סיימתי סדנא נוספת על גיטהאב קופיילוט לצוותי פיתוח - אז החלטתי לכתוב 5 דברים שחייבים לדעת על GitHub Copilot לפני שקופצים 👨‍💻

1. זה לא מחליף את המוח שלנו: הוא כותב קוד מהר, אבל לא תמיד נכון. חייבים לבדוק כל שורה - זה עזר, לא פתרון קסם. ראיתי אנשים שהעתיקו קוד עם באגים רק כי המערכת הציעה.

2. לא רק השלמת קוד! אפשר לשאול “למה הפונקציה הזאת לא עובדת?”, “תכתוב לי טסטים”, “תסביר את הקוד הזה” ועוד.

3. מה באמת אפשר לבנות מהר:
• יצירת נקודות קצה (API), תרשימים של ארכיטקטורה באמצעות שפת Mermaid
• כתיבת סקריפטים לאוטומציה ועיבוד נתונים, פיתוח אפליקציות, שרתי MCP ואפילו סוכני AI - בכל שפה שנרצה
• בניית ביטויים רגולריים מורכבים (שבחיים לא הייתי זוכר)
• המרת קוד בין שפות ומסגרות עבודה שונות

4. העלות: המחיר החל מ 10-19 ומעלה דולר לחודש בהתאם התוכנית. ארגונים מחזירים השקעה מהר מאוד ואוהבים לעבוד עם גיטהאב קופיילוט כי זו תשתית מאובטחת וטובה

5. השם קופיילוט הוא טייס משנה, להזכיר לנו שהחובה להוביל ולפקח היא עלינו. וזה ממש לא יחליף אותנו. בטח שלא בקרוב.

ולמה גיטהאב קופיילוט על פני האחרים? כי האינטגרציה שלהם ל-MCP פשוט מעולה, במיוחד עם MCP Registry שמאפשר התקנת שרתי MCP בקליק אחד גם ב-VSCode וגם ב-IntelliJ/Jetbrains, ובעיקר: כי *המון* חברות סומכות על גיטהאב, וגיטהאב עצמה היא חברה מדהימה שרצה מהר וקשובה למשתמשים. ואני לגמרי משוחד בתור גיטהאב סטאר, אבל גם שמח שיש לי את הזכות להכשיר מפתחים ומפתחות כדי לעזור להאיץ תהליכים, להגביר מוטיבציה, ובעיקר לאפשר חוויית פיתוח כיפית הרבה יותר.

קבלו אקסטרים מייקאובר לסלון שלנו עם ננו בננה ברו!

זה התחיל מרצון להחליף ספה. בחנות השתמשתי בננו בננה ברו כדי ליצור הדמיה עם הספות שראינו בחנות, בצבעים שונים, כדי להבין איך זה ייראה בחלל הסלון. ביקשתי שטיח תואם - ופתאום הוא ג׳ינרט שטיח שממש אהבתי.

חלקים מהשטיח היו מוסתרים בגלל ההדמיה, אז ביקשתי תמונה ממבט על של השטיח בלבד - קיבלתי ועפתי עליה. חיפשתי המון בארץ ובחול ובסוף מצאתי ספק מסין שייצר את השטיח, איכות ממש גבוהה נעימה ופרוותית - בהתאמה אישית מהתמונה שיצרתי!

אחרי זה עלה לראש גם רעיון של כריות תואמות, אז מצאתי ספק אחר מסין שמכין כריות בהתאמה אישית - ושוב לקחתי את השטיח כתמונת רפרנס.

לבסוף, גם תמונות הקיר היו מוכרחות להיות תואמות. אז גם כאן - לקחתי את השטיח כתמונת רפרנס, ג׳ינרטתי כל מיני תמונות שקשורות לסיפור המשפחתי שלנו, עד שקיבלנו מה שאהבנו, ואת ההדפסה על לוחות אלומניום ביצענו דרך אתר wow.

