שכבת ההקשר: איך גורמים ל-AI לכתוב כמו המותג שלכם בלי להעלות 200 קבצים
יש לכם ChatGPT או Claude פתוח כל היום, אתם מבקשים טיוטת פוסט, ומקבלים משהו שיכול היה להיכתב על ידי כל מותג בקטגוריה. אז אתם מוסיפים לפרומפט עוד הנחיות על הטון, ועוד דוגמה, ובסוף מדביקים גם את מסמך המותג. זה משתפר קצת ואז נתקע. הבעיה היא לא הפרומפט, והיא גם לא המודל. הכלי פשוט לא יודע שום דבר ספציפי עליכם, וכל פעם שאתם מתחילים שיחה חדשה הוא שוכח את מה שהסברתם אתמול.
הפתרון נקרא שכבת הקשר, וזה בעצם מאגר ידע קטן ומסודר שהכלי נשען עליו בכל בקשה. הנה איך בונים אחת בלי ליפול בשתי המלכודות הנפוצות: לבנות אותה גדולה מדי, או לבנות אותה פעם אחת ולא לגעת בה שוב.
למה הפלט יוצא גנרי, במספרים
סקר State of Marketing של Salesforce, שנאסף בין 8 באוקטובר ל-17 בנובמבר 2025 בקרב 4,450 אנשי שיווק ופורסם ב-19 בפברואר 2026, מצא ש-84% מודים בהרצת קמפיינים גנריים, בזמן ש-75% כבר אימצו AI. 98% מדווחים על חסמים לפרסונליזציה, והחסם הנפוץ ביותר הוא בעיות דאטה.
יש גם ראיה סיבתית מעניינת יותר. חוקרים מ-London Business School ניצלו את חסימת ChatGPT באיטליה באפריל 2023 כניסוי טבעי, ובדקו את תוכן האינסטגרם של מסעדות במילאנו מול קבוצת השוואה. בתקופת החסימה נרשמה בקבוצת הטיפול ירידה יחסית של 15% בדמיון הלקסיקלי בין התכנים, 12% בדמיון התחבירי, ו-3% בדמיון סגנון הלשון. כלומר גישה לכלי בלי הקשר גורמת לתכנים של מותגים שונים להתכנס זה לזה. חשוב לומר: זה working paper מיולי 2025 שטרם עבר שיפוט עמיתים. אבל זו הראיה הכי טובה שקיימת לכך שהאפקט הזה נמדד ולא רק מורגש.
המלכודת: להעלות הכל ולקוות
ההנחה הסבירה היא שאם המודל תומך בחלון הקשר של מיליון טוקנים, אפשר פשוט להעלות את כל הדרייב. שני מחקרים עצמאיים אומרים שלא.
הראשון הוא NoLiMa, מחקר של Adobe Research ו-LMU Munich שהוצג ב-ICML 2025. הוא בדק שלושה עשר מודלים שכולם מצהירים על תמיכה ב-128 אלף טוקנים לפחות, אחרי שהסיר את הקיצור של חפיפת מילים מילולית בין השאלה לתשובה. שימו לב לניסוח המדויק, כי הוא מה שהופך את המספר למשמעותי: אחד עשר מתוך שלושה עשר ירדו ב-32 אלף טוקנים מתחת לחצי מהציון של עצמם בהקשר קצר, כלומר מתחת לאלף טוקנים, ולא מתחת לאיזה רף מוחלט. גם GPT-4o, אחד החריגים החזקים, ירד מ-99.3% דיוק בבסיס ל-69.7% ב-32 אלף. אם אתם נתקלים במספר אחר בסיקור על המחקר הזה, הוא כנראה מגיע מגרסה מוקדמת שלו: הגרסה הנוכחית מיולי 2025 היא זו שאומרת 11 מתוך 13.
השני הוא מחקר Context Rot של Chroma מיולי 2025, שבדק שמונה עשר מודלים ומצא שלושה דברים שרלוונטיים ישירות למאגר ידע שיווקי. אחד, ככל שהדמיון הסמנטי בין השאלה לקטע שמכיל את התשובה נמוך יותר, הדיוק קורס מהר יותר עם אורך. שניים, הוספת מסיח בודד פוגעת בביצועים לעומת מצב שבו יש רק את הקטע הרלוונטי, וארבעה מסיחים מחריפים את זה. שלוש, המודלים הצליחו טוב יותר על ערימות מעורבבות אקראית מאשר על ערימות מסודרות לוגית. Chroma מוכרת מסד נתונים וקטורי, אז יש לה אינטרס בטענה הזו, ושווה לקחת אותה בערבון. מה שמחזק אותה הוא שהכיוון עולה בקנה אחד עם NoLiMa, שנעשה בגוף אחר לגמרי, ושהקוד והנתונים של Chroma פתוחים לשחזור.
