הנדסת פרומפטים מתקדמת: שרשור, תפקידים ופורמטים מובנים

אם כבר שלחתם כמה מאות פרומפטים ל-ChatGPT, Claude או Gemini, אתם מכירים את התחושה: התשובה “בסדר”, אבל לא בדיוק מה שרציתם. אתם מנסחים מחדש, מוסיפים “אבל תעשה את זה יותר קצר”, ואחרי ארבעה סבבים מתפשרים על משהו שאפשר לחיות איתו.

המדריך הזה נועד למי שכבר עבר את שלב “מה זה פרומפט” ורוצה לעבור לשלב הבא: לבנות פרומפטים שעובדים באופן עקבי, גם על משימות מורכבות, וגם כשמריצים אותם עשרים פעם עם קלט שונה. נעסוק בשלוש טכניקות שמשלימות זו את זו:

1. שרשור (Chaining) — פירוק משימה גדולה לרצף של פרומפטים קטנים, שכל אחד מזין את הבא.
2. תפקידים (Roles/Personas) — הגדרת “מי” עונה לכם, בצורה שבאמת משנה את התוצאה ולא רק מקשטת.
3. פורמטים מובנים (Structured Output) — קבלת פלט בטבלה, ב-JSON או בתבנית קבועה, כך שאפשר להשתמש בו ישר בלי לערוך.

כל דוגמה כאן היא בעברית ומוכנה להעתקה. אם אתם עדיין בתחילת הדרך, מומלץ להתחיל במדריך הבסיס ולחזור לכאן אחר כך.

למה פרומפט אחד גדול כמעט תמיד מפסיד לשלושה קטנים

הטעות הכי נפוצה של משתמשים מתקדמים היא לדחוס הכול לפרומפט אחד: “תקרא את המסמך, תסכם, תמצא סתירות, תציע שיפורים, ותכתוב מייל ללקוח”. המודל ינסה לעשות הכול — וכל חלק יצא בינוני. הסיבה פשוטה: כשיש חמש משימות, תשומת הלב של המודל מתפזרת, וכל שגיאה בשלב מוקדם מזהמת את השלבים הבאים בלי שתוכלו לעצור אותה.

שרשור פותר את זה בדיוק כמו שמנהל פרויקט היה עושה: שלב → בדיקה → שלב הבא. היתרונות:

• אתם רואים את תוצר הביניים. אם הסיכום בשלב 1 פספס נקודה, מתקנים לפני שהמייל נכתב.
• כל פרומפט קצר וממוקד, ולכן הוראות לא “נבלעות”.
• אפשר להחליף מודל באמצע. למשל: שלב איסוף ומיון ב-Gemini (חלון הקשר גדול, נוח למסמכים ארוכים), ושלב הניסוח הסופי ב-Claude שנוטה לעברית רהוטה יותר.

תבנית שרשור בסיסית בשלושה שלבים

שלב 1 — חילוץ:

הנה תמלול של פגישה עם לקוח (מצורף למטה).
המשימה שלך בשלב הזה היא אחת בלבד: לחלץ עובדות.
אל תסכם, אל תפרש, אל תציע.
החזר רשימה ממוספרת של כל ההחלטות, הבקשות והמספרים שהוזכרו, כל אחד במשפט אחד.
אם משהו לא ברור בתמלול, כתוב "[לא ברור]" ליד הפריט במקום לנחש.

תמלול:
"""
[הדביקו כאן]
"""

שלב 2 — ניתוח (בהודעה חדשה, עם הפלט של שלב 1):

להלן רשימת עובדות מפגישה. בהתבסס עליה בלבד — ללא ידע חיצוני —
סווג כל פריט לאחת משלוש קטגוריות: "לביצוע שלנו", "לביצוע הלקוח", "פתוח/דורש הבהרה".
הצג בטבלה עם העמודות: מספר | הפריט | קטגוריה | דחיפות (גבוהה/בינונית/נמוכה) | נימוק קצר.

