ChatGPT מקרוב: הפיצ'רים שמהנדסים משאירים כבויים

אני משתמש ב-ChatGPT כל יום. מה אני מפספס?

100 מיליון משתמשים בחודשיים. ככה ChatGPT התחיל בנובמבר 2022. ורוב המהנדסים שאני מכיר עדיין עובדים איתו כמו בשבוע הראשון: חלון חדש, prompt, העתק-הדבק, סוגרים.

בינתיים צמחה סביב החלון הזה מערכת שלמה: הוראות קבועות, memory, Projects עם קבצים, canvas, deep research, agent עם מחשב משלו, connectors ומשימות מתוזמנות. בגדול, כל פיצ’ר כזה עונה על אחת משתי שאלות: מה המודל רואה לפני שכתבתם מילה, ובמה מותר לו לגעת. זה ה-harness שדיברנו עליו בחלקים הקודמים, רק בגרסה לצרכן.

תעשו: פתחו Settings → Personalization ותבדקו מה מופעל אצלכם ומה כתוב שם. רוב האנשים מגלים שם הפתעות.

מה ההבדל בין custom instructions ל-memory, ומה לשים בכל אחד?

את custom instructions אתם כותבים. Memory זה מה שהמודל מחליט לזכור עליכם מהשיחות. הראשון קבוע, השני לא. ב-custom instructions יש שני שדות, עד 1,500 תווים כל אחד, ולידם Characteristics שמכוון חום, התלהבות, פורמט ו-emoji.

בהוראות תשימו רק מה שלא משתנה: ה-stack, שפה, אורך, ומה לא לעשות. את ה-memory תפתחו פעם בחודש ותמחקו מה שכבר לא נכון. memory שזוכר stack של לקוח מלפני שנה ידחוף אותו לכל תשובה.

אני מהנדס backend. Python 3.12, FastAPI, Postgres 16, AWS (ECS, Lambda), Terraform.
תענה בעברית, מונחים טכניים באנגלית.
קוד: קודם הקוד, אחר כך הסבר של שתי שורות. בלי הקדמות.
אם אתה לא בטוח ב-API או ב-flag, תגיד את זה. אל תמציא.
אל תציע ספרייה חדשה בלי שביקשתי.

Projects: למה לא פשוט שיחה אחת ארוכה?

כי שיחה ארוכה מתברברת. כל הודעה חדשה נשענת על כל מה שהיה לפניה, כולל הטעויות. Project נותן הוראות וקבצים קבועים לנושא אחד, ושיחות נקיות בתוכו.

איך זה נראה בפועל: Project לכל repo או לקוח, עם README, סכמת ה-DB ו-ADR אחד או שניים, והוראה כמו “תמיד תניח Postgres 16 ו-Terraform 1.9”. ואז שיחה חדשה לכל משימה.

המגבלה: הקבצים הם snapshot. הם לא מתעדכנים מה-repo לבד, ואחרי חודש הם כבר משקרים. תשימו תזכורת להחליף אותם, או תעברו ל-connector של GitHub.

Canvas: מתי זה עדיף על תשובה רגילה בצ’אט?

כשאתם עורכים, לא כשאתם שואלים. Canvas פותח מסמך או קובץ קוד בצד, ואפשר לסמן שורה ולבקש שינוי רק בה, במקום שהמודל יכתוב מחדש 200 שורות וישנה בדרך שלוש שלא ביקשתם.

טוב ל-design doc, ל-README, לסקריפט של 100–300 שורות. לא טוב לפרויקט אמיתי: אין שם tests, אין git, ואין diff מול הקוד שלכם. לזה יש Codex, שכיסינו בחלק הראשון.

תעשו: את ה-RFC הבא תכתבו ב-canvas, ותבקשו לקצר רק סעיפים שסימנתם. ככה תראו מהר אם הוא באמת יודע לערוך נקודתית.

Deep research שווה את ההמתנה?

לפעמים. Deep research יצא בפברואר 2025, ו-OpenAI דיברו על 5 עד 30 דקות לדוח. הוא קורא עשרות מקורות ומחזיר דוח עם citations.

מצוין לשאלה כמו “תשווה שלושה vector DB מנוהלים לפי מחיר ל-10M וקטורים ו-SLA”. בזבוז זמן לשאלה שיש לה תשובה אחת בדוקומנטציה.