Anthropic אימצה את המונח רשמית בספטמבר 2025 והגדירה context rot כירידה ביכולת המודל לשלוף מידע מדויק ככל שמספר טוקני ההקשר גדל, עם המלצה לחשוב על הקשב כתקציב סופי. ההמלצה שם: לבנות מערכת מינימלי ולהוסיף לו רק בתגובה לכשלים שראיתם בפועל, במקום לכתוב הכל מראש.
מה זה אומר בפועל: כל מסמך שולי שאתם מוסיפים למאגר הופך את המסמכים החשובים לקשים יותר לאיתור. זו התשובה המדויקת לשאלה למה העלאת 200 קבצי PDF לא עובדת.
הבשורה: רוב הצוותים לא צריכים RAG בכלל
הנה הנתון שחוסך לצוותים הכי הרבה כסף, ואף אחד לא מדבר עליו. ההנחיה הפומבית של Anthropic אומרת שאם מאגר הידע קטן מ-200,000 טוקנים, בערך 500 עמודים של חומר, אפשר פשוט לכלול אותו במלואו בפרומפט בלי שום צורך ב-.
קחו רגע ותחשבו כמה זה. מפרט , פרופיל לקוח אידיאלי, רשימת מוצרים ומחירים, טענות מאושרות, ומיפוי מתחרים. כל אלה יחד, כתובים בצורה הדוקה, מגיעים אצל רוב הצוותים לעשרות אלפי טוקנים, לא למאות. כלומר שכבת ההקשר האמיתית שלכם קטנה בהרבה מהתקרה, ואין שום סיבה להתחיל מפרויקט הנדסי.
אבל שימו לב לפער: NoLiMa הראה קריסה כבר ב-32 אלף, הרבה מתחת ל-200 אלף. כלומר להיכנס לחלון זה לא אותו דבר כמו להישלף ממנו באמינות. לכן הכלל המעשי הוא לשמור על ליבה קבועה קטנה, ולדחוף כל השאר לקבצים שנשלפים לפי צורך.
התקרות שאף אחד לא מספר לכם
לפני שבונים, שווה לדעת בתוך אילו גבולות אתם עובדים. אלה מספרים מהתיעוד הרשמי של הספקים, לא הערכות:
| פלטפורמה | התקרה המתועדת | מה זה אומר לכם |
|---|---|---|
| GPT מותאם אישית | 10 קבצים לכל אורך חייו | GPT מותאם הוא לא מאגר ידע. זו התקרה הכי לא מוכרת בתחום, והיא סופית. |
| פרויקט ב-ChatGPT | 20 קבצים ב-Plus, 40 ב-Pro, ב-Team וב-Business | מספיק בהחלט לשכבת הקשר ממוקדת. לא מספיק לארכיון של כל מה שהצוות אי פעם כתב. |
| פרויקט ב-Claude | מצב RAG אוטומטי שמרחיב עד פי 10 | כשמתקרבים לגבול ההקשר, המערכת עוברת לאחזור לבד. פרויקטים זמינים גם בחשבון חינם, אבל מצב ה-RAG הזה קיים רק בתוכניות בתשלום. |
| Copilot Studio | מעל 25 מקורות, מודל פנימי מסנן | מעבר ל-25 מקורות, מודל שאתם לא שולטים בו מחליט לאילו מקורות הסוכן בכלל ניגש. קבצים שהעליתם ישירות לסוכן לא נספרים במגבלה הזו. |
הכלל שנגזר מזה פשוט: תכננו את המאגר כך שישב בנוחות בתוך המגבלות, לא כדי לבחון אותן. ואם יש לכם יותר תוכן מהתקרה, אל תדחסו. תפצלו לפי משימה, פרויקט אחד לסושיאל ממומן ואחד לתוכן אתר, במקום פרויקט ענק אחד.
מה בעצם נכנס פנימה
שבעה נכסים, לא יותר. שלושה מהם נטענים תמיד, וארבעה נשלפים לפי צורך:
מפרט קול מותג, תמיד טעון
לא רשימת שמות תואר. כללים עם דוגמה ודוגמה נגדית: כותבים ככה, לא כותבים ככה. שלושה עמודים של דוגמאות אמיתיות שווים יותר מעשרה של הגדרות.
קהל יעד ואיסורים, תמיד טעונים
מי הלקוח, מה מטריד אותו, ובאיזו שפה הוא מדבר. לצידו רשימת קווים אדומים: מה אסור להבטיח, אילו ביטויים חסומים, ומה דורש אישור.
