קבלו את קולקציית הסופגניות החדשה שכוללת ספורט, סנטה קלאוס ואפילו חד קרן! 🤩

איך יצרתי את זה?
- נכנסתי לגרוק והתחלתי לייצר תמונות של סופגניות בכל מיני סגנונות
- את מה שאהבתי שמרתי והעליתי ל Dream Machine של חברת Luma AI המדהימה שיש לה יכולת כיפית של Key Frames שבעצם ממזגת שתי תמונות לפריים אחד (כמו הפריים של סופגניה רגילה ואז אותה סופגניה שנגסו בה, או פריים של סופגניה ריקה וסופגניה שנראית כמו כדור טניס, האנימציה שנוצרת ממש יפה)
- את הכל ערכתי ב CapCut והוספתי מוזיקה דרך טיקטוק

והנה, רעיונות לקולקציה חדשה לסופגניות לחנוכה כבר פה!

אם כבר טילים של החותים בואו תראו איך הפכתי את זה ל-Real Time Marketing (RTM) והכנתי פרסומת למסעדת הלו תימן, עם שימוש בדיוק הזמנים של החותים כספין אוף. זה היה כל כך קל, יצרתי הכל בלומה (הפרומפטים אפילו בעברית) והוספתי טקסט בקאפ קט. זהו!

ידעתם שקיים קובץ ״סודי״ בכלי AI לפיתוח - ושימוש בו עלול לשנות את כל חוויית הפיתוח מקצה לקצה?

בתוכנות המובילות לפיתוח עם AI כמו Cursor או Windsurf יש קובץ הגדרות ״סודי״ שבו אפשר להגדיר מה אנחנו רוצים שה״AI״ יזכור במהלך הפיתוח. בקרסר, למשל, הקובץ נקרא cursorrules. , ב-windsurf זה נקרא Rules תחת Settings.

זה יכול להיות הרעיון הכללי של מה אנחנו מפתחים,
פירוט הטכנולוגיה שבה בחרנו לבצע שימוש - למשל, באיזה חבילות אנחנו משתמשים לצד שרת או לצד לקוח, מה מספר השורות המקסימלי שנרצה שיהיה בכל קובץ כדי לשמור את החלוקה של הקוד נכונה ככל שניתן.

היתרון בעבודה עם הקובץ ״הסודי״ הוא שקוד משתמש בהרבה תווים במסגרת השיחה עם מודל השפה. משכך, אנחנו מגיעים למגבלת חלון ההקשר מאוד מהר. זאת אומרת, מספר התווים שהמודל יכול ״לזכור״ בהקשר של השיחה מבלי ללכת לאיבוד הוא מוגבל. כל מודל והגודל שלו. גודל החלון שלו. ברגע שחורגים מגודל החלון, ההקשר משתבש. דמיינו שבכל פעם שאנו מנהלים שיחה עם מודל השפה, הוא קודם כל פונה לקובץ ההגדרות, מבין מי נגד מי, מכניס זאת להקשר ורק אז ממשיך את השיחה. זה לא מושלם, אבל זה מאוד יעיל וחשוב.

ההבדל המנצח בין פיתוח ״סביר״ לבין פיתוח ״יעיל״ הוא בדיוק בהבנת הדקויות האלה. מי שמתחיל את הפיתוח מתוך תכנון נכון - יפתור לעצמו מלכתחילה המון בעיות שעלולות לצוץ במעלה הדרך.

טיפ נוסף שאהבתי מאוד לגלות הוא לחקור איזה חבילות של JavaScript פותרות בעיות מסוימות (למשל חבילות הגרפים של React Graph או React Drag and Drop או חבילות הוויזואליזציה - יכולות לתת פונקציונליות ויופי לאתר, כל מה שצריך לעשות זה להגיד למודל השפה להשתמש בחבילות האלה, ובאיזה תרחישים וזה ישדרג מאוד את התוצר שלנו).