אני לא יכול להסביר כמה זה מטורף לראות את התוצרים של הדימיון שלנו - הופכים לפיזיים בעולם האמיתי. הכל אפשרי פתאום בזכות דמיון וידע בהפעלת כלי AI. מי היה מאמין שהסלון שלנו יכול להיראות כמו שתמיד חלמנו - והכל בהתאמה אישית מדויקת?!

ברוך בורא הבננה!! 🤩

אני מרגיש שהמפתח להצלחה ב-2026 הוא אימוץ המסר הזה שמיוחס לרבי מליובאוויטש. זה מה שעשיתי ב-2025, והעולם שלי השתנה מקצה לקצה.

נמאס לי להרגיש שמה שהכי מעניין אותי (AI) מקבל חלק שולי בעשייה היום יומית שלי בעבודות השונות, חשבתי שאולי אפשר לשלב בעבודה, תוך כדי (כשכיר), למצוא מקומות להתעסק בזה ביום יום. אבל הנפש יודעת מה היא צריכה. מתוך אמונה בה׳ ועידוד מאשתי - פעלתי כדברי הרבי. יצאתי מאיזור הנוחות. אל המדבר. אל הלא נודע. ודווקא מתוך כך החלו לקרות דברים עצומים: הכרה והוקרה מגיטהאב ואמזון, הופעות בתקשורת, פניות להעביר סשנים בארץ ובחול, במיטב החברות והארגונים, לאלפים של משתתפים ומשתתפות, ולזכות לתפוצה ברשתות שכבר חוצה למעלה ממיליוני צפיות וחשיפות כמעט באופן קבוע מדי חודש. כל זה רק ב-2025 חסדי השם יתברך!

אז זו זריקת מוטיבציה לכולם, הצעד לשינוי מביא איתו המון כוח. במיוחד מתוך אמונה בה׳ שהוא הזן ומפרנס לכל וההצלחה תלויה רק בו. וב-2026 אני מתכנן דברים חדשים נוספים, כמו סינון משמעותי של הרעש והפצה שבועית של דברים שחשוב לדעת בעולם ה-AI. כמובן אעדכן.

אני לא אדם של תכניות עבודה. אין לי כזו ל-2026. יש לי תשוקה אדירה למקצוע שלי ואמונה בה׳. ב-2025 זה הוכיח את עצמו, ובע״ה גם ב-2026. וכפי שאמרו חז״ל: ״לא עליך לסיים את המלאכה - ואתה לא רשאי להיבטל ממנה״. ז״א, למרות שה׳ הוא זה שעוזר לנו להגיע לתוצאה הסופית - מוטלת עלינו החובה להתחיל ולפעול, שזה המקום לברכת שמיים במעשינו.

שתהיה שנה אזרחית חדשה טובה ומוצלחת בגשמיות וברוחניות 🙏💪

תשכחו מכל מה שאמרו לכם על הקשר בין גודל המודל לאמינות שלו. החוקר Rahul Baxi זה עתה פרסם מחקר שמפיל את אחד המיתוסים המרכזיים בתחום ה-AI.

כולנו חיים עם האמונה הזו: מודל גדול יותר = אמין יותר. רוצים שהמודל יטעה פחות? תזריקו עוד מיליארדי פרמטרים. צריכים אמינות בסביבות קריטיות? קחו את המודל הגדול ביותר שיש. זו ההנחת היסוד שמנחה את כל התעשייה.

הבעיה היא שכל המבחנים שלנו - MMLU, TruthfulQA, וכל שאר הבנצ'מרקים הסטנדרטיים - בודקים את המודלים בתנאי מעבדה אידיאליים. זה כמו לבחון נהג רק בכבישים ריקים ביום בהיר. אבל מה קורה כשיש עומס? כשיורד גשם? כשמישהו מנסה להטעות אותו?

המחקר מציג את פרוטוקול DDFT - מבחן חדש שבודק חוסן אפיסטמי (Epistemic Robustness), כלומר: היכולת של מודל לשמור על דיוק עובדתי גם כשלוחצים עליו. החוקר Baxi הריץ 1,800 בדיקות על 9 מודלי דגל מובילים, בתנאים הולכים ומחמירים - דחיסה סמנטית מתקדמת (כשהמידע מגיע מעורפל יותר ויותר) והזנה של מידע מפוברק בכוונה.