הרשימה:
[הדביקו כאן את פלט שלב 1]

שלב 3 — תוצר סופי:

כתוב מייל סיכום ללקוח בעברית, עד 150 מילים, בטון מקצועי וחם.
בסס את המייל אך ורק על הטבלה המצורפת.
מבנה: משפט פתיחה, רשימת "מה אנחנו עושים עד [תאריך]", רשימת "מה נדרש מכם", משפט סיום.
אל תוסיף פריטים שלא מופיעים בטבלה.

הטבלה:
[הדביקו כאן את פלט שלב 2]

שימו לב לביטוי שחוזר: “בהתבסס על X בלבד”. זה העוגן שמונע מהמודל “להשלים פערים” מדמיונו — הבעיה מספר אחת בעבודה מרובת שלבים.

שרשור מתקדם: שיחה חדשה או אותה שיחה?

שאלה שמעטים שואלים: האם להריץ את השרשרת באותה שיחה או לפתוח חדשה לכל שלב?

באותה שיחה — נוח, והמודל זוכר הקשר. אבל אחרי 10-15 הודעות, ההוראות המוקדמות “נשחקות”: המודל מתחיל להתעלם מהנחיות הפורמט שנתתם בהתחלה. ב-ChatGPT ו-Gemini תראו את זה בעיקר כשהשיחה מתארכת; ב-Claude הפרויקטים (Projects) עוזרים לשמור הוראות קבועות, אבל גם שם עדיף לא להסתמך על זיכרון ארוך.

שיחה חדשה לכל שלב — הגישה של המקצוענים. כל שלב מקבל בדיוק את מה שהוא צריך: הוראה + תוצר השלב הקודם. אין “רעש” משלבים קודמים, וקל לחזור על שלב בודד אם התוצאה לא טובה.

הכלל המעשי: משימה עם 2-3 שלבים — אותה שיחה. משימה עם 4 שלבים ומעלה, או שרוצים להריץ שוב ושוב — שיחה חדשה לכל שלב.

טיפ שחוסך הרבה זמן: שמרו לעצמכם קובץ טקסט עם הפרומפטים של כל שלב, עם מקום מסומן [הדביקו כאן]. ככה “שרשרת” הופכת לתהליך שאפשר להריץ בחמש דקות, ואפשר גם לבקש מחבר בצוות להריץ אותו בלי הסבר.

הטכניקה של “מבקר עצמי”

אחד השלבים הכי משתלמים להוסיף לכל שרשרת הוא שלב ביקורת בשיחה חדשה. המודל שכתב את הטקסט נוטה לאשר את עצמו; מודל “טרי” שרואה רק את התוצר — הרבה יותר קשוח:

אתה עורך קפדן. קיבלת מייל שנכתב על ידי עמית (מצורף).
אל תשכתב אותו. במקום זה, החזר רשימה של עד 5 בעיות בלבד, מסודרות לפי חומרה:
- עובדות שנשמעות מומצאות או לא מבוססות
- משפטים שנשמעים כמו תרגום מאנגלית
- הבטחות ללקוח שאין לנו יכולת לעמוד בהן
- טון לא אחיד
לכל בעיה: ציטוט המשפט הבעייתי + הצעת תיקון במשפט אחד.
אם המייל תקין, כתוב "לא נמצאו בעיות מהותיות" ואל תמציא בעיות.

המייל:
[הדביקו כאן]

השורה האחרונה חשובה: בלי היתר מפורש “לא למצוא כלום”, מודלים נוטים להמציא ביקורת רק כדי לספק את הבקשה.

תפקידים: מתי “אתה מומחה” באמת עוזר ומתי זה סתם קישוט

כולם מכירים את “אתה מומחה שיווק עם 20 שנות ניסיון”. האמת הלא נעימה: המשפט הזה לבדו כמעט לא משנה כלום במודלים העדכניים. הם כבר “יודעים” שיווק. מה שמשנה הוא לא התואר, אלא ההגדרות שמגיעות איתו: מה התפקיד מעדיף, מה הוא שונא, מה הוא מסרב לעשות, ואיך הוא מדבר.

השוו:

חלש: אתה יועץ פיננסי מומחה. תן לי עצה על חיסכון.