ודבר נוסף שאהבתי ללמוד מ Tal Florentin בקורס המבריק שלו על חוויית משתמש מנצחת: כאשר מתכננים דשבורדים יש תורה שלמה. אחד מאבי אבות הצגת ניתוחי נתונים בצורה קריאה נקרא אדוארד טאפטה. כשלמדתי את זה מטל, אמרתי לעצמי אוקיי זה יהיה מעניין: אמרתי למודל השפה לבנות לי דשבורד מנתונים כלשהם. היה בסדר אבל מבולגן. הוספתי פרומפט ובו כתבתי: עכשיו עצב מחדש את הדשבורד לפי התיאוריה של אדוארד טאפטה. והופ: המודל שינה לחלוטין את התצוגה הוויזואלית של כל הנתונים והפך הכל לברור וקריא יותר. כמובן שמלכתחילה צריך להגיד מה רוצים שיוצג, אבל אופן התצוגה משתנה לבלי היכר על ידי ה״קטנות״ האלה שאנחנו משלבים.

אלה הסודות שלי לתכנון מנצח של אתר עם כלי AI לפיתוח. חנוכה שמח!

רכשתי קורס של משפיען אינסטגרם מחו״ל ליצירת ועריכת סרטונים וזה חיזק לי את התיאוריה שלי: מי שמשתמש בכלי AI כשהוא מבין את היסודות של הדברים - יצליח להפיק מהם הרבה יותר ערך ולהגיע איתם רחוק הרבה יותר.

כך למשל, מי שמנסה לפתח אתר עם AI אבל חסר לו הבסיס של מה זה אתר ואיך הוא בנוי, איזה חבילות קיימות לצד לקוח וצד שרת, איך לתכנן את הקוד נכון, מה שיקרה הוא שהוא יתקע מתישהו. הקוד ייכנס ללופ ולא יעבוד, יהיה קשה לתקן, או שזה יעלה בהרבה מאוד זמן מאמץ כסף ותסכול.

בנוסף, מי שלא מכיר את יסודות הצילום, זוויות הצילום, תנועות מצלמה, סוגי תאורה, קומפוזיציות - יצליח לקבל תוצרים נחמדים אבל לא מקצועיים מספיק.

מי שמנסה לדבר עם מודל שפה גדול (ChatGPT, קלוד ודומיו) מבלי לדעת מהי מגבלת גודל חלון ההקשר או איך הוא עובד מתחת למכסה המנוע - מהר מאוד יכול למצוא את עצמו מתוסכל כאשר הוא לא יקבל את התוצאות שהוא ציפה לקבל. כאן למשל מקובל לדבר על ״הנדסת פרומפטים״, שהיא דבר חשוב מאוד. זה לא מספיק לבקש ממודל שפה לתכנן פרומפט, כי אם לא מבינים איך פרומפט אמור להיות בנוי - על מגבלותיו ויתרונותיו - פשוט נתקלים בתקרת זכוכית ברורה.

ודבר אחרון, מי שמנסה לקחת את כל זה לשלב הבא ולעבוד בסקייל. זאת אומרת, לקחת את ה-Prototype ולהפוך אותו לאפליקציה, מבלי להבין מראש איך אמורים לתכנן אפליקציה שמיועדת לכמות רבה של משתמשים, ומבלי להבין את העלויות הכרוכות בתחזוקת שרת או קריאות API למודל שפה - פשוט שוב יחוש תסכול רב ומהר מאוד יחפש אחר מושיע כלשהו.

אז המסר שלי, אישית, מכל הסיפור הזה, הוא שלפני שרצים לעבוד עם כלי AI, כדאי מאוד לנשום עמוק ולהשקיע זמן במחקר מקדים וללמוד את היסודות של התוצר שרוצים לקבל מה-AI. אם זה סרטון - ללמוד זוויות צילום, קומפוזיציות וכדומה, אם זה פיתוח - להבין את יסודות תשתית האתר, אם זה ניהול מוצר אז להבין את המתודולוגיות של פיתוח מוצר והובלתו וכך הלאה.

ככל שנעצור לרגע ונקדיש זמן לקבל את היסודות - כך נצליח לרוץ מהר הרבה יותר בהמשך. אז חז״ל אמרו ש״פעמים שביטולה של תורה - זהו קיומה״, וזו בחינה כזו. פעמים שלעצור לפני שרצים, מה שגורם לביטול רגעי של עבודה עם AI, לבסוף יגרום לנו לקיים טוב יותר את הקשר שלנו עם ה AI ולקבל תוצרים טובים יותר.