הממצאים? פשוט מטורפים. התברר שאין כמעט שום קשר בין כמות הפרמטרים לבין החוסן של המודל - מתאם של 0.083 בלבד (כמעט אפס!). גם הארכיטקטורה לא ממש משנה - מתאם של 0.153. מודלי ענק שעולים מיליוני דולרים להכשיר קורסים בדיוק כמו מודלים קטנים פי כמה.

מה כן משנה? היכולת לזהות שגיאות. זה הצוואר בקבוק האמיתי. המחקר מציע מודל קוגניטיבי של שני מערכות: מערכת סמנטית שמייצרת טקסט שוטף, ומאמת אפיסטמי שאמור לבדוק דיוק עובדתי. אצל רוב המודלים, המאמת פשוט קורס תחת לחץ - והמודל מתחיל להמציא.

תחשבו על צ'אטבוט של שירות רפואי: הוא עובד מצוין כשהשאלות סטנדרטיות, אבל מה קורה כשמטופל מבולבל מנסח את התסמינים שלו בצורה מעורפלת? או כשילד מנסה לשחק עם הבוט ומזין מידע מפוברק? לפי המחקר הזה, גודל המודל לא יעזור לכם שם.

בעיניי, זה משנה לגמרי את האופן שבו אנחנו צריכים לחשוב על פיתוח מודלים. במקום להתמקד רק בסקייל, צריך להשקיע בפיתוח מנגנוני אימות חזקים יותר. מודל קטן עם מאמת טוב עדיף על ענק עם מאמת חלש. זה קריטי במיוחד לכל אחד שעובד על אפליקציות ב-healthcare, פיננסים, או חינוך.

הפרוטוקול DDFT של Baxi נותן לנו סוף סוף כלי למדוד את הדבר הנכון - לא רק "מה המודל יודע" אלא "כמה חזק הוא מחזיק בזה כשדוחפים אותו". וזה בדיוק מה שאנחנו צריכים לפני שנשים את הדברים האלה בסביבות קריטיות.

מסתבר ששיטת העבודה שבה אפשר לעבוד רק עם סוכן אחד בכל פעם - בדיוק נשברה עם כלי חדש בשם vibe kanban שגם מייצר משימות וגם דואג שסוכני AI יתחילו לעבוד עליהן ולבצע אותן!

המציאות שלנו היום היא מעבר בין חלונות: פה קלוד כותב קוד, שם ג'מיני מריץ CLI, ועוד רגע אמפ עושה משהו אחר לגמרי. אנחנו כבר לא כותבים קוד - אנחנו מתפקדים כמנהלי פרוייקטים שמנסים לתאם בין צוות של סוכנים שלא מדברים אחד עם השני. וזה לא רק מייגע, זה פשוט לא מתאים לעבודה בסקייל.

ניסינו לפתור את זה עם טאבים פתוחים, עם סקריפטים מותאמים אישית וכדומה. אבל ברגע שיש לנו יותר משתי משימות במקביל, הכל הופך לבלאגן בלתי ניתן לניהול. אין מקום אחד שרואה את התמונה המלאה, אין דרך לתעדף, ואין שום אפשרות להריץ סוכנים במקביל בצורה מסודרת.

המפתחים של Vibe Kanban ב-BloopAI הבינו משהו מהותי: אם אנחנו כבר מתנהגים כמו מנהלי פרוייקטים, בואו ניתן לנו כלים של מנהלי פרוייקטים אמיתיים. הם בנו לוח קנבאן (Kanban Board - לוח משימות ויזואלי שמראה סטטוס של כל משימה) שמתמחה בדיוק בזה: תיאום עבודה של מספר סוכני AI במקביל או ברצף. תחשבו על זה כמו טרלו או ג'ירה, אבל במקום בני אדם, העובדים שלכם הם קלוד, ג'מיני, קודקס ואמפ.

