נראה כמו בעיית כתיבת קורות חיים. בפועל זו הייתה בעיית מבנה ידע — היעדר דרך לשלוף ניסיון קיים בשפה שמתאימה לכל משרה, בלי לגלוש להמצאות.
הצורך התחיל מצומת מקצועית אישית: לתרגם ניסיון תפעולי וייצורי מצטבר לקהל יעד חדש, באופן עקבי ומבוסס עובדות. בכל משרה התהליך חזר על עצמו — ובכל פעם היה סיכון לניסוחים לא מדויקים כשמשתמשים ב-AI ללא בקרה.
הידע היה קיים. הוא פשוט לא היה מאורגן למבנה שמאפשר שליפה מדויקת לפי הקשר.
התחלתי מחילוץ ידע ולא מממשק. במקום לתת ל-AI להמציא, בניתי מקור אמת, שכבת שליפה, וכללי בקרה שמחייבים grounding. המערכת מציעה — האדם מאמת.
החלטה ארכיטקטונית מרכזית: הפרדה בין מקור אמת למודל — ה-LLM אינו “זיכרון”. Router לפני יצירת תשובה מצמצם הקשר לרלוונטי ומשפר grounding.
צילומי מסך מתרחיש הדגמה — מוכיחים שהצינור קיים ופועל. המספרים שמופיעים הם של התרחיש המוצג, לא טענת ביצועים כללית.
הצעדים הבאים: שכבת אימות והרשאות, הרחבת אינטגרציות חיצוניות, ומדדי הערכה תפעוליים רציפים.
