Prompt Engineering
המדריך המלא בעברית

למה Prompt Engineering זה מיומנות בפני עצמה?

מודלי שפה כמו GPT-4o ו-Claude הם כמו עובד מחונן שלא מכיר אותך — תן לו הנחיות מעורפלות ותקבל תוצאות בינוניות. תן לו הנחיות מדויקות ותקבל עבודה יוצאת מן הכלל. Prompt Engineering הוא אמנות הדייקנות.

ההבדל? Context + Format + Constraints + Tone. אלה 4 האלמנטים של כל פרומפט מוצלח.

Zero-shot vs Few-shot vs Many-shot

Zero-shot — ללא דוגמאות

הטכניקה הנפוצה ביותר. אתה פשוט מתאר מה אתה רוצה. עובדת טוב עם GPT-4o ו-Claude כי הם "מאומנים מספיק".

סווג את המשפט הבא כ"חיובי", "שלילי" או "נייטרלי":
"המוצר הגיע בזמן אבל האריזה הייתה פגומה."

Few-shot — עם דוגמאות

תן למודל 2-5 דוגמאות של Input/Output לפני השאלה האמיתית. מוריד הזיות ומשפר עקביות ב-30-50%.

סווג כל ביקורת לקוח:

ביקורת: "מדהים! קיבלתי ביום אחד" → חיובי
ביקורת: "איכות גרועה, מאוכזב" → שלילי
ביקורת: "בסדר, לא יוצא דופן" → נייטרלי

עכשיו סווג:
ביקורת: "הגיע בזמן אבל הצבע לא מה שציפיתי" → ?

Many-shot — עשרות דוגמאות

עם מודלים כמו Gemini 2.5 Pro (context 2M), אפשר להכניס מאות דוגמאות. מאמן מודל בתוך ה-Prompt עצמו — בלי Fine-tuning.

Chain-of-Thought (CoT) — חשיבה בשלבים

תגלית מחקרית מ-Google: כשאתה מבקש מהמודל "חשוב שלב אחר שלב", הדיוק בבעיות מתמטיות ולוגיות עולה דרמטית.

שאלה: יש לי 15 תפוחים. נתתי שליש לחברה ועוד 3 לאחי.
כמה נשאר לי?

חשוב שלב אחר שלב:

--- תשובת המודל ---
שלב 1: שליש מ-15 = 15 ÷ 3 = 5 תפוחים לחברה
שלב 2: נשארו 15 - 5 = 10 תפוחים
שלב 3: נתתי עוד 3 לאחי: 10 - 3 = 7 תפוחים
תשובה: נשארו 7 תפוחים.

System Prompts — ה"אישיות" של ה-AI

System Prompt הוא ההוראה שנותנים ל-AI לפני כל שיחה. הוא קובע מי הוא, מה הוא יודע ואיך הוא מתנהג. ב-ChatGPT זה "Custom Instructions", ב-Claude זה "System", ב-API זה role: "system".

מבנה System Prompt מנצח:

אתה [תפקיד מדויק] שעובד ב[חברה/הקשר].
המטרה שלך: [מטרה עיקרית אחת ברורה].

כללי התנהגות:
- תמיד ענה ב[שפה/טון]
- כשאתה לא בטוח — אמור זאת במפורש
- אל תמציא עובדות
- [כלל ספציפי לתפקיד]

פורמט תשובה:
[תאר את הפורמט הרצוי — bullet points, JSON, markdown וכו']

הקשר רלוונטי:
[מידע שה-AI צריך לדעת על הביזנס/מוצר/שירות]

דוגמה — System Prompt לנציג שירות לקוחות:

אתה נציג שירות לקוחות ידידותי של "גאדג'טים ישראל",
חנות אלקטרוניקה מקוונת.

המטרה: לפתור בעיות לקוחות במהירות ולשמור על שביעות רצון.

כללים:
- ענה תמיד בעברית, בטון חם ומקצועי
- אל תבטיח החזרים מעל ₪500 ללא אישור מנהל
- אם שאלה מחוץ לתחום — הפנה למייל support@gadgets.co.il
- תמיד ציין מספר פנייה בסוף כל תשובה

החזרות: עד 30 יום מרכישה, עם חשבונית.
משלוח: 3-5 ימי עסקים, חינם מעל ₪200.

ReAct Framework — Reason + Act

ReAct הוא מסגרת לאפשר ל-AI לחשוב, לחפש מידע ולפעול בלולאה. משמש בעיקר ב-AI Agents. הרעיון: המודל חושב מה לעשות, מבצע פעולה (Search, API Call), רואה את התוצאה וחוזר.

שאלה: מה מחיר מניית אפל כרגע?

Thought: אני צריך לחפש מידע עדכני.
Action: search("Apple AAPL stock price")
Observation: $189.50 (עדכון אחרון: לפני 5 דקות)
Thought: יש לי המידע. אגיש תשובה.
Answer: מחיר מניית Apple (AAPL) כרגע הוא $189.50.

Structured Output — JSON ו-TypeScript Types

ברוב מקרי ה-Production, אתה רוצה שה-AI יחזיר JSON מבוקר ולא פסקה חופשית. כל ה-APIs הגדולים תומכים ב-JSON Mode.

חלץ את פרטי האדם מהטקסט הבא.
החזר JSON בלבד עם המבנה:
{
  "name": string,
  "email": string | null,
  "phone": string | null,
  "company": string | null
}

טקסט: "שלום, אני דני לוי מחברת Tech-IL.
אפשר ליצור קשר: danny@tech-il.com או 050-1234567"

{
  "name": "דני לוי",
  "email": "danny@tech-il.com",
  "phone": "050-1234567",
  "company": "Tech-IL"
}

טכניקות מתקדמות

Role Prompting — "הצג עצמך כ..."

הקצה תפקיד ספציפי. "אתה מומחה עורך דין" נותן תוצאות שונות לגמרי מ-"אתה עוזר". ככל שהתפקיד ספציפי יותר — כך התוצאה טובה יותר.

אתה מנכ"ל עם 20 שנות ניסיון בסטארטאפים ישראליים
שגייסו Series A. בדוק את הפיץ' שלי וספר לי מה
ישכנע משקיע ישראלי ומה ידאיג אותו:

Negative Prompting — מה לא לעשות

ציין במפורש מה אינך רוצה. זה מונע תוצאות לא רצויות.

כתוב סיכום של המאמר.
אל תוסיף דעה אישית.
אל תשתמש במילה "מעניין".
אל תאמר "ראשית... שנית...".
מקסימום 5 שורות.

Temperature ו-Top-P — לא בפרומפט, אבל חשוב

Temperature 0 = תשובות דטרמיניסטיות, עקביות. לקוד, JSON, עובדות.
Temperature 0.7-1 = יצירתי, מגוון. לכתיבה יצירתית, ריעיונות.
ברוב ה-APIs אפשר לשלוט בזה בפרמטר temperature.

Prompt Chaining — שרשרת פרומפטים

במקום פרומפט ענק אחד, חלק למשימות קטנות. הפלט של שיעור 1 נכנס ל-2 וכן הלאה. יותר מהימן, קל לdebug, ניתן לאחסון ביניים.

10 טעויות ב-Prompt Engineering — ואיך לתקן