מה שמיוחד פה זה לא רק הויזואליזציה - זה האורקסטרציה. אתם יכולים להעביר משימה מסוכן אחד לשני בגרירה, להריץ שני סוכנים במקביל על חלקים שונים של הפרוייקט, לעצור ולבדוק תוצאות באמצע התהליך, ואפילו להריץ שרתי dev ישירות מהממשק. כל ההגדרות של ה-MCP (Model Context Protocol - הפרוטוקול שקובע איך סוכנים ניגשים למשאבים) מרוכזות במקום אחד, מה שאומר שלא צריך להגדיר הכל מחדש לכל סוכן. ואם אתם מריצים את זה על שרת מרוחק, יש גם תמיכה ב-SSH לפתיחת פרוייקטים מרחוק.

בעיניי, זה סימן למשהו גדול יותר שקורה. אנחנו עוברים מעידן של "סוכן אחד עושה הכל" לעידן של "צוות סוכנים שכל אחד עושה מה שהוא הכי טוב בו". בדיוק כמו שלמדנו לעבוד עם מיקרו-סרוויסים במקום מונוליטים, עכשיו אנחנו לומדים לתאם בין סוכנים מיוחדים במקום להסתמך על סוכן אחד שמנסה להיות טוב בהכל. המפתח להצלחה לא יהיה הסוכן החזק ביותר, אלא היכולת שלנו לתאם ביניהם בצורה חכמה. ומי שיצליח לעשות את זה טוב יותר - יעבוד פי 10 יותר מהר מכולם.

בניתי אוטומציה חדשה - בלי סוכני AI אלא עם שילוב של קריאות LLM, כי לא צריך סתם לדחוף סוכנים כשאין בזה צורך אמיתי.

האוטומציה מקבלת טריגר של עדכון כאשר טרנד מתחיל או כאשר מאמר מתפרסם במגזין טכנולוגי ספציפי שהגדרתי - מחלצת את התוכן - מעבירה ל-LLM שכותב מאמר ביקורת בסגנון שלי. לקח לי המון זמן לדייק את זה אבל אני מרוצה מהתוצאה.

לאחר מכן, התוצאה עוברת ל-LLM נוסף לבצע בקרה על כך שקיבלתי את התשובה בפורמט שרציתי, ובמידה והכל בסדר - LLM נוסף מתחיל לג׳נרט את התמונה לפוסט עם ננו בננה כמובן.

בסוף, הכל מתפרסם אוטומטית בערוצים נתמכים (לינקדין, דף פייסבוק, סלאק). זו דוגמא קלאסית לכך שאם היית בונה סוכן AI שכותב מאמרים בסגנון שלי - אז הייתי משלם הרבה יותר סתם, וגם בשביל מה?

זו תזכורת לכך שהיום צריך להבין מה עושים ולא לרוץ סתם אחר טרנדים. לא תמיד צריך סוכני AI. צריך פשוט להבין מה אנחנו רוצים ומה הכלים שעומדים לרשותנו. אגב, את רוב הזמן שלי בזבזתי דווקא על תיקון תקלות בתהליך האוטומציה - שנבעו מכך שהתשובות לא היו בפורמט שהייתי צריך (לא התקבלו כ-JSON ושברו לי את ה-Parsing, חילוץ המידע ושרשורו הלאה)

בהתחלה חשבתי שג׳מיני יוכל להיות גם ה-LLM שמייצר את הטקסט, אבל כמובן שזה לא עבד והייתי צריך להנדס הכל מחדש עם Cohere ולבסוף כשגם זה לא עבד - הלכתי להכי טוב שהוא כמובן קלוד. ואז הכל עובד חלק, מלבד מי? מייק עצמם שכל פעם משום מה בעת הבנייה הכל עובד חלק אבל כאשר מפעילים את האוטומציה זה אף פעם לא יעבוד כמו שצריך 🤦🏻‍♂️

מתי צריך ומתי לא צריך סוכן AI? בואו תראו את היוז קייס שלי שעושה סדר בדברים (למרות צילום המסך המלחיץ). בגדול: שילבתי קריאות LLM ליצירת טקסט ותמונה לתוכן, אבל גם סוכן AI שיכול לצאת לאינטרנט ולבצע מחקר ולהשוות בין טרנדים בזמן אמת.