מקווה שקיבלתם ערך,
חנוכה שמח.
יובל

כשעומר אדם השתלט לי על ההבדלה 🤣
—
איך?
הקלטתי את עצמי מחזן את ההבדלה (לשואלים: מקאם נהוואנד 🤣🤣🤣)
החלפתי פנים בווידאו לעומר אדם (יש כלים כמו FaceFusion וגם MioCreate)
החלפתי את הקול לקול של עומר אדם דרך WeightsGG
ערכתי הכל ב-Kapwing והופ התוצאה לפניכם!
שבוע טוב ובשורות טובות!
יובל

מאמר חדש בבלוג שלי: כל מה שצריך לדעת על פיתוח ובינה מלאכותית בעידן החדש של 2025. מהפכת הקוד סוחפת את העולם. בואו נדבר עליה, על מה זה פיתוח ועל הכלים שיכולים לעזור לנו.

https://yuv.ai/ai-code-101/

השלב הבא של סוכני AI: חברת H Company הצרפתית משחררת טיזרים וגם רישום לגישה מוקדמת, לסוכן שלה H Runner, שמסוגל לבצע פעולות כמו הזמנת לינה בבית מלון, תוך שהוא שולט 100% בדפדפן, בעכבר, ומבצע חיפוש אנושי לחלוטין.

בדמו ששוחרר זה נראה מדהים, אם כי כבר למדנו לא לסמוך רק על הדגמות. שווה להציץ בסרטון המצורף, רישום מוקדם פה:

https://www.runnerh.com/?utm_source=referral&utm_campaign=invitefriend&utm_id=11

מודלים גדולים של שפה ב-90 שניות!

סופסוף הגעתי לזה: לגרום ל-AI ללמוד איך לשחק ב-FluffyBird באמצעות אימון מודל - אין סיפוק כזה! 🧙

ניגש ישירות לעניין, קיימת חבילה בשם gymnasium שבעבר הייתה קרויה gym ופותחה על ידי OpenAI במטרה להנגיש את עולם למידת מכונה מבוססת חיזוקים (Reinforcement Learning). החבילה הזו מאפשרת לנו להתנסות באימון מודלים שלומדים לבד איך לשחק משחקים כמו להנחית חללית על הירח, פינג פונג, ציפור מעופפת שאסור לה לגעת בצינורות וכדומה.

היכולת לגרום ל-AI ללמוד ״לבד״ את כללי המשחק ולראות בעיניים איך הוא נכשל שוב ושוב במשחקים, פעם אחר פעם, אבל פתאום מתחולל הקסם והוא מתחיל להשתפר, עוד ועוד, עד שהוא מתחיל לשחק באמת ולנצח בגדול! אין תחושת סיפוק כמו הרגע הזה כשהוא קורה, באמת זה מרגיש כמו קוסמות! 🧙‍♀️

למידת מכונה מבוססת חיזוקים, היא עולם ומלואו, אבל בואו נחשוב על זה בגדול: כדי ללמוד משהו שאנחנו לא מכירים, אנחנו צריכים הנחיות כלשהן. ה-AI עובר אימון שבמסגרתו נותנים לו מאגר מידע עם המון תרחישים של משחק - והתוצאה שלהם. בנוסף, נותנים לו תגמול על מהלך שמוביל להצלחה, כמו הזזת הציפור בכיוון הנכון, וקנס על מהלך שמוביל להפסד, כמו התנגשות בצינור.

תחשבו על זה, מראים לכם המון תרחישים של משחק ואומרים לכם שהתרחיש הזה הוביל לניצחון, האחר להפסד וכך הלאה, עד שאתם מבינים מה התרחישים שיובילו לניצחון ויודעים לחזות את המהלכים הבאים. יש כאן מורכבות והרבה יותר עומק, כמו למשל מה הההדל בין למידת מכונה שנותנים לה דאטה סט מתויג לבין למידת מכונה מבוססת חיזוקים? מי קובע מה נחשב צעד מוצלח ומה לא? האם גורם אנושי או AI אחר?

