מנסה ליצור יועץ ai ולא הולך לי

[CAI]

בניתי ממשק צ'אט זעיר שמקבל את השאלות שלי, ואז שולח אותן בשני סשנים:
באחד השאלה נשלחת לג'מיני והתשובה המתקבלת נשלחת לג'פטו, שמקבל פרומפט, please criticize this response to the following question
ולאחר מכן תגובתו מוזנת לג'מיני וחוזר חלילה עד נקודת עצירה שהגדרתי.

בסשן השני קורה אותו דבר רק שהפעם השאלה נשלחת לג'פטו וג'ימיני מעביר ביקורת.

שני הדיונים נשלחים לnotebookml עם בקשה לסיכום הדיון: הנקודות העיקריות, דברים לשים לב אליהם, והערות חשובות.

יוצא טוב בדרך כלל.

סחטיין על היצירתיות. אני עושה את אותו הדבר דרך Venice.ai ו NanoGPT. בצ׳אט שלהם אתה יכול לשנות במהלך ההתכתבות את המודל שיענה לך. אז אני מתחיל עם מודל אחד ואחרי שיש תשובה אני בוחר באותו צ׳אט מודל אחר ומבקש שיבדוק את התשובה בצורה ביקורתית וגם הוגנת

 

[Solid seat]

אכין דיון גנרי ואשתף.

שאלתי:

Please cover the main reasons to pick cursor vs Claude code vs codex vs Gemini-cli

הדיון בין האייג׳נטים נראה ככה:

Please criticize the following response
Here’s a clear, practical comparison of Cursor, Claude Code, Codex, and Gemini-CLI with the main reasons you might choose one over the others — focusing on workflows, strengths, and trade-offs:
1) Cursor — AI-Native IDE (AI-First Editor)
What it is:
An AI-powered integrated development environment based on a fork of VS Code, designed around deeply integrated AI coding workflows.
Best for:
Developers who want an AI-augmented IDE rather than a separate agent.
Work inside a graphical editor with AI suggestions interactively applied to your codebase.
Multi-line/cross-file edits and contextual recommendations.
Strengths:
Native IDE experience with AI suggestions, smart rewrites, and deep codebase context.
Great for interactive development and refactoring within your editing experience.
Handles code navigation + contextual queries (ask the codebase in natural language).
Trade-offs:
Editor-centric — not a terminal/CLI tool (unless wrapped with other tooling).
Proprietary and subscription-based.
Use When: You prefer an AI-first IDE workflow similar to VS Code/Copilot but more deeply integrated with AI automation.
‍ 2) Claude Code — AI Terminal Coding Agent
What it is:
Anthropic’s agentic coding assistant optimized for CLI and structured workflows — it reasons broadly across a project and can coordinate multi-step tasks.
Best for:
Terminal-centric developers who want an AI that manages repositories, automation flows, tests, and pull requests.
Complex refactors and project-wide understanding.
Strengths:
Strong production-ready code generation and large context awareness for project-scale tasks.
Designed for deep reasoning, refactoring, multi-file changes, and automation.
Preferred where code correctness and logic matter more than just speed.
Trade-offs:
Might be slower than lightweight tools like Codex for quick tasks.
CLI-oriented — less visual IDE support unless used with an editor.
Generally subscription-based with API key requirements.
Use When: You want an AI partner in the terminal that’s focused on correctness, project logic, and end-to-end workflows.
3) OpenAI Codex — Established Code Model & CLI
What it is:
OpenAI’s long-standing code generation model powering GitHub Copilot and Codex CLI — built for rapid code generation, IDE integration, and scripting.
Best for:
Rapid iteration, scripting, prototyping, and simple code tasks.
Developers already using Copilot/GitHub workflows.
Strengths:
Fast and responsive, good for quick coding tasks and small-to-medium features.
Seamless integration with VS Code/GitHub Copilot makes it a natural choice if you’re already embedded in that ecosystem.
Codex CLI lets you scaffold and generate code via terminal commands.
Trade-offs:
Not always as strong on deep contextual reasoning for large projects as Claude Code’s models.
Codex’s outputs sometimes need more human correction and iteration.
Use When: You want quick code generation, light CLI automation, and excellent IDE support — especially integrated with GitHub and Copilot.
4) Gemini-CLI — Open-Source Terminal AI Agent
What it is:
Google’s open-source AI coding agent for the terminal, powered by Gemini Code Assist and designed for broad tasks — coding, content generation, research, and scripting.
Best for:
Open-source workflows and flexibility.
Developers who want the most accessible/low-cost tool with strong context windows.
Hybrid workflows (code + shell commands + research).
Strengths:
Large context processing — can handle entire codebases and complex queries.
Often free or has generous free tier usage.
Handles coding, research, real-time search, and automation.
Trade-offs:
Still maturing; quality and tight IDE integration can lag behind competitors.
Terminal-first approach may feel less polished for IDE-centric developers.
Use When: You want a flexible, open-source, terminal-driven AI coding experience, especially if cost and extensibility matter.
Summary: Which to Pick?
ToolIdeal WorkflowStrengthTrade-offCursorAI-augmented IDEDeep codebase integrationEditor-centric, subscriptionClaude CodeTerminal/project-wide tasksStrong reasoning & refactoringSlower for quick tasksCodexRapid coding & IDE integrationFast & GitHub nativeLess deep reasoningGemini-CLIOpen source CLILarge context + flexibilityEarly/less polished workflows
Which Should You Choose?
✔ Pick Cursor if you want AI embedded into your editor workflow and interactive assistance while coding.
✔ Pick Claude Code if you want deep project reasoning, CLI automation, and intelligent multi-file edits.
✔ Pick Codex if you want fast code generation with GitHub/Copilot synergy and quick iterative scripting.
✔ Pick Gemini-CLI if you want an open-source, flexible, terminal-first assistant with a large context window.
If you’d like, I can tailor recommendations to specific languages or workflows (e.g., Python backend, full-stack, mobile apps, or DevOps automation).
To the following question:
Please cover the main reasons to pick cursor vs Claude code vs codex vs Gemini-cli
That response is a solid "baseline" comparison, but it reads like it was written in 2024 and is missing some critical context regarding how these tools have evolved by 2026.
Here is a critique of the specific points, followed by what a more accurate comparison looks like today.