נעשה סדר: פיתחתי אתר שמזהה טרנדים בעולם ה-AI והפיתוח ע"י חיבור לגיטהאב ו-HuggingFace. המטרה שלי הייתה פשוטה: כאשר מזהים טרנד חדש, ליצור עליו תוכן מעניין לסושיאל עם תמונה יפה ולפרסם. זהו. זה הכל. אמור להיות פשוט נכון?

בואו נבין רגע את התהליך כדי לראות איפה האתגרים:
1. מאיפה אני מקבל טרנדים בכלל? מצאתי כל מיני קישורים של צד ג' שאני לא יודע אם אפשר לסמוך עליהם, וחלקם בכלל לא עדכניים. חיפשתי RSS וכדומה. מצאתי, לא היה לי מספיק ביטחון במה שקיבלתי. אז מה עשיתי? פיתחתי RSS משלי בהתאם לכל מה שהיה חשוב לי לאסוף.

2. ואז? רציתי לקחת את הכותרת, התקציר והלינק - ולהעביר למודל שפה שייצור מאמר בסגנון שלי. הבעיה פה הייתה שמודל השפה שלקחתי (קוהיר, ג'מיני 3 פרו) החזירו תשובות בשפה חופשית, אבל אני הייתי צריך שהתשובות יחזרו בפורמט JSON כדי שאוכל לשרשר חלקים מסוימים - וזה פשוט לא עבד. אז ניסיתי להגדיר מחלץ טקסטים או מערכים, מה שנקרא Text Parser או JSON Parser, אבל המודלים עבדו לסירוגין, ונשברו המון פעמים כך שהתהליך פשוט קרס. עד שהחלפתי לקלוד סונט 4.5 שאוכף בכח את הסכמה שביקשתי - ועובד כמו קסם.

3. אחר כך היו מיליון בעיות כמו תשובות שחוזרות בפורמט X אבל אני צריך פורמט Y כדי להתקדם. דיבגתי את זה במשך שעות ארוכות מאוד. בסוף פתרתי הכל (למשל, שמירת תמונות של ננו בננה עובדת עם דרייב אבל אי אפשר להתקדם עם התמונות הלאה כי גוגל חוסמת כל מיני דברים, וגם שרת IMGUR נפל, אז בסוף הלכתי על אחסון ב-S3 של AWS וזה עבד חלק

4. בין לבין הייתי צריך להוסיף פילטרים ובדיקות שהתוכן חדש, שלא פרסמתי עליו בעבר, שהנוסח שנכתב הוא בסגנון שלי.

-> תכלס, היה לי תהליך שמקבל טרנד, מייצר פוסט ומפרסם אותו. זה היה אפשרי בגלל ששילבתי קריאות למודל שפה (קלוד) לייצור טקסט ולננו בננה פרו כדי לקבל תמונות. את יתר הדברים הייתי צריך לבנות בצורת אוטומציה קלאסית ממש כפי שהראיתי בקורס האוטומציות וה-AI שהקלטתי שעדיין רלוונטי מתמיד.

ועכשיו, לסוכן ה-AI. תחשבו על זה רגע. אם אין לי סוכן AI, ויש לי רק קריאות LLM, איך אני יכול לקחת רשימת טרנדים שהרגע קיבלתי מה-RSS שבניתי, ולבדוק מה הטרנד הכי חם, ולחפש על כל אחד באינטרנט כדי לוודא שהוא באמת רלוונטי, להבין מה הוא פותר, איך ולמה? אפשר להגדיר תהליכים כאלה באוטומציות אבל זה ייקח נצח ויהיה סיוט. במקום זה, סוכן AI יכול לבצע את המשימה הזו. רק צריך סוכן AI שיכול לחפש באינטרנט, ושיש לו הבנה של המשימה והפרויקט - והוא יחזיר לנו את הטרנד הכי מעניין!