הכי בגדול: אנחנו יכולים לאמן ״מדיניות״, ״פוליסה״ (Policy) שהיא בעצם רשת נוירונים שחוזה את המהלך הבא במשחק (כפי שאמרנו: להזיז את הדמות למעלה / למטה / ימינה / שמאלה וכדומה), ברגע שזה קורה, הסוכן שלנו (סופסוף אנחנו מדברים על סוכן אמיתי) שהוא יישות כלשהי, מקבל סביבה שבה הוא אמור להתמצא, כמו ציפור וצינורות, והוא אמור ללמוד שהציפור אמורה לעבור בין הצינורות מבלי להתנגש ולעמוד בקצב הזמן של המשחק.

חברת DeepMind שנרכשה בעבר על ידי Google מתעסקת בדיוק בזה, יש המון חבר׳ה שהשתמשו בזה כדי ליצור AI שמשחק לבד מיינקראפט ושלל משחקים אחרים. זה נשמע לנו מגניב כמשחק, וזה באמת מגניב! אבל תחשבו הלאה, לא רק סוכן שמשחק ומנצח אלופי עולם (כמו שקרה, המשחק Go שבו צריך לסגור על השחקן המתחרה מכל כיוון, היה חלוץ בתחום, ובו ה-AI, AlphaGo, ניצח את אלוף העולם במשחק כי הוא התאמן על המון תרחישים), אלא ״יומנואיד״, רובוט-אנושי, שגם יש לו יכולת לדבר כמו כל מודל שפה, אבל יש לו גם יכולת להבין לבד איך לבשל, איך להכין קפה, איך לנקות, איך לנתח חולים, איך לאבחן מחלות, איך לנהוג ואפילו איך להיות לוחם קומנדו משובח.

כשמתחילים להתעסק בידיים עם הקוד שמאפשר להתנסות בזה, מבינים כמה זה עוצמתי, מרגישים כמו קוסמים, ומבינים למה רשתות נוירונים כבשו את עולם ה-AI משנת 2010 במיוחד, התקופה שבה החלו לנצח בתחרויות.

איזה עידן משוגע לחיות בו! ממליץ לכם בחום להתנסות בחבילה, חפשו Gymnasium RL במנוע החיפוש האהוב עליכם ותנו הזדמנות, זה ממכר וזה מדהים.

שבת שלום 2, בתפילה גדולה מאוד לשובם 🙏

והפעם ברכבת: הכירו את PartyRock של Amazon (AWS) - הכלי שיאפשר לכם לג'נרט אפליקציות מבוססות LLM בחינם וברגעים ספורים!!

להירשם -> להזין הנחייה טקסטואלית (פרומפט) -> להישען לאחור ולנסות ליהנות מהנסיעה ברכבת (עד כמה שאפשר) -> והופ, ברכות: יש לכם אפליקציה מבוססת LLM משלכם! פשוט חפשו AWS PartyRock ותהנו!

איך הופכים אב טיפוס שפיתחתם עם AI - לאפליקציה שמסוגלת לעבוד בסקייל בעולם האמיתי?

בעידן שבו כל אחד ואחת יכולים לפתח בשניות ספורות אב-טיפוס ולפרסם אותו, כדאי לעצור רגע ולהבין איך אפשר מראש לתכנן את המוצר שלנו שיתאים לעבודה בסקייל גבוה, כדי שיהיה מוצר אמיתי ולא סתם עוד אב טיפוס שאיש לא ישתמש בו

למשל, פיתחתם אתר, שילבתם מודל שפה בתוכו. אחלה, מי משלם על קריאות ה-API למודל השפה הזה? ואיך מונעים התעללויות בשליחת הבקשות? (ספוילר: הגדרת Rate Limit, הגבלה על מספר הבקשות שיישלחו למודל שפה בזמן תחום על ידי משתמש, למשל 10 בקשות מקסימום ב-2 דקות). ומה עוד?

