מי שעובר בין Claude Code, Codex ו-Cursor רואה הבדלים בצריכת טוקנים, במהירות ובאיכות, גם כשמתחת לשלושתם עובד אותו מודל. אליאב עמר, מהנדס AI במרכז הפיתוח של SAP בישראל, טוען במאמר אורח ב-Geektime מ-12 במאי שההסבר נמצא ב-Agentic Harness, התוכנה שעוטפת את המודל והופכת אותו לסוכן.
סוכן שווה מודל ועוד רתמה
הנוסחה שעמר מציע פשוטה: סוכן הוא מודל ועוד Harness (רתמה). המודל מחליט, אבל הרתמה קובעת מה הוא רואה, מה הוא יכול לעשות ומתי הוא עוצר. לכן, לטענתו, השוואה בין כלים ברמת המודל בלבד מטעה. המאמר לא מציג מדידות או בנצ'מרקים משלו, והטיעון בו מושגי.
עמר מפרק את הרתמה לחמישה רכיבים:
- Context Injection: להזין למודל רק את המידע הדרוש לשלב הנוכחי. עודף מידע גורם למה שמכונה Context Rot, שחיקה בריכוז של המודל. כאן נכנסים הנחיות מערכת, זיכרונות ו-Skills שנטענים רק כשהם רלוונטיים.
- Action: היכולת לפעול בעולם, דרך כלי MCP, כלים מובנים או פקודות בסביבה מבודדת. בלי זה, לדבריו, הסוכן הוא צ'טבוט שנותן עצות.
- Observe & Verify: לתת לסוכן לבדוק את העבודה של עצמו, להריץ בדיקות, לקרוא לוגים ולתקן בלולאת משוב.
- Persist: שמירת מצב לאורך משימות ארוכות ובין שיחות, באמצעות מערכת קבצים, Git או מסד נתונים, כדי שהסוכן לא יתחיל כל פעם מאפס.
- Control: ההחלטה מתי המשימה הסתיימה, אם הצליחה, אם לנסות שוב, ומתי לדחוס את הזיכרון כשחלון ההקשר מתמלא. עמר מזכיר גם מנגנון שמזהה מודל ש"מוותר" מוקדם ומחזיר אותו לעבודה, ומונע לולאות שגיאה ששורפות תקציב API.
עמר נשען על ציטוט של Andrej Karpathy, שתיאר Context Engineering כאמנות ומדע של מילוי חלון ההקשר במידע הנכון בדיוק. הוא ממחיש את הרכיבים באמצעות Deep Agents של LangChain, ומזהיר שרתמה מתוכננת רע מוסיפה השהיה, מסבכת משימות פשוטות ויכולה לכפות תהליכים נוקשים מדי.
לא רעיון של כותב אחד
התמונה שעמר מציג תואמת את מה שהחברות עצמן כותבות. מאמר ההנדסה של Anthropic מספטמבר 2025 מגדיר Context Engineering כאוסף אסטרטגיות לניהול קבוצת הטוקנים שהמודל רואה, מתאר את Context Rot כירידה הדרגתית ביכולת השליפה ככל שחלון ההקשר גדל, וממליץ על דחיסה, רישום הערות לזיכרון חיצוני ותתי-סוכנים. Harrison Chase מ-LangChain כתב ביולי 2025 שמה שהופך סוכן ל"עמוק" הוא לא לולאה שונה, אלא תוספות סביב המודל: הנחיית מערכת מפורטת, כלי תכנון, תתי-סוכנים ומערכת קבצים, עם Claude Code כהשראה המרכזית.
למה זה רלוונטי לעורכי דין
כמה מכלי ה-AI המשפטיים המוכרים נשענים על אותם מודלים בסיס. Thomson Reuters, למשל, בונה את הדור הבא של CoCounsel Legal על Claude Agent SDK. כשמשרד משווה בין שני כלים, ההבדל ביניהם יושב במידה רבה ברתמה: אילו מסמכים נכנסים להקשר ובאיזה סדר, האם הכלי בודק ציטוטים לפני שהוא מחזיר תשובה, איך נשמר הקשר של תיק לאורך שבועות, ומתי המערכת עוצרת ומעבירה את ההחלטה לעורך דין.
זה גם האופן שבו ספקים משפטיים מציגים את עצמם. בהכרזת Claude למשפטנים של Anthropic מ-12 במאי, ה-CTO של Legora, Jake Lauritzen, ניסח זאת כך: Anthropic בונה את האינטליגנציה, ו-Legora הופכת אותה למערכות מוכנות לייצור. במונחים של עמר, זה בדיוק הפער בין מודל לסוכן.
בפועל, המסקנה לבחינת כלים היא לבדוק את התהליך ולא רק את שם המודל: לבקש מהספק להסביר איך מנוהל ההקשר, איך הכלי מאמת את התוצר שלו, ומה קורה כשהמשימה ארוכה או נכשלת באמצע.
עוד בנושא
- Anthropic מרחיבה את Claude למשפטנים: 23 מחברים, 12 תוספים לפי תחום ועבודה בתוך Office
- יובל בלפר מ-AI21: רוב מה שנמכר היום כ-AI Agents הוא לא באמת סוכן