לצערי, סוכני ה-AI במייק עדיין לא יכולים להתחבר בקלות ב-MCP לשירותי גוגל (יש MCP לשירותים אחרים) וטרם פיתחתי חיבור משלי, אז הייתי צריך להגדיר סינונים נוספים ברמת הגוגל שיטס כדי לוודא שאין כפילויות בתוכן וכדומה.
אבל!! שורה תחתונה, קריאות LLM נחמדות לייצור טקסט או תמונות, אבל זה ממש לא מספיק כדי לבצע לוגיקות כמו לצאת לבד לאינטרנט עבור כל טרנד שמגיע ולהשוות בין כולם ולגבש החלטה ולנמק אותה. כאן אנחנו צריכים סוכן עם יכולת לצאת לאינטרנט.

אז החיצים פה מסמנים: הפרויקט שלי TRENDS YUV AI שהוא גם קוד מקור פתוח, שבו הוספתי RSS FEED, שעובר סינונים של גוגל שיטס, ועובר לסוכן AI שמשווה בין הטרנדים ומעביר לקלוד את הטרנד שאיתו צריך להתקדם, בדרך מתגברים על בעיות פירסור נתונים ומחוללים תמונה עם ננו בננה פרו, שומרים ב-AWS, מתעדים הכל ומפרסמים אוטומטית בסושיאל!

מבינים? לא תמיד צריך קוד. לפעמים מספיקה אוטומציה.
לא תמיד מספיקה אוטומציה. לפעמים צריך LLM.
לא תמיד מספיק LLM. לפעמים צריך סוכן AI.

אם כואב לכם הראש - סימן שאתם בכיוון הנכון. זה כמו מכניקת הקוונטים. אי אפשר להגיד שהבנתם אותה אם יצאתם מסשן עליה כשאתם בלי כאב ראש (זה משפט שמיוחס לאחד הפיזיקאים המפורסמים)

אני לגיטהאב קופיילוט עם קלוד אופוס 4.5: ״תפתח לי אתר בסגנון של אפל, שיהיה מותאם למובייל, מיועד לפרסום כתבות באופן אוטומטי עם אינטגרציה טבעית ל-make שיעביר תוכן כתבות עם תמונות״

- משיב על כמה שאלות וממתין בסבלנות - והופ! יש אתר באוויר ויש תהליכי אוטומציה במייק שעוקבים אחר עדכונים ממקורות ספציפיים - וכאשר יש עדכון - הוא מועבר ל-AI לגבש כתבה בסגנון שלי עם ביקורת והכל - ומפרסם אותה אוטומטית.

רק מה? את קוד המקור שחררתי כקוד פתוח, אין פה שימוש בכלל בדאטה בייס, האתר שלי יושב על Vercel ובכל פעם שאני שולח בקשת http ל-api שיצרתי לאתר הזה כדי לפרסם מאמר - מתחיל תהליך עדכון אוטומטי ובום! הכל קורה לבד.

תקלות שהייתי צריך להתמודד איתן שוב ושוב:
- האוטומציה מופעלת אך קורסת בגלל כישלון במשיכת ידיעות חדשות
- סינונים לבדיקת כפילויות (שלא פרסמתי כבר על הידיעה הזו) לא עבדו
- סוכני AI במייק לא מחוברים עדיין ישירות לגוגל שיטס אז צריך עדיין להגדיר ידנית תהליכי אוטומציה בשלבים מסוימים
- תמונות של ננו בננה לא ג׳ונרטו מבלי לציין מה הסיבה - מה שהקשה מאוד לדבג
- הנוסח של המאמרים היה לא מוצלח
- העיצוב לא היה טוב

את כל אחד מהדברים הללו ניסיתי לתקן דרך קלוד קוד וגיטהאב קופיילוט במקביל. שמתי לב שקלוד סונט 4.5 ממש הידרדר בביצועים. מרגיש לי שהוא לא מבין פתאום, מלא שגיאות, משהו נדפק בו לגמרי. מנגד - אופוס 4.5 שעולה פי 3, עובד כמו קסם, פותר הכל, מבין לעומק ומרגיש כמו כלי שמצליח לעשות הכל. לרבות בלוג באנגלית בעיצוב שמזכיר את אפל, עם סרגל התקדמות ועוד.