מתכננים את האתר מראש בארכיטקטורת 3 הטירים שהגדירו אמזון: שכבת האפליקציה, זו החזית שפוגשת את המשתמש, שכבת הלוגיקה, זה השרת שמבצע פעולות מאחורי הקלעים, ושכבת הדאטה, זה החיבור לבסיסי הנתונים

מפרידים חלקים מרכזיים בלוגיקה לרכיבים קטנים, זו נקראת גישת מיקרו-שירותים, למשל: הרשמה, התחברות, דשבורד, בלוג, גלריה, צ׳אט וכדומה, כל דבר שירות נפרד כדי שבבא העת ניתן יהיה לשנות מה שצריך בקלות מבלי לפגוע ביתר הקוד

חלוקת הקוד למקטעים הגיוניים, פיצול הקוד לקבצים נפרדים, יחסית קטנים, במקום קובץ ענק

אם פונים באתר ל-LLM, מוסיפים קודם שכבת מטמון, Cache, כדי לוודא שמידע שכבר התקבל יוצג ישירות למשתמש מבלי סתם לפנות ל-LLM ולבזבז כסף

מוסיפים שכבות בדיקה לפני שמחזירים תשובה מה-LLM למשתמש, כמו Guardrails שזה בדיקות חוקיות שמוודאות שהתשובה עומדת בקריטריונים של אתיקה, מהימנות המידע, רלוונטיות וכדומה

קריאות API אפשר להגדיר כ-Serverless כדי לחסוך בעלויות ולשלם רק לפי שימוש מבלי לתחזק שרת

הוספת שכבות CDN להנגשה מהירה יותר של האתר ממגוון איזורים בעולם

הגדרת מאזן עומסים, Load Balancer, שיודע לחלק עומסים בין שרתים בעת הצורך

הוספת חומת אש אפליקטיבית להגנה מפני מתקפות (כמו WAF חינמי של Cloudflare)

חיבורים לבסיסי נתונים מתבצעים באמצעות הפרדה של קטעי הקוד של ההתחברות, שאילתות מוגדרות מראש, כדי למנוע מצבים של הזרקות קוד
מוודאים שאין מפתחות סודיים ששמורים בקוד
מוודאים שמצב Debug לא פעיל
מוודאים שהגדרות חיבור לשרת לוקאלי (localhost) לא מפנות לשרת לוקאלי אלא לכתובת של השרת שעליו יושב באתר
מוודאים שמשתמשים במשתני סביבה כדי להגדיר חיבורים למפתחות סודיים
מוודאים שיש קובץ gitignore ובו מצוין בפירוש מה *לא* להעלות לאוויר
מבצעים הפרדה בין שרת פיתוח לשרת פרודקשן
מתעדים פעולות של משתמשים באתר (לוגים) - זה עוזר לנתח את התנהגות המשתמשים בהמשך
מטמיעים hotjar לקבלת מפת חום
הטמעה של קוד מעקב (גוגל אנליטיקס, פייסבוק פיקסל) לניתוח מידע המשתמשים

בנוסף, מקומות בלוגיקה שבהם פונים ל-LLM, להגדיר Rate Limit כדי למנוע Abuse למפתחות, וגם להגדיר תוקף למפתחות

במידה ושומרים עוגיות - להגדיר תצוגה שמסבירה מה שומרים ומה לא, ולתת למשתמשים אפשרות לדחות עוגיות לא הכרחיות, וגם לאפשר להם להסיר את עצמם ממאגר המידע של המשתמשים

לוודא שעומדים בכללי נגישות כדי לחשוב גם על אנשים עם מוגבלויות

מומלץ גם להשתמש בסורק פגיעויות כמו Owasp Zap כדי לבדוק מה רמת ההגנה של האתר

אני יודע שיש כאן המון דברים שכתבתי, אבל אם לא חושבים על כל זה, מהר מאוד מגלים כמה דברים חסרים לנו, כמה תקלות עלולות להופיע, ולרדוף אחרי הזנב של עצמנו.