הבעיה: הדוח נראה סמכותי גם כשמקור אחד שגוי. אז כלל פשוט: לפני שמשהו מהדוח נכנס ל-doc, פותחים ידנית את שלושת ה-citations החשובים ובודקים שהם אומרים מה שהוא טוען. מספיק שאחד לא.

Agent mode עוד קיים, ומה הוא בעצם עושה?

השאלה הראשונה כבר לא טריוויאלית. Agent mode עלה ב-17 ביולי 2025 ל-Plus, Pro ו-Team: מחשב וירטואלי שמחבר את Operator מינואר 2025 עם deep research. הוא גולש, לוחץ, מריץ קוד ומחזיר מצגת או גיליון. לפי Coursiv מאוגוסט 2026, דף העזרה של OpenAI כבר אומר שה-Agent mode הישן לא זמין ומפנה ל-ChatGPT Work ול-workflows של cloud browser. תבדקו מה מופיע אצלכם ב-Tools, או נסו /agent. המנגנון נשאר, וגם ההבטחה:

“ChatGPT requests permission before taking actions of consequence, and you can easily interrupt, take over the browser, or stop tasks at any point.” — OpenAI, Introducing ChatGPT agent

מה שכן, אישור לפני כל צעד לא מחליף brief טוב. Coursiv ניסחו את זה יפה: בלי login, בלי ליצור קשר עם אף אחד, בלי לשלוח טפסים, ועצירה כשמקורות סותרים.

אפשר לחבר לו את ה-MCP server שלי?

כן, עם כוכבית. connectors מובנים יש: Gmail, Google Calendar, GitHub, Dropbox, SharePoint, Canva. בספטמבר 2025 OpenAI פתחו developer mode שמאפשר לחבר MCP server משלכם, וה-Apps SDK מ-DevDay 2025 בנוי מעל MCP. אז אותו server שכתבתם ל-Claude Code יכול לשרת גם את ChatGPT.

הכוכבית: connector עם הרשאות כתיבה הוא agent עם מפתח לבית. בחלק הקודם, עם Grok Bot, ראינו מה קורה כשכל הבוטים חולקים cookies. אותו כלל כאן: חשבון ייעודי, scope מינימלי, read-only עד שהוכח אחרת.

הסתייגות: אני לא מחבר connector עם write ל-repo או לתיבת מייל של עבודה. לא כי זה לא עובד, אלא כי prompt injection בדף שהוא קרא יכול להפוך “תסכם לי” ל“תשלח”. read-only מכסה לי את רוב השימושים.

Scheduled tasks זה צעצוע או משהו שעובד?

משעמם וטוב. Tasks יצא בבטא בינואר 2025: “כל יום ראשון ב-08:00, תסכם לי את ה-release notes של FastAPI, Pydantic ו-SQLAlchemy מהשבוע”, ומקבלים התראה. יש תקרה של 10 משימות פעילות, וזה מספיק.

איפה זה נופל: אין לכם eval. אם המקור שינה מבנה, תקבלו סיכום ריק או ממציא, ותגלו את זה אחרי שלושה שבועות.

תעשו: כל משימה מתוזמנת מסתיימת בשורה קבועה, “מקורות שבדקתי: X, Y, Z”. אם השורה חסרה או קצרה מדי, משהו נשבר. בקיצור, checksum של עניים.

מה יצא ב-DevDay 2026, ומה עושים עם זה השבוע?

ב-29 בספטמבר 2026 OpenAI פרסמו באותו יום את ה-DevDay 2026 Recap, את GPT-6.1 Sol עם safety addendum נפרד, ומוצר חדש בשם dots. אני לא אכתוב לכם מה dots עושה מתוך כותרת בעמוד חדשות. תקראו את ה-recap בעצמכם.

טוב, ובמקביל יש מה לעשות בלי לחכות לאף אחד: להדביק את ההוראות מהבלוק למעלה, לפתוח Project אחד ל-repo שאתם עובדים עליו, ולתת ל-agent משימה סגורה אחת עם תנאי עצירה. אחרי שבוע תספרו כמה תשובות לא הייתם צריכים לתקן. זה המספר היחיד שמעניין.