עובדות מוצר וטענות מאושרות
כתבו אותן אטומיות, עובדה אחת בשורה, כי לשליפת עובדות עדיפים קטעים קצרים. לכל טענה מקור ותאריך תפוגה בתוך הטקסט עצמו, כדי שהמודל יראה אותו.
מיצוב מתחרים וביצועי עבר
אלה נכסים נרטיביים וכדאי לשמור אותם כטקסט רציף ולא לפרק. הוסיפו מה עבד בפועל: פתיחים מנצחים, שורות נושא, פורמטים, עם המספרים.
שני כללי כתיבה שמשנים את התוצאה יותר מכל שאר ההחלטות. ראשית, מסמך קנוני אחד לכל נושא. שתי רשימות מחירים במאגר זה לא גיבוי, זה מסיח שפוגע באחזור של הנכונה. מוחקים, לא מארכבים במקום. שנית, העדיפו הפניה חיה על עותק. התיעוד של Google אומר במפורש שקובץ שמתווסף ל-Gem מתוך Drive נקרא בגרסתו העדכנית, ושכל שינוי בקובץ ישתקף ב-Gem, בעוד PDF שהעליתם קפוא מרגע ההעלאה. אותו היגיון תומך בחיבור מחברים על פני קבצים סטטיים לכל דבר שמשתנה.
וכלל שלישי, שהוא בעצם כלל תפעולי: אל תנסו להשלים את המאגר לפני שאתם מפעילים אותו. דיווח ניסיון על שבע נקודות כשל בהנדסת מערכות RAG, שנשען על שלושה מקרי בוחן בתחומי מחקר, חינוך וביו-רפואה, הגיע לשתי מסקנות מפתח: אימות של מערכת כזו אפשרי רק בזמן הפעלה בפועל, והעמידות שלה מתפתחת ולא מתוכננת מראש. בתרגום לצוות שיווק: אל תקדישו רבעון לכתיבת מסמך מושלם. תעלו גרסה חלקית, תפעילו אותה שבוע, ותוסיפו רק את מה שהתברר כחסר. זה גם מונע מכם למלא את המאגר במסמכים שאף אחד לא באמת צריך, שהם בדיוק המסיחים שפוגעים באחזור.
לגבי הפורמט עצמו: הפך ב-9 בדצמבר 2025 לתשתית ניטרלית תחת Agentic AI Foundation של Linux Foundation. בהודעה נכתב שכבר פורסמו מעל 10,000 שרתי MCP, ורשימת החברים ברמת פלטינום כוללת את AWS, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft ו-OpenAI. כלומר השקעה בחיבורים דרכו היא הימור בטוח יחסית. מי שרוצה להבין את המנגנון עצמו ימצא אותו במדריך MCP לפלטפורמות שיווק, ואת הצד של ניסוח ההנחיות בספריית הפרומפטים לשיווק.
איך כותבים את זה כך שיישלף נכון
יש הבדל בין לכתוב מסמך שאדם יקרא לבין לכתוב מסמך שמערכת תשלוף ממנו. שלושה כללים פרקטיים שמשנים את איכות התוצאה יותר מבחירת הפלטפורמה.
ראשית, גודל הקטע צריך להתאים לסוג המידע. מחקר שבדק מספר מאגרי נתונים מצא שקטעים קצרים, בסדר גודל של 64 עד 128 טוקנים, עובדים טוב יותר לתשובות עובדתיות תמציתיות, בעוד קטעים של 512 עד 1024 טוקנים משפרים את האחזור כשנדרשת הבנה רחבה יותר של הקשר. בתרגום לשיווק: רשימת מחירים או טענות מאושרות נכתבות כשורות קצרות ועצמאיות, ומפרט קול המותג נשאר טקסט רציף. אחת ההחלטות הגרועות היא להחיל את אותה חלוקה על שניהם.
שנית, הוסיפו הקשר קצר לפני כל קטע. Anthropic פרסמה שהוספה של 50 עד 100 טוקנים של הקשר ספציפי לקטע לפני ההטמעה הורידה את שיעור כשלי האחזור בעשרים הקטעים הראשונים ב-35%, ושילוב עם חיפוש מילולי מסוג BM25 הביא ל-49%, ועם שלב דירוג מחדש ל-67%. בפועל זה אומר שבמקום שורה שכתוב בה רק המחיר, כותבים שורה שמזכירה גם על איזה מוצר ולאיזו שנה מדובר.
שלישית, כתבו בשפה שבה תשאלו. אם הצוות עובד בעברית, מפרט קול המותג צריך להיות בעברית עם דוגמאות בעברית. מסמך הנחיות באנגלית שמייצר טקסט עברי מוסיף שלב תרגום סמוי, וזה בדיוק המקום שבו הניואנס נשחק.