את התובנות האלה למדתי בידיים בעשור וחצי האחרונים, וככל שאני רואה את נסיקת עולם הפיתוח וה-AI, אני מרגיש חובה לכתוב על כך. מקווה שקיבלתם ערך,
יובל

במקום להעתיק מאחרים - תהיו עסוקים בלייצר תוכן שייחודי לכם ושאף אחד לא יוכל לגנוב מכם

כמות הפעמים שאני רואה שאני כותב על כלי מסוים ואז באורח פלא הוא מועתק - ללא קרדיט - לפוסט של מישהו אחר, היא בלתי נתפסת. עכשיו אני מבין שאין לי בעלות על אף כלי וזה באמת בסדר שעוד מפרסמים, אבל כשזה בסמיכות מיידית לפרסומים קודמים שלי ועוד ללא שום אזכור, זה גורם לי להתעורר מהאוטופיה שיש לפעמים בקהילת ה-AI.

אני עובד אחרת לגמרי מזה. אותי מניעה אמרת חז״ל: ״כל האומר דבר בשם אומרו - מביא גאולה לעולם״. למה? כי כאשר מצטטים מי אמר משהו, זה גם מקבל תוקף, אבל גם אותו אחד שאמר את הדבר מרגיש שלא גנבו לו, ואם גונבים לו - הוא כועס. אז כדי למנוע מצבים של כעס ותככים, אומרים דברים בשם אומרם, ומביאים כך גאולה לעולם כי אנשים רגועים יותר ויש שלום ביניהם.

לכן אני מאוד מאוד מאוכזב כשאני רואה פעם אחר פעם את אותו הדבר. כל פעם במקום אחר, בין אם זה כלפיי אישית (שזה קורה המון) ובין אם זה כלפי תוכן של אחרים שאני רואה שפשוט מעתיקים להם וגונבים להם ללא שום אזכור.

זה גורם לי להבין משהו פשוט אבל עקרוני מאוד: אנשים יעתיקו את התוכן שלי בכל מה שקשור לכלים עליהם אני מפרסם, וגם לא יתנו קרדיט. ושוב, אני לא אומר שאסור להם לפרסם ושיש לי בעלות או בלעדיות, ממש לא, אני מדבר נטו על הסמיכות. פרסמתי -> באותו יום או למחרת פתאום מפרסמים אותו הדבר (ולרוב עם מידע כוזב ומוטעה). אבל! למרות שמעתיקים את התוכן שלי, הכי חשוב מבחינתי זה להבין שאת הידע וההסברים שלי אף אחד לא יוכל לגנוב לי כי מה שלמדתי הוא שלי, והדרך שבה אני מסביר על דברים היא שלי. אז על אף שיש מי שגונב, הוא לא באמת יצליח לתת ערך חדש אף פעם ותמיד יהיה עם תקרת זכוכית של מיחזור דברים, בעוד שאצלי, אני כל הזמן מנסה לחשוב מחוץ לקופסא ולמצוא לא רק כלים חדשים אלא בעיקר מקרי בוחן מעניינים ופרקטיים שבהם אפשר להשתמש.

אני גם חושב שמי שמעתיק ואפילו לא נותן קרדיט, צריך להיות כל כך חסר ביטחון כדי להראות שהוא זה שפרסם והוא זה שיודע את התוכן, בעוד שמי שמלא בתוכן - דואג לתת, להזכיר, לתייג, לפרגן. אני חושב שגם זה המסר: במקום להעתיק מאחרים - תהיו עסוקים בלייצר תוכן שייחודי לכם ושאף אחד לא יוכל לגנוב מכם.

ל-Amazon Web Services (AWS) יש שני גני עדן של AI שעוזרים לנו לפתח מוצרים וסוכנים מבוססי Gen AI או Machine Learning - והגיע הזמן להכיר אותם: הראשון נקרא BedRock והשני נקרא SageMaker

שניה של רקע: כאשר אנחנו רוצים להחצין מוצר שפיתחנו הכל מתחיל להסתבך. איפה שומרים אותו? איך דואגים שהוא יהיה נגיש לכולם? איך עוקבים אחר תקלות? כמה כל זה יעלה?