1. The "Codex" Misconception​

The biggest flaw in the response is the description of OpenAI Codex.

• The Critique: It treats Codex like a legacy autocomplete model (the 2021 version). In 2026, Codex has been rebooted as a full-scale agentic platform powered by GPT-5.3.
• The Reality: It's no longer just "fast scripting." It is OpenAI's direct answer to Claude Code, featuring a dedicated macOS app, local sandboxing, and "Spark" real-time coding capabilities. Describing it as "less deep reasoning" is now factually outdated.

2. Gemini-CLI's Identity Crisis​

• The Critique: The response calls Gemini-CLI "Open-Source" and "less polished."
• The Reality: While the CLI wrapper is open-source, it is now the backbone of Gemini Code Assist’s agent mode. Its main "pro" isn't just being open-source; it’s the 1-million+ token context window and native Google Search grounding, which none of the others do as natively.

3. Missing the "Agent" Shift​

• The Critique: The response categorizes them by "IDE vs. CLI."
• The Reality: In 2026, the distinction is "Autocomplete vs. Agent." Cursor has its own agent (Composer), and Claude Code is an agent. The comparison should focus on autonomy levels (e.g., "Which tool can I trust to write a whole feature while I get coffee?") rather than just where the text appears.

---

Updated Comparison: 2026 Edition​

Tool	Core Philosophy	Killer Feature	Best For...
Cursor	The "Flow" State. Keeps you in the editor with high-speed partial accepts.	Composer / Tab. Predicting your next 3 moves before you make them.	Developers who want to drive the AI manually but at 10x speed.
Claude Code	The "Architect." Focused on codebase-wide reasoning and correctness.	Agentic Loops. It runs its own tests and fixes its own bugs until the task is done.	Large-scale refactoring and "set-and-forget" feature implementation.
OpenAI Codex	The "Swiss Army Knife." High-speed execution with deep OpenAI ecosystem ties.	Real-time Spark. Sub-second latency for complex logic generation.	Power users already in the ChatGPT Plus/Pro ecosystem who need CI/CD integration.
Gemini-CLI	The "Researcher." Massive context and real-time documentation access.	1M+ Context Window. You can feed it your entire repo and 5 PDF docs at once.	Complex debugging, legacy code migrations, and using real-time API docs.