חזק: אתה יועץ פיננסי שעובד עם משפחות צעירות בישראל. אתה לא ממליץ על מוצרים ספציפיים ולא נותן ייעוץ השקעות אישי — רק מסביר עקרונות ושואל שאלות. אתה מדבר בעברית פשוטה, בלי ז’רגון, ובכל תשובה אתה מסיים בשאלה אחת שעוזרת לי להתקדם. אם אני מבקש משהו שמצריך יועץ מוסמך, אתה אומר את זה במפורש.

הגרסה החזקה מגדירה גבולות (מה לא לעשות), סגנון (עברית פשוטה), מבנה (סיום בשאלה) והתנהגות במקרי קצה (הפניה ליועץ). זה מה שמייצר עקביות.

תבנית תפקיד מלאה

תפקיד: [מי אתה, לאיזה קהל אתה עובד]
מטרה: [מה אתה מנסה להשיג בשיחה הזאת]
מה אתה עושה: [2-3 נקודות]
מה אתה לא עושה: [2-3 נקודות — זה החלק החשוב]
סגנון: [שפה, אורך, טון, גוף פנייה]
כשלא בטוח: [מה לעשות — לשאול / לציין חוסר ודאות / לסרב]

תפקידים מרובים באותה משימה

טכניקה שמעטים משתמשים בה: להריץ את אותה שאלה מול 2-3 תפקידים שונים ולהשוות. למשל, לפני השקת מוצר:

אני עומד להשיק [תיאור המוצר]. ענה על השאלה "מה עלול להיכשל?" משלוש נקודות מבט, כל אחת בנפרד ובאורך של עד 80 מילים:

1. לקוח סקפטי שכבר נכווה ממוצרים דומים
2. מנהל כספים שרואה רק מספרים
3. איש תמיכה שיקבל את התלונות ביום הראשון

אל תסכם בסוף ואל תנסה לפשר בין הדעות. אני רוצה את החיכוך.

“אל תנסה לפשר” זה מה שמונע מהמודל לייצר את התשובה הפושרת שהוא נוטה אליה. בנוסף, ב-Claude וב-ChatGPT אפשר לשמור תפקיד כזה כהוראה קבועה (Projects / Custom Instructions / GPTs מותאמים) ולא להדביק אותו בכל פעם.

פורמטים מובנים: הפלט שלא צריך לערוך

אם אתם מעתיקים את תשובת המודל לאקסל, למערכת CRM, לקוד או למסמך — אתם רוצים פלט בפורמט קבוע, לא פסקה חופשית. שלוש רמות:

רמה 1: טבלה במרקדאון

הכי פשוט, ועובד בכל הכלים. המפתח הוא להגדיר את העמודות ואת הערכים המותרים:

הצג בטבלה בלבד, בלי טקסט לפני או אחרי.
עמודות: שם המשימה | אחראי | תאריך יעד (בפורמט DD/MM/YYYY) | סטטוס (אחד מ: פתוח / בתהליך / הושלם)
אם ערך לא ידוע, כתוב "—" ולא תנחש.

“בלי טקסט לפני או אחרי” חוסך את “בטח! הנה הטבלה שביקשת:” שהורס הדבקה לגיליון.

רמה 2: תבנית קבועה עם שדות

מתאים לדברים שחוזרים על עצמם — דוחות שבועיים, סיכומי שיחות, כרטיסי מוצר:

החזר את התשובה בדיוק במבנה הבא, בלי לשנות את שמות השדות ובלי להוסיף שדות:

כותרת: [עד 8 מילים]
תקציר: [משפט אחד]
נקודות עיקריות:
- [נקודה 1]
- [נקודה 2]
- [נקודה 3]
פעולה מומלצת: [משפט אחד, מתחיל בפועל]
רמת ביטחון: [גבוהה / בינונית / נמוכה] — [נימוק במשפט]

שדה “רמת ביטחון” הוא טריק שכדאי לאמץ בכל פרומפט רציני: הוא גורם למודל להצהיר מתי הוא מנחש, ולכם — לדעת מה לבדוק.