בעבר הכל היה יחסית ברור. קונים מחשב חזק ומתקינים עליו תוכנה שהופכת אותו ממחשב רגיל לשרת שמסוגל להתמודד עם אחסון, אירוח ועוד דברים יפים וטובים. כאשר היה צורך להגדיל את זיכרון המחשב בשל תנועה גדולה יותר לאתר שלנו, פשוט קנינו עוד חומרה והוספנו אותה פיזית. מהר מאוד הכל החל להסתבך - מה שנתן את המוטיבציה להקים שירותי ״ענן״, שזה בעצם לסמוך על ספקי טכנולוגיה שיעשו את כל הדברים המסובכים עבורנו מבלי שנצטרך לקנות בעצמנו חומרה פיזית. אנחנו רק צריכים להתחבר לאתר שלהם, לענן שלהם, להגדיר כמה הגדרות, והופ: אנחנו משלמים על צריכת יחידות עיבוד מחשוביות, כוח מחשובי, מבלי לקנות בורג אחד פיזי. ולא רק זה, הענן מאפשר לנו גם לגדול לפי הצורך בקלות, לחבר שירותים מגוונים כמו אבטחה, התאוששות מאסון ועוד.

העוד הזה הוא מעניין. כי ספקיות ענן, כמו מייקרוסופט גוגל ואמזון, הרחיבו את סל השירותים שנכלל בענן. כך למשל, מייקרוסופט פיתחה סטודיו שלם ל-Machine Learning ול-Generative AI בענן שלה שנקרא Azure, גוגל גם הרחיבה את סל השירותים שלה בענן שלה שנקרא Vertex ומאפשר חיבורים למודלים השונים של Gemini, וכך גם אמזון שהשיקה את AWS, פלטפורמת שירותי הענן שלה שמכילה כמות אדירה של פתרונות מחשוב, לרבות פתרונות Generative AI.

חזרה לגני העדן. הראשון, בדרוק, נגיש דרך ממשק הניהול הגרפי שנקרא Console, או דרך חבילת הפיתוח של אמזון שנקראת Boto. בבדרוק אפשר להתנסות במודלים של אמזון או בקטלוג עצום של מודלים, בין אם זה לטקסט, לתמונות, לווידאו, לקוד או אפילו לייעוץ אופנה. אפשר גם להקים סוכני AI, להגדיר מאגרי ידע, לתת להם כלים, לחבר בסיסי נתונים וקטוריים, להגדיר הרשאות, להקים תשתיות ולאפשר למוצר שלנו לעבוד בסקייל גדול. Out of the box!

גן העדן השני, הוא SageMaker, אפשר לפתח בו מודלים משלנו, של LLM, לבצע Fine Tune, לאמן מודלים בקלות יתירה, להכין ולתייג דאטה לאימון, לבצע את כל תהליך האימון גם מבלי להיות מדעני נתונים, ואפילו לקבל את כל המטריקות של האימון כדי להבין מה עבד טוב ומה פחות. ב-SageMaker יש לנו גם יכולת להריץ קוד במחברות, בדומה ל-Jupyter או Databricks וכדומה. קל נגיש ונוח.

צריך לומר שיש עקומת למידה כשעוברים לעבוד עם ענן, בין אם הוא גן עדן של AI או לא. אבל ברגע שעוברים את המשוכה הזו, הכל הופך להיות הרבה יותר קל כי אז השאלות הקשות של איך להפוך את אב הטיפוס שלי למוצר אמיתי של ממש שעובד בסקייל גדול - הופכות למיותרות (כמעט) כי הכל נתמך ישירות ב-AWS או בענן של החברות האחרות, אז זה כיף גדול ומקל עלינו מאוד.

התחרות בין שירותי הענן פועלת לטובתנו. איפה שלא תבחרו תמצאו קטלוג אדיר של שירותי AI, בין אם זה טקסט לדיבור, וידאו, אודיו, טקסט, מדיה, כל מה שעולה על דעתכם - קיים, וזה כיף גדול שאין כמותו (במיוחד אם יש תקציב 🤣)

צריך גם לציין ש-AWS זכתה במכרז נימבוס, המכרז הממשלתי לספק שירותי תשתית ענן לכל משרדי הממשלה, עומדת בתקינה מחמירה ונחשבת בעולם כאחד הפתרונות המובילים לחברות בכל הגדלים. זה לא פוסט ממומן ואני לא איש מכירות, זה נטו כדי לתת ערך, ומקווה שקיבלתם כזה!