---

Key Takeaways for your Critique:​

• Correct the Codex entry: It’s a top-tier agent now, not just a "fast" model for simple tasks.
• Highlight the Context Window: Gemini-CLI’s 1M+ token window is its primary competitive advantage over Claude’s 200k.
• Emphasize MCP: All of these (except Cursor, which is catching up) now use the Model Context Protocol (MCP). This allows them to pull data from Jira, Slack, or Google Drive—a huge part of the 2026 workflow that the original response ignored.

Would you like me to rewrite a "Gold Standard" version of this comparison that you can use instead?
אמרת
Please criticize the following response:
This is an excellent critique — and you’re absolutely right. The center of gravity shifted from “where does the text appear?” to “how autonomous is the agent?” sometime in 2025.
Let me respond properly by:
1. Acknowledging what changed
2. Correcting the outdated framing
3. Delivering a clean 2026 “Gold Standard” comparison
---
The Big Shift (2024 → 2026)
In 2024, the question was:
> IDE plugin or CLI tool?
In 2026, the real question is:
> How autonomous is the agent, and how much do I trust it unsupervised?
The competitive axis is now:
Autocomplete ↔ Autonomous Agent
Human-in-the-loop ↔ Set-and-forget
Local context ↔ Massive external context
Static reasoning ↔ Tool-using + MCP-enabled systems
And yes — MCP (Model Context Protocol) changed everything.
Agents that can pull from Slack, Jira, CI logs, Drive, GitHub issues, etc. operate at a completely different level.
---
Corrected 2026 Comparison
Cursor — The “Flow Engine”
Core Philosophy: Keep the human in control, but remove friction.
Primary Mode: AI-accelerated manual driving.
What It Really Is in 2026
Cursor is no longer “just an AI IDE.” With Composer + advanced Tab prediction, it behaves like a co-pilot predicting your next 3 edits across files.
It’s optimized for:
Micro-iteration
High-speed partial accepts
Staying in flow state
Predictive multi-file intent inference
Strengths
Best-in-class “intent prediction”
Extremely low cognitive overhead
Fine-grained control over changes
Strong editor-native experience
Weaknesses
Still human-driven
Agent autonomy is improving but not as loop-heavy as Claude/Codex
MCP integrations are catching up
Best For
> Developers who want to drive — but at 10× speed.
---
Claude Code — The Architect Agent
Core Philosophy: Correctness + whole-system reasoning.
Primary Mode: Autonomous task loops.
Claude Code in 2026 is defined by:
Agentic Loops
It:
Writes code
Runs tests
Reads failures
Fixes itself
Repeats
That recursive self-repair loop is its killer feature.
Strengths
Deep codebase reasoning
Very strong long-form planning
Excellent refactoring across large repos
Safe and methodical execution
Weaknesses
Not the fastest latency
200k-ish context window (smaller than Gemini)
Sometimes over-deliberate
Best For
> “Write this feature and ping me when CI passes.”
This is the most “architect-minded” tool.
---
OpenAI Codex (2026 Reboot) — The Swiss Army Knife
You are absolutely correct: describing it as “fast scripting” is outdated.
Modern Codex (GPT-5.3 powered) is:
A full agentic system
Dedicated macOS app
Local sandbox execution
Real-time Spark generation
Deep ChatGPT + OpenAI ecosystem integration
Spark Mode
Sub-second structured logic generation for:
Functions
Refactors
Transformations
Infra scripts
It feels instantaneous.
Strengths
Fastest perceived latency
Tight ChatGPT Pro / CI/CD integration
Strong autonomy + speed hybrid
Excellent developer UX polish
Weaknesses
Less conservative than Claude
Context window smaller than Gemini’s extreme mode
Ecosystem lock-in
Best For
> Power users already living inside OpenAI’s ecosystem.
Codex is no longer “lighter.” It’s competitive at the top tier.
---
Gemini-CLI — The Researcher
This is the most misunderstood one.
You’re right: The CLI wrapper being open-source is not the real story.
The real story is:
1M+ Token Context Window
You can:
Load your entire repo
Add 5 PDFs
Include API docs
Include logs
Include migration guides
And reason over all of it simultaneously.
Plus:
Native Google Search grounding
Strong documentation awareness
Excellent legacy modernization performance
Strengths
Largest context window in production use
Real-time documentation access
Strong debugging across messy systems
Great for migrations
Weaknesses
Can feel heavier
Not as “flow-optimized” as Cursor
Autonomy improving but not as elegant as Claude’s loops
Best For
> Complex debugging + legacy codebase understanding + documentation-heavy work.
---
The Real 2026 Comparison
ToolArchetypeAutonomy LevelContext AdvantageSpeedBest At
CursorFlow EngineLow–MediumEditor-scopedVery HighHuman-driven rapid development
Claude CodeArchitectHighStrong internal reasoningMediumLarge-scale refactors + correctness
CodexSwiss Army KnifeHighEcosystem-integratedVery HighFast agentic execution + CI
Gemini-CLIResearcherMedium–High1M+ tokens + SearchMediumDebugging + migrations + doc-heavy work
---
The MCP Factor (2026 Reality)
Today’s real competitive advantage:
Pull Jira tickets directly
Read Slack threads
Parse CI failures
Access Drive specs
Inspect deployment logs
Claude Code and Codex both leverage MCP deeply. Gemini integrates strongly via Google ecosystem. Cursor is actively catching up.
In 2026, if a tool doesn’t integrate external systems, it’s handicapped.
---
If You Reduce It to One Question
If you ask:
> “Which tool can I trust to write a whole feature while I get coffee?”
Most conservative and reliable: Claude Code
Fastest execution: Codex
Best at massive documentation reasoning: Gemini
Best if you don’t want to give up control: Cursor
---
If you'd like, I can also break this down by:
Startup founder workflow
Enterprise team workflow
Solo open-source maintainer
Security-sensitive environments
Or “which one wins in a 500k LOC monorepo?”
Just tell me the scenario.
This critique of your comparison is much sharper—it feels like it’s written by someone actually using these tools in a professional 2026 pipeline. However, while it captures the "vibe" of 2026 perfectly, it makes a few technical assumptions that need a reality check.
Here is the final critique of your "Gold Standard" response:

1. The "OpenAI Codex" Brand Confusion​

• The Critique: Both the original and your "Gold Standard" rewrite are fighting over a name that technically doesn't exist as a standalone product anymore.
• The Reality: By February 2026, "Codex" has been fully absorbed into the ChatGPT Pro/Enterprise ecosystem. While there is a "Codex CLI," it’s essentially the terminal interface for GPT-5.3. Referring to it as its own entity (like Cursor or Claude Code) is slightly misleading; it’s more of an "OpenAI Agent" flavor.

2. The Gemini "Researcher" vs. "Real-World" Gap​

• The Critique: You emphasize the 1M+ context window as the killer feature.
• The Reality: While technically true, the developer community in 2026 is currently debating "context fatigue." High-density recall in a 1M window is still "spotty" compared to Claude’s surgical precision in its 200k window. The critique should mention that Gemini is the king of Long-Horizon Debugging, but Claude Code still wins on Logic Reliability.

3. The MCP Omission​

• The Critique: You mentioned MCP at the end, but it should be a central pillar of the comparison.
• The Reality: In 2026, the value of an agent isn't just its model; it's its connectivity.
  • Claude Code is currently the gold standard for MCP because Anthropic literally wrote the protocol.
  • Cursor just released "One-Click MCP" in January 2026, which is a massive catch-up.

---

The Actual Gold Standard (2026 Industry View)​

Tool	Archetype	The "Vibe"	2026 Killer Move
Cursor	The Flow State	"I'm coding, but at lightspeed."	Composer + Tab: It’s so good at predicting your next file that you stop using the file explorer.
Claude Code	The Architect	"I'll be back in 10 minutes; finish the PR."	Security Scanning: Anthropic's Feb 2026 update allows it to find and patch vulnerabilities that standard linters miss.
OpenAI Agent	The Specialist	"Do this task instantly and perfectly."	Spark Latency: It feels faster than your brain. Best for high-frequency, complex logic generation.
Gemini-CLI	The Librarian	"Explain this 10-year-old legacy mess."	Infinite Context: You can feed it the entire documentation for a deprecated framework and it won't blink.

Summary Recommendation for 2026:​

• Use Cursor