בקיצור, אוטומציה זה לא פיקניק. צריך המון עבודה ידנית כדי שהיא תעבוד כמו שצריך, ועד שזה עובד - ה LLM נשבר וצריך להחליף מודלים. שווה להשקיע קצת זמן בניהול שגיאות (errors) בצורה יעילה כדי למנוע נפילות כאלה. להגדיר נתיב משני, fallback, עם מודלים אחרים למקרה שהראשונים ייכשלו, ולהוסיף קריאות llm לאימות מבני הנתונים או נכונות התוכן.

אבל זה גם כיף כי עכשיו האתר en-blog.yuv.ai באוויר וזה פשוט כיף לא נורמלי שאני לא צריך לגעת בו יותר והוא כותב את עצמו אוטומטית - וגם מעדכן את פרופיל הגיטהאב שלי אוטומטית! יצאה הנשמה, אבל גם חזרה בסוף.

בעל הבית השתגע!! תשמרו לכם את הפוסט הזה אם אתם רוצים לחסוך זמן: אחרי שיצרתי דיזיין סיסטם עם AI - עכשיו הכנתי לכם במתנה Boilerplate חלומי עם כל מה שצריך כדי להתחיל לפתח עם AI במהירות האור!


🤩 שימוש ב-bun במקום npm (זה javascript runtime, מעין "הכל כלול" לכל מה שצריך כדי לפתר אפליקציות web, מהיר יותר, יעיל יותר)

🤩 nextjs, shadcn, tailwind, lucide

🤩 Google Auth כדי להתחבר לחשבון - אתם צריכים ליצור אפליקציה ב-Google Cloud, להגדיר את המפתחות בקובץ .env ואתם מסודרים!

🤩 הגדלתי לעשות ואפשר להשתמש בכל הטוב הזה ע"י הרצת הפקודה bun create yuv-app my-project והפרויקט אצלכם! רק צריך קודם לוודא ש-bun מותקנת אצלכם

🤩 בבוילרפלייט כרגע יש השוואה מפורטת על npm מול bun, זה מעניין כשלעצמו, אבל כשגוללים למטה יש הצעות לפרומפטים להתחיל לעצב את הפרויקט לוקאלית אצלכם

🤩 ושימוש בדיזיין סיסטם שלי (בהרבה ממנו גם אם לא בכולו) שקיבל השראה מהסגנון הנקי והמהמם של Apple

🤩 תבנית רספונסיבית (מתאימה למובייל)

🤩 שימוש ב-Text To Speech המובנה בדפדפן כדי להקריא טקסטים, שליטה במהירות ובקולות

🤩 סרגל גלילה שמציג את ההתקדמות בקריאת תוכן

🤩 אפקטים של "כניסה ויציאה" בעת הגלילה

🤩 כפתור החלפת מצבים (מצב בהיר \ מצב כהה)

🤩 עיצוב מוכן מראש לכתבות של מאמרים בתצורת בלוג


מה אתם יכולים לעשות? להשתמש ב-bun, להתקין את הפרויקט, להוסיף דאטה בייס משלכם באמצעות sqlite שיש ל-bun או אחד אחר, ויש לכם בלוג + פורטפוליו + בסיס נתונים + הזדהות דרך גוגל. טירוף מוחלט שהחלטתי לתת במתנה! ואת כל זה פיתחתי היום עם קלוד קוד (וחלק עם גיטהאב קופיילוט במקביל) בשילוב אופוס 4.5 וסונט 4.5 אבל הרוב היה עם אופוס 4.5.


אשמח לקרוא אם זה משהו שמעניין אתכם ואם ניסיתם, וכמובן מוזמנים ומוזמנות להשאיר פידבק! יותר מאשמח. הפרויקט זמין גם בגיטהאב שלי כקוד מקור פתוח לטובת הקהילה. מוזמנים להסתכל בגיטהאב תחת hoodini, שם הפרויקט nextjs-bun-starter. תהנו!!!!

https://github.com/hoodini/nextjs-bun-starter לריפו