ערב טוב,
יובל

מבטיח - ומקיים: בחנתי את היכולת החדשה של Lovable להתממשק ל-Figma ולהפוך עיצוב למוצר של ממש - וסיכמתי לכם את כל מה שאתם צריכים לדעת!



קצת רקע:

אתר Lovable מאפשר לנו לפתח מוצרים עם AI על ידי הנחיות טקסטואליות (פרומפטים) בלבד, הוא שונה מהכלים האחרים בכך שהוא מצליח לפתח אתר מקצה לקצה, לרבות חיבור לבסיסי נתונים ופרסום האתר באוויר - בצורה פשוט מצוינת וחלקה שחוסכת המון זמן וכאבי ראש. יש הגבלה של 5 בקשות ביום במסלול החינמי - וגם זה לפעמים יספיק לנו.



הכלי Figma הוא כלי עיצובי. מעצבי ממשקי משתמש (UX/UI) חיים ונושמים את הכלי הזה, מעצבים בו כל מה שאפשר להעלות על הדעת בעולמות המוצר. קיימות תבניות חינמיות שאפשר להשתמש בהן, או לעצב מאפס. חשוב להבין: זה כלי למעצבים, לא כלי למפתחים.



אתר Builder io פיתח תוסף, פלאגין, שנכנס בתווך, בין Lovable ל-Figma, ומה שהוא עושה זה לקחת תבנית שנוצרה בפיגמה - וממיר אותה לקוד. זאת אומרת, ממקום עיצובי - אפשר להמיר את העיצוב לקוד - ואז המפתחים יכולים לקחת את זה מכאן. זה מאפשר למפתחים להשתמש בתבניות יפות, ומאפשר למעצבים להתקדם לעבר פיתוח המוצר שלהם.



ועכשיו ליופי: לאחרונה Lovable הכריזו על חיבור בין Figma ל-Lovable דרך Builder io. מה שזה אומר: אם נתקין את התוסף של Builder io ב-Figma, נבחר תבנית ונלחץ על Export to Code, התוסף ייפתח, ימיר את העיצוב לקוד, ואז יאפשר לנו לבחור ב-Open in Lovable, לפתוח את הקוד ב-Lovable כדי שהוא יקח את זה מכאן.



ואז הקסם קורה: כאשר לוחצים על פתיחה ב-Lovable, הפרומפט להפוך את האתר לעיצוב אוטומטית נשתל בממשק, הקוד מצורף אוטומטית, וברגעים ספורים העיצוב שלנו קורם עור וגידים והופך למוצר של ממש, לקוד, ובלחיצות ספורות נוספות אפשר לשמור את הקוד שלנו ב-GitHub ולפרסם אותו לכל העולם ע״י לחיצה על Deploy וכך האתר מוחצן דרך שרתי Lovable, וכל מה שנשאר הוא לשנות את כתובת האתר, מה שנקרא את הפניות ה-DNS כדי שדומיין (שם אתר) בבעלותנו ינגיש את המוצר שפיתחנו תחת הכתובת שלנו ולא תחת כתובת רנדומלית של Lovable.



צריך לציין שכמובן אפשר לייצא את הקוד הסופי מ-Lovable ולאחסן את האתר איפה שאנחנו רוצים: בין אם זה ב-AWS, Azure, GCP, שרת פרטי, ענן פרטי וכדומה.



את הווידאו הזה לקחתי מיוטיוב והשארתי רק את ההמחשות של מה שכתבתי פה (ניסיתי להקליט ברכבת אבל לא הלך לי בגלל האינטרנט לצערי), אתם יכולים לצפות בסרטון המלא של הבחור אם תחפשו ביוטיוב: Brand NEW Lovable x Figma Integration (Build Amazing UI)



ולגבי ההעתקות של התוכן שלי - אני מניח לעצמי שזה יקרה גם כאן, אבל אני יודע שהיכולת להסביר, לחשוב מחוץ לקופסא, לדמיין וליצור - אותה אי אפשר לגנוב לי, אז גם אם תראו תוכן דומה ומועתק, תזכרו שמה שחשוב זה לעקוב אחר יצירתיות ולא אחר רשימות כלים.



מקווה שקיבלתם ערך, אותי הדבר הזה העיף!!!

יובל