איך יודעים שזה בכלל עובד
וכאן החלק שרוב הצוותים מדלגים עליו, ואז מתלוננים שהמאגר לא עוזר. גם כשהמסמך נמצא מול המודל הוא עדיין טועה לפעמים, אז צריך למדוד.
המדריך של Hamel Husain ו-Shreya Shankar, שעודכן ב-1 בספטמבר 2026, נותן מספר אחד ברור ופחות כללי אצבע ממה שנדמה. המספר: לעבור על לפחות 100 מקרים בניתוח שגיאות, ולהמשיך מעבר ל-100 כל עוד אתם עדיין לומדים מהם משהו. שימו לב שאין שם ספירה של כמה מקרים רצופים בלי ממצא חדש מספיקים כדי לעצור, אלא כלל איכותני: עוצרים כשמקרים חדשים כבר לא חושפים סוגי כשל חדשים ולא משנים את הקטגוריות שכבר רשמתם. הציון צריך להיות בינארי, עבר או נכשל, ולא סולם של אחד עד חמש, כי ההבדל בין נקודות סמוכות בסולם, למשל 3 מול 4, סובייקטיבי ולא עקבי בין בודקים, ובודקים נוטים להתכנס לערכי אמצע כדי לא להכריע. ולתשומת לבכם: בפרויקטים שהם עבדו עליהם, בין 60% ל-80% מזמן הפיתוח הלך לניתוח שגיאות והערכה. זה מרכז העלות האמיתי, לא ההעלאה של הקבצים.
בפועל, זה נראה ככה: כתבו שלושים עד חמישים שאלות זהב שמשווק באמת שואל, כולל כמה שאלות מלכודת שהמאגר בכוונה לא מכיל, כי התשובה הנכונה עליהן היא לא יודע. הריצו אותן אחרי כל שינוי משמעותי במאגר, ותנקדו בנפרד את השליפה, כלומר האם המסמך הנכון עלה, ואת הכתיבה, כלומר האם התשובה נאמנה למסמך. שני כשלים שונים דורשים שני תיקונים שונים. ניטור שוטף של תהליכים אוטומטיים אחרי שהם רצים כבר תואר במדריך ניטור כשלים שקטים.
שאלות נפוצות
כמה זמן לוקח לבנות שכבת הקשר בסיסית?
אין על זה מדד מפורסם אמין, אז זו הערכה מהשטח ולא סטטיסטיקה. כתיבת שבעת הנכסים בגרסה ראשונה היא עבודה של ימים בודדים לצוות שמכיר את המותג. מה שלוקח זמן הוא סבב ההערכות והתיקונים אחריו, וזה גם מה שקובע אם המאגר שווה משהו.
עדיף פרויקט אחד גדול או כמה קטנים?
כמה קטנים, לפי משימה. זה מקטין מסיחים, שומר אתכם מתחת לתקרות הקבצים, ומונע את הסינון האוטומטי שנכנס לפעולה מעל 25 מקורות ידע ב-Copilot Studio. פרויקט לתוכן אתר, פרויקט לממומן, פרויקט למכירות.
האם צריך מסד נתונים וקטורי?
ברוב המקרים לא. אם כל החומר שלכם מתחת לכ-500 עמודים, ההנחיה הפומבית של Anthropic היא פשוט להכניס אותו לפרומפט. תשתית אחזור נעשית משתלמת כשהמורכבות עולה, לא לפני שיש בסיס שעובד.
מה עושים עם מסמכים ישנים שסותרים את החדשים?
מוחקים אותם מהמאגר. מחקר Context Rot הראה שמסיח בודד כבר פוגע ביכולת לאתר את הקטע הנכון, ומסמך מיושן הוא בדיוק מסיח כזה. אם צריך לשמור אותו לצרכים משפטיים, שמרו אותו מחוץ למאגר.
איפה מתחילים
פתחו היום מסמך אחד וקראו לו מפרט קול מותג. כתבו בו עשרה כללים, וליד כל כלל דוגמה אמיתית מתוך תוכן שלכם ודוגמה נגדית של מה שלא הייתם מפרסמים. זה לוקח פחות משעה. העלו אותו לפרויקט אחד, כתבו חמש שאלות זהב, והריצו. אם התשובות עדיין נשמעות כמו כולם, הבעיה היא בדוגמאות ולא בכמות הקבצים, ושם צריך להשקיע את המאמץ הבא.
📲 כל כתבה חדשה, ישר לטלגרם
בלי אלגוריתם ובלי פיד. עדכון אחד בערוץ בכל פעם שעולה כתבה.
5 עדכונים שחשוב לדעת + ניתוח אחד. אימייל אחד בשבוע, בלי ספאם.