניים מנוהלים ומבוקרים, באנליטיקה ובלוגיקה עסקית. שווקים כגון AppExchange ו-AgentExchange מאיצים עוד יותר את הפיתוח על ידי הצעת אפליקציות ורכיבי סוכנים (agentic components) המוכנים להתקנה ישירות בתוך זרימת העבודה (flow of work). יחד, אקוסיסטם פתוח זה מחבר את כלי ה-DevOps וכלי הפיתוח המועדפים לצינור עבודה יחיד ומאוחד (pipeline) החל משלב ה-commit ועד לסביבת הייצור (production).

משילות משולבת ואבטחה כחלק מתהליך הפיתוח

המדריך מתייחס לתפיסה מוטעית לפיה אבטחה מעכבת את החדשנות. האמת, לפי סיילספורס, היא שאבטחה היא קריטית כדי להביא לסקייל ולפרוס פתרונות באיכות גבוהה. ממשל אפקטיבי (governance) מאיץ חדשנות מכיוון שמפתחים אינם מוסיפים עקביות, תאימות ואמינות רק בסוף התהליך, אלא שהן שזורות לאורך כל אחד מהשלבים.

לפי המדריך, אבטחה היא מאמץ צוותי, וסיילספורס מזמינה לבחון את מודל האחריות המשותפת (shared responsibility model) לקבלת תובנות שיסייעו בקבלת החלטות מושכלות לגבי אסטרטגיית האבטחה. כאשר חושבים על מדיניות אבטחה, גבולות גזרה לסוכנים (agent guardrails) ותאימות נתונים לאורך כל התהליך, בונים מסגרת שמתרחבת יחד עם החדשנות, והצוות משקיע פחות זמן בניהול סיכונים.

לסיום מציין המדריך כי הגישה הספציפית שננקטת בכל שלב פיתוח תתפתח באופן טבעי בהתאם להרכב הייחודי ולבשלות של הצוות, כאשר פרויקטים שונים דורשים שילובים שונים של כלים ותהליכי עבודה. פלטפורמת סיילספורס מציעה חבילת טכנולוגיות (tech stack) הבנויה להיות מודולרית, ומאפשרת לבחור את המשאבים המדויקים הדרושים כדי להביא את הפתרון הספציפי לידי מימוש ביעילות.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של Salesforce Blog. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־Salesforce Blog

כל הכתבות מ־Salesforce Blog
סיילספורס השיקה את AI Skills ב-Agentforce Coworker
מוצר חדש
4 דקות
מ־Salesforce Blog

סיילספורס השיקה את AI Skills ב-Agentforce Coworker

סיילספורס הודיעה על זמינות כללית של AI Skills בתוך Agentforce Coworker. מיומנויות אלו מאפשרות למשתמשים להגדיר בשפה פשוטה סט הוראות לשימוש חוזר עבור משימות שחוזרות על עצמן, כך שהסוכן יוכל לבצע אותן בעקביות. Coworker, המתאם בין סוכני Agentforce ב-Salesforce, ב-Microsoft Teams ובמובייל, הוא הסוכן הראשון שכולל יכולת זו. בניגוד לתבניות הנחיה המפיקות פלטי טקסט בלבד, מיומנות מתארת משימה שלמה ומאפשרת לסוכן לנקוט פעולות על פי הרשאות המשתמש ולאחר קבלת אישור לעדכון רשומות.

קרא עוד
חיבור ידע מוצר לסוכני בינה מלאכותית: ארבעה לקחים מסיילספורס
ניתוח
4 דקות
מ־Salesforce Blog

חיבור ידע מוצר לסוכני בינה מלאכותית: ארבעה לקחים מסיילספורס

במאמר מאת Salesforce מפורטים ארבעה לקחים מניסיונה כמשתמשת הראשונה במוצריה (Customer Zero), ובפרט בחיבור ידע מוצר לסוכני בינה מלאכותית באמצעות Data 360 ו-Agentforce. החברה מתארת כיצד תשובות סוכן RAG תלויות באיכות התוכן הנשלף, וממליצה להעריך את מאגר הידע לפי התאמה, פער והתנגשות לפני בניית אינדקס. בנוסף מומלץ לפתח תצורות על בסיס השערות שנבדקות כמותית ואיכותית ולא לפי מפרט קשיח, להגדיר מראש מאגר נתוני ייחוס לבדיקות, ולשלב בדיקות אנושיות לצד מדדים אלגוריתמיים כדי למנוע דחיות שווא לפני עלייה לייצור.