רמה 3: JSON לאוטומציות ולקוד

אם הפלט הולך לסקריפט, ל-Make/Zapier או ל-Google Sheets דרך API, בקשו JSON. ההבדל בין “בערך JSON” ל-JSON שבאמת נטען:

החזר JSON תקין בלבד, בלי הסברים ובלי בלוק קוד מסביב.
סכמה:
{
  "customer_name": string,
  "sentiment": "positive" | "neutral" | "negative",
  "issues": string[],   // רשימה ריקה אם אין
  "needs_followup": boolean,
  "summary_he": string  // משפט אחד בעברית
}
כללים: מפתחות באנגלית בדיוק כמו בסכמה, ערכי טקסט בעברית. אל תוסיף שדות. אם אין מידע לשדה — null.

שני דברים שכדאי לדעת: ראשית, ב-API של OpenAI, Anthropic ו-Google קיימות אפשרויות ייעודיות לפלט מובנה (structured outputs / tool use עם סכמה) שמבטיחות JSON תקין ברמת המערכת — אם אתם מפתחים, זה עדיף על הבטחות בפרומפט. שנית, בממשק הצ’אט הרגיל, הוראת “בלי בלוק קוד מסביב” לא תמיד מכובדת; פשוט הסירו את ה-``` ידנית או בקשו שוב.

טריק ה”דוגמה אחת” (One-shot)

ההוראה הכי חזקה לפורמט היא לא תיאור — אלא דוגמה. במקום להסביר איך הטבלה צריכה להיראות, תנו שורה אחת ממולאת:

המר את רשימת הלידים למבנה הבא. דוגמה לשורה אחת:
| דנה לוי | 052-1234567 | מעוניינת בחבילה עסקית | לחזור ביום ראשון |

עכשיו המר את כל הרשימה:
[הדביקו כאן]

דוגמה אחת שווה חמש שורות הסבר — במיוחד בעברית, שבה ניואנסים כמו “מעוניינת” (נקבה) לעומת “מעוניין” נשמרים בדיוק לפי הדוגמה.

לחבר את הכול: שרשרת אמיתית מהחיים

נניח שאתם צריכים להפוך 30 ביקורות לקוחות מגוגל לתובנות ולתגובות. כך זה נראה כשמחברים את שלוש הטכניקות:

שלב א’ — מיון מובנה (Gemini או ChatGPT, בגלל הכמות):

תפקיד: אנליסט שירות לקוחות. אתה לא מפרש כוונות — רק מסווג לפי מה שכתוב.
לכל ביקורת החזר שורה בטבלה: מספר | דירוג כוכבים | נושא עיקרי (אחד מ: מחיר / שירות / איכות / זמני אספקה / אחר) | ציטוט קצר מהביקורת | דורש תגובה (כן/לא)
"דורש תגובה" = כן רק אם יש תלונה קונקרטית או שאלה.
טבלה בלבד, בלי סיכום.

הביקורות:
[הדביקו כאן]

שלב ב’ — תובנות (שיחה חדשה):

להלן טבלת סיווג של 30 ביקורות. בהתבסס עליה בלבד:
1. מהם שלושת הנושאים שחוזרים הכי הרבה בביקורות של 1-3 כוכבים? ציין כמה פעמים כל אחד.
2. האם יש תלונה שמופיעה רק פעם אחת אבל חמורה במיוחד? אם לא — כתוב "אין".
3. הצע פעולה אחת לכל נושא, שאפשר לבצע בשבוע הקרוב.
פורמט: תבנית עם השדות "נושא / מספר אזכורים / פעולה מוצעת". רמת ביטחון בסוף.

הטבלה:
[הדביקו כאן]

שלב ג’ — תגובות (שיחה חדשה, Claude מומלץ לניסוח):

תפקיד: מנהל/ת של [שם העסק], עונה לביקורות בגוגל. סגנון: עברית מדוברת אבל מכבדת, עד 60 מילים לתגובה, בלי אימוג'ים, בלי "אנו מצטערים על אי הנוחות". לעולם לא מתווכח עם הלקוח ולא מבטיח פיצוי ספציפי.
לכל ביקורת שמסומנת "דורש תגובה = כן" כתוב תגובה. אזכר פרט אחד מהביקורת עצמה כדי שיהיה ברור שקראנו.
פורמט: מספר הביקורת ואז התגובה. בלי הקדמות.

הטבלה:
[הדביקו כאן רק את השורות הרלוונטיות]

שלוש שיחות, כעשר דקות עבודה, ותוצר שבעבר היה לוקח שעתיים. ואם התוצאה בשלב ג’ לא מספיק טובה, מתקנים רק אותו — שלבים א’ ו-ב’ נשארים כמו שהם.

טעויות נפוצות

1. שרשור בלי בדיקת ביניים. מריצים שלושה שלבים ברצף בלי לקרוא את תוצר שלב 1. אם שם הייתה טעות, כל השרשרת מבוזבזת. תמיד קראו את תוצרי הביניים, לפחות ברפרוף.

2. תפקיד בלי “מה לא לעשות”. “אתה מומחה” בלי גבולות מייצר תשובות כלליות. החלק הכי מועיל בהגדרת תפקיד הוא רשימת האיסורים.

3. לבקש פורמט ולתת דוגמה שסותרת אותו. אם ביקשתם תאריכים בפורמט DD/MM/YYYY ובדוגמה כתבתם “15 במרץ” — המודל ילך אחרי הדוגמה. הדוגמה תמיד מנצחת את ההוראה.

4. לשכוח לטפל במקרה “אין מידע”. בלי הוראה מפורשת (“אם לא ידוע — כתוב null / — / [לא ברור]”), המודל ימלא את השדה בניחוש סביר שנראה כמו עובדה. זו הדרך הכי נפוצה שבה הזיות נכנסות לטבלאות.

5. פרומפט ענק בעברית עם הוראות סותרות. “תהיה תמציתי” ואז “פרט כמה שיותר”. קראו את הפרומפט שלכם פעם אחת כאילו אתם עובד חדש — אם יש שתי הוראות שלא מסתדרות, המודל יבחר אחת באקראי.

6. לסמוך על שיחה ארוכה שתזכור פורמט. אחרי עשרות הודעות, הפורמט שהגדרתם בהתחלה מתחיל להישחק. חזרו על ההוראה בקצרה, או פתחו שיחה חדשה.

7. לערבב עברית ואנגלית בשמות שדות. ב-JSON או בטבלאות שהולכות לקוד, בחרו שפה אחת למפתחות (בדרך כלל אנגלית) והשאירו את העברית לערכים. ערבוב מייצר באגים מוזרים בהמשך.

סיכום וצ’קליסט התחלה

שלוש הטכניקות במשפט: שרשור מפרק משימה למקטעים שאפשר לבדוק, תפקידים מגדירים איך המודל מתנהג בגבולות ובסגנון, ופורמטים מובנים מייצרים פלט שלא צריך לערוך. ביחד הן הופכות “צ’אט עם AI” ל”תהליך עבודה” — כזה שאפשר לחזור עליו, לשפר אותו ולהעביר לאחרים.

הצ’קליסט לפרומפט הבא שלכם:

• האם המשימה מכילה יותר מפעולה אחת? אם כן — פצלו לשרשרת של 2-4 שלבים.
• לכל שלב יש “בהתבסס על X בלבד” שמונע השלמת פערים מהדמיון?
• התפקיד כולל לפחות שני איסורים (“מה אתה לא עושה”)?
• הגדרתם סגנון: שפה, אורך, טון, גוף פנייה?
• הפורמט מוגדר במדויק: עמודות, ערכים מותרים, מה לכתוב כשאין מידע?
• יש דוגמה אחת ממולאת (והיא לא סותרת את ההוראות)?
• ביקשתם “בלי טקסט לפני או אחרי” אם הפלט הולך להדבקה?
• הוספתם שדה “רמת ביטחון” או שלב ביקורת בשיחה חדשה?
• שמרתם את הפרומפטים בקובץ, עם [הדביקו כאן] במקומות הנכונים?

התחילו ממשימה אחת שאתם עושים כל שבוע — סיכום פגישה, דוח, מענה ללקוחות — ובנו לה שרשרת של שלושה שלבים. אחרי שהרצתם אותה שלוש פעמים ושיפרתם, תגלו שאתם לא חוזרים לפרומפט הבודד. למדריכים נוספים על עבודה עם כלי AI, ראו את ספריית המדריכים.