AnswersPublished16 sources
לא עוד מסמכים בבת אחת: כך בונים תהליך מחקר ארוך־טווח ל-AI
אפשר למסור למערכת את כל החומרים מראש, אבל לא צריך — וגם לא נכון — להכניס את כולם לקריאת מודל אחת. מודלים לשוניים רקורסיביים (RLM) מציעים דרך לבחון קלט גדול מחוץ לחלון המודל, לפרק אותו ולנתח חלקים לפי הצורך; עם זאת, עלויות, אמצעי הגנה ומורכבות תפעולית עדיין מגבילים את הגישה.
פורסם על ידיהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- אפשר למסור למערכת את כל החומרים מראש, אבל לא צריך — וגם לא נכון — להכניס את כולם לקריאת מודל אחת.
- מודלים לשוניים רקורסיביים (RLM) מציעים דרך לבחון קלט גדול מחוץ לחלון המודל, לפרק אותו ולנתח חלקים לפי הצורך; עם זאת, עלויות, אמצעי הגנה ומורכבות תפעולית עדיין מגבילים את הגישה.
- המתווה ההנדסי המומלץ: ספריית מקורות שניתנת לעיון חוזר, משימות קריאה מוגדרות, רישום ראיות, הקשר עבודה מצומצם ומסירות מסודרות בין שלבים.
- בבדיקה של חמש שיחות Roo נמצאו חסימות של הרשאות וזרם שנקטע, לצד כשל בשירות חיצוני — אך אין די ראיות לקבוע שקריסת חלון הקשר הייתה הסיבה.
![[GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you produce requests for client side execution. W](https://d15bya8fi85z1v.cloudfront.net/chat/frzP7VzOQhhTfRqSv91ZjOpFNME3/images/CCBB00528D912545ABC2/DDF1FF1DFD53167F1DC7.png)
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: [GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you produce requests for client side execution. W. Article summary: <tool call {"name":"attempt completion","arguments":{"result":"需求应从“网关支持复杂附件”调整为“前置侧接收海量材料，并组织可追溯、能持续交付的研究流程”。你可以一次性交给系统全部材料，但不应要求全部材料同时进入一次模型调用；三遍阅读是分析方法，不能代替有限上下文的调度机制。[1][3]\n\n 1.. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, i
הדרישה לא צריכה להיות „שער שתומך בקבצים מורכבים”, אלא מערכת מקדימה שמקבלת כמות גדולה של חומרים ומנהלת תהליך מחקר שניתן לעקוב אחריו, להמשיך אותו ולמסור ממנו תוצרים לאורך הדרך.
אפשר להפקיד בידי המערכת את כל החומרים מראש; אין פירוש הדבר שכולם צריכים להיכנס לאותה קריאת מודל. קריאה בשלושה מעברים היא שיטת עבודה, לא תחליף לניהול הקשר מוגבל. 1
3
מה עשוי להתאים: מודלים לשוניים רקורסיביים
הכיוון המחקרי הקרוב ביותר לצורך הזה הוא Recursive Language Models, או RLM. בגרסה המעודכנת של המאמר, מ-11 במאי 2026, הקלט הארוך נשאר בסביבה חיצונית למודל. המודל יכול לבדוק אותו, לפרק אותו לחלקים ולקרוא למודלים נוספים כדי לנתח קטעים נבחרים, במקום להזין את כל החומר לחלון ההקשר בבת אחת. 3
זו גישה שתואמת את הרעיון של מסירת כל המקורות מראש והעמקה הדרגתית. אך אין כאן הבטחה לקלט אינסופי או לתהליך נטול כשלים: המאמר מצביע גם על עלויות שעלולות לגדול בעקבות קריאות משנה, ועל אתגרים של אמצעי הגנה ומורכבות תפעולית. 3
מבחינה הנדסית, נקודת פתיחה מעשית יותר היא שילוב של טעינה לפי הצורך, הקשר נפרד לכל משימת משנה, רישום ראיות חיצוני ומסירה בין שלבים. חומרי ההדרכה של Anthropic ממליצים על מקורות מצוטטים, טעינה דינמית, הערות מובנות ובידוד של סוכני משנה — במקום לטעון מראש את כל המקורות. 12 גם בעבודה שנמשכת מעבר לחלון הקשר אחד, חשוב לפרק את המשימה ולהשאיר תוצרים ברורים שאפשר להמשיך מהם.
7
Anthropic פרסמה ב-6 בנובמבר 2026 סקירה על רכיבי זיכרון של סוכנים, ובה נידונה הפקת הערות וייצוגים חדשים מיומני עבודה. זהו כיוון לזיכרון בין מפגשים, לא דרך לבטל את מגבלת ההקשר בכל קריאת מודל בודדת. 4 AWS הציגה ב-21 במאי 2026 דרך לממש RLM באמצעות AgentCore Code Interpreter ו-Strands; אפשר ללמוד ממנה על מנגנון התזמור, אך עצם קיומה אינו מוכיח ש-Cline או שרת MCP מסוים כבר תומכים ביכולת הזאת.
לכן ההמלצה היא להתחיל בתזמור מחקר מבוקר, ולהוסיף בהמשך קריאה רקורסיבית בסגנון RLM. אין להתחיל בהרצה בלתי מוגבלת של קוד או בקריאות משנה ללא תקרה.
האם קריסת חלון ההקשר היא באמת הבעיה?
בבדיקה נבחנו חמש שיחות ניתוח עדכניות של Roo. בתיקיית האחסון שנמצאה עבור Cline היו הגדרות בלבד, ולא נמצאו הרשומות המקוריות של שיחת Plan שהוזכרה. לכן אין די ראיות לקבוע מה גרם לקריסת החלון ב-Cline.
במקרים שכן אותרו, החסימות היו שונות זו מזו:
- בשיחת פירוק MCP הופיעו הודעה שהפרויקט אינו נמצא בקבוצת הפרויקטים המורשית בשרת, וכן זרם שהסתיים בטרם עת. השיחה נעצרה בשלב בחירת שיטת איסוף הראיות. היסטוריית ה-API הייתה בהיקף של כ-21 אלף תווים — נתון שאינו מוכיח שההקשר אזל. תיעוד השיחה
- בשיחת השוואת תרשימי זרימה הופיעו שגיאת 503 בגלל משאבים לא זמינים וזרם שנקטע. בסיום לא הצליחו לאתר את תוכן התמונה. היסטוריית השיחה הייתה בהיקף של כ-367 אלף תווים, אך כ-354 אלף מהם הגיעו משני בלוקי תמונה. מספר תווים של תוכן מקודד אינו שקול למספר טוקנים של טקסט. תיעוד השיחה ורישום סוגי התוכן
שיחה אחרת הסתיימה בתוצר. לכן אין בסיס לתאר את כל המקרים כמחקר בלתי מוגבל שנכשל בגלל חלון ההקשר. כדאי להבחין בין בעיית מסירת קלט, דחיית הרשאה, כשל בהעברה וחוסר התכנסות של המחקר. צמצום או סיכום של ההקשר לא יפתרו את שלוש הבעיות הראשונות.
איך לקבל את כל החומרים — בלי לקרוא את כולם בבת אחת
במקום לדחוס את כל המקורות לסיכום קבוע מראש, אפשר לתכנן את התהליך כך:
- קליטת חבילת החומרים. לשמור את הטקסט המקורי של הרעיונות והדיון, ולהפריד בין מטרת המשתמש, אילוצים מחייבים, שאלות פתוחות וחומרי עזר. לרשום קבצים מקומיים, מאמרים, פוסטים ומאגרים עם זיהוי מקור, גרסה, סטטוס גישה והרשאות. אם מקור אינו נגיש — לציין זאת, ולא להציג אותו כאילו נקרא.
- בניית ספריית מקורות שאפשר לחזור אליה. המרת PDF, חילוץ תוכן מדפי אינטרנט וניתוח מבנה קוד הם דרכי קליטה, לא תחליף להבנת המקור. יש לשמור את המקור המלא מחוץ לחלון המודל, עם הפניות לעמודים, לקטעים ולשורות. שלד AST אינו שקול להבנת קוד המקור, והמרה ל-Markdown אינה שקולה להבנת מאמר.
- קריאה בשלושה מעברים.
- מעבר ראשון — מיפוי: סקירת רשימת החומרים ותוכן מייצג, לצד ניסוח מחדש של הדרישה, מפת ראיות, כיוונים אפשריים וסדר עדיפויות לקריאה.
- מעבר שני — בדיקה ממוקדת: חלוקת שאלות ההחלטה למשימות קריאה מוגבלות. כל משימה תחזיר טענות, ציטוטים או הפניות למקור, מגבלות, ראיות נגדיות ומה עדיין לא נקרא. חיפוש לפי דמיון בלבד עלול להחמיץ קשרים בין מקורות.
- מעבר שלישי — העמקה וביקורת: בדיקה מעמיקה של ההנחות שעשויות לשנות את הבחירה, השלמת קריאה ובחינה מנקודת מבט נגדית. המטרה היא לקדם את הדרישות וההחלטות לעבר מענה למשתמש — לא לקרוא כל מסמך שלוש פעמים באופן מכני.
- שמירה על סביבת עבודה מצומצמת ומשתנה. בכל שלב יש להעביר למודל רק את הראיות הדרושות להחלטה הנוכחית, את האילוצים שאסור לאבד ואת המשימות הפתוחות. כשצריך פרטים נוספים — חוזרים למקור. אומדן של 20–40 אלף טוקנים מה-RFC הקודם הוא תקציב עבודה שצריך לבדוק, לא הבטחה שכל משימה מורכבת תידחס אליו.
- מסירות ונקודות עצירה. כבר אחרי המעבר הראשון יש למסור הערכה ראשונית. אם מגיעים לתקרת זמן, עלות, קריאות או הקשר — יש להציג את המסקנות עד כה, את הסתירות, את הלא־נודע ואת הראיות שעוד חסרות, במקום להמשיך עד לקריסה. אם קריאה חוזרת כבר אינה משנה את ההחלטה, עוצרים. דחיית הרשאה, שגיאה קבועה או מקור חסר צריכים להפוך לחסימה מתועדת, לא לניסיונות חוזרים ללא סוף.
זהו חוזה הנדסי מוצע, לא תיאור של יכולת שכבר קיימת במערכת המארחת. במיוחד צריך לבדוק כיצד המערכת משתלטת על הקלט הראשון וכיצד היא מגבילה את היקף תוצאות הכלים בכל סבב. רישום של כלי MCP לבדו אינו מבטיח שהמערכת תוכל לעצור או לנהל קלט ראשוני גדול.
מה לשנות ב-ADR ובתוכנית העבודה
- ב-ADR הנוכחי (
_bmad-output/adrs/ADR-20261106-generic-modalities-matrix.md:232): להשאיר את ההחלטות ההיסטוריות שאושרו ואת העובדות הפיזיות שכבר נקבעו, אך להוסיף שינוי דרישה שמבהיר שהשער אינו אמור לשמש כמישור הבקרה של מחקר מסמכים. המטרה בצד המקדים צריכה להיות קריאה הדרגתית של מקורות רבים ובפורמטים שונים, סינתזה של ראיות והתכנסות לדרישות; מנועי פענוח הם מתאמים שניתן להחליף. - בתוכנית הנוכחית (
_bmad-output/pending_implementation_plan.md:157): להשאיר את היקף העבודה המקומית שסומן כהושלם, ולהוסיף שלב עצמאי לבדיקת ההרחבה. תחילה יש לאמת רישום מלא של הקלט, סביבת עבודה מוגבלת, תוצרים ברורים לשלושת מעברי הקריאה, התאוששות בין חלונות ומסירת תוצאה גם במקרה של שגיאה. אין טעם להשקיע תחילה את רוב המאמץ בתחרות בין מנועי פענוח לפני שקיים מעגל מחקר עובד.
המדדים החשובים הם מעשיים: אפשר לעקוב אחר החומרים שנקראו והמקורות שעליהם נשענים; אילוצים מהותיים אינם נעלמים; תוצאות כלים אינן גדלות ללא גבול; העבודה יכולה להתחדש לאחר מעבר לחלון אחר; ולכל מצב — דחיית הרשאה, שגיאת 503, ניתוק זרם או מיצוי תקציב — יש תוצר ביניים ברור. את המסקנה הסופית יש לבדוק מול הדרישה, הראיות והטיעונים הנגדיים.
הסקירה הזאת הייתה לקריאה בלבד: לא נערכו שינויים ב-ADR, בתוכנית או ב-RFC, לא הורצו בדיקות ולא בוצע commit. השינוי המרכזי הוא פשוט: למסור את כל החומרים פעם אחת, ואז להבין אותם בהדרגה — ולהרחיב את הראיות שהמערכת מסוגלת לבדוק, במקום להעמיד פנים שאפשר להרחיב את חלון השיחה בלי גבול.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "לא עוד מסמכים בבת אחת: כך בונים תהליך מחקר ארוך־טווח ל-AI"?
אפשר למסור למערכת את כל החומרים מראש, אבל לא צריך — וגם לא נכון — להכניס את כולם לקריאת מודל אחת.
What are the key points to validate first?
אפשר למסור למערכת את כל החומרים מראש, אבל לא צריך — וגם לא נכון — להכניס את כולם לקריאת מודל אחת. מודלים לשוניים רקורסיביים (RLM) מציעים דרך לבחון קלט גדול מחוץ לחלון המודל, לפרק אותו ולנתח חלקים לפי הצורך; עם זאת, עלויות, אמצעי הגנה ומורכבות תפעולית עדיין מגבילים את הגישה.
What should I do next in practice?
המתווה ההנדסי המומלץ: ספריית מקורות שניתנת לעיון חוזר, משימות קריאה מוגדרות, רישום ראיות, הקשר עבודה מצומצם ומסירות מסודרות בין שלבים.