קרא עוד
Data 360 ו-Snowflake: הרחבת שיתוף הפעולה במודל Zero Copy
מוצר חדש
4 דקות
מ־Salesforce Blog

Data 360 ו-Snowflake: הרחבת שיתוף הפעולה במודל Zero Copy

לפי הודעת סיילספורס, שיתוף הפעולה במודל Zero Copy עם חברת סנואופלייק מורחב במטרה להפוך נתונים ארגוניים מבוזרים להקשר מאוחד עבור סוכני בינה מלאכותית ובני אדם. השותפות מתמקדת בחיבור הנתונים מהמקום שבו הם מאוחסנים, ללא צורך בהעתקתם או בהפעלת תהליכי ETL מסורתיים. במרכז המהלך עומד מנוע ההקשר לסוכנים (Agent Context Engine - ACE) של Data 360, המשלב נתונים מובנים, תוכן לא מובנה, גרפי ידע וזיכרון סוכנים לשכבת הקשר אחת. החיבור מאפשר הרצת סוכנים על גבי נתוני לקוחות מעודכנים, הרחבת השימוש באמצעות פלטפורמת נתוני לקוחות סוכנותית ו-Data 360 Headless, וקישור ישיר בין פלטפורמות דרך פורמט הטבלאות Apache Iceberg ופרוטוקול Model Context Protocol (MCP).

קרא עוד
מחקר סיילספורס: כיצד לשמר מומחיות אנושית לצד AI סוכני
מחקר
4 דקות
מ־Salesforce Blog

מחקר סיילספורס: כיצד לשמר מומחיות אנושית לצד AI סוכני

מחקר ראשוני של צוותי הבינה המלאכותית האחראית ומחקר המוצר בסיילספורס (Salesforce) מציג פרדוקס בשימוש בבינה מלאכותית סוכנית: לצד הרחבת יכולות, הסתמכות יתר עלולה להוביל להטיית אוטומציה ולהחלשת מיומנויות קיימות. המחקר, שכלל ראיונות עם עובדים בסיילספורס ואלפי משתתפים בכנס Dreamforce, מצא כי מומחים אינם מוותרים על שיקול דעתם אלא מטמיעים ספקנות מובנית בתהליכי העבודה שלהם. החוקרים הציגו שמונה פרקטיקות לתכנון "חיכוך פורה" — מנגנונים שמחייבים מעורבות אנושית, ביקורת ובדיקות עקביות, במטרה לשמור על המומחיות האנושית במרכז.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
שליחת חוזים לחתימה דיגיטלית ב-n8n עם TurboDocx ו-Slack
מדריך
4 דקות
מ־n8n

שליחת חוזים לחתימה דיגיטלית ב-n8n עם TurboDocx ו-Slack

פוסט אורח בבלוג של n8n מאת ניקולס פריי, מנכ"ל TurboDocx, מציג מדריך מפורט לבניית תהליך עבודה אוטומטי המטפל בכל שלבי הפקת החוזה והחתימה עליו. התהליך משתמש ברכיב המאומת של TurboDocx וכולל סריקה של שורות ב-Excel בסטטוס Ready to send, הפקת מסמך חוזה מתבנית Word, שליחת בקשת אישור למנהל בערוץ Slack, והעברת החוזה לחתימה אלקטרונית מול הלקוח. לאחר שהלקוח חותם מכל מכשיר, קובץ ה-PDF החתום נשמר ישירות בתיקייה ייעודית ב-SharePoint, שורת הנתונים ב-Excel מתעדכנת ל-Signed והצוות מקבל הודעה ב-Slack. המדריך מפרט גם אפשרויות להחלפת הכלים במערכות CRM, טיפול בתקלות נפוצות, ומגבלות קיימות כגון תמיכה בחותם יחיד.

קרא עוד
ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps
מדריך
5 דקות
מ־AWS Machine Learning

ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps

בפוסט של מומחי AWS מוצג מודל תפעולי בן חמישה שלבים לניהול עלויות ב-Amazon Bedrock, המיועד לצוותי FinOps והנדסת פלטפורמה. המודל מתמקד בעומסי עבודה של סוכני בינה מלאכותית (agentic workloads), שבהם צריכת הטוקנים מושפעת מרמת האוטונומיה וגודל ההקשר. חמשת השלבים כוללים: שיוך עלויות לכל ישות וצוות באמצעות תגי IAM ודוחות CUR 2.0; יצירת יכולת תצפית ובקרה באמצעות רישום יומני הסקה ב-CloudWatch וב-S3 לצד מטא-דאטה מובנית; אכיפת תקציבים בשלוש רמות (התראות, שלילת הרשאות ב-IAM או חסימה סינכרונית בשער); מיטוב ברירות מחדל באמצעות שמירה במטמון (prompt caching) וניתוב מודלים חכם; והפעלת סקירת ביצועים משותפת מבוססת מדדים ברורים.

קרא עוד
אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI
מדריך
5 דקות
מ־AWS Machine Learning

אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI

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.

קרא עוד
ניהול מצב בסוכני AI: הבדלים בין ארכיטקטורה בעלת מצב לחסרת מצב
מדריך
4 דקות
מ־n8n

ניהול מצב בסוכני AI: הבדלים בין ארכיטקטורה בעלת מצב לחסרת מצב

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.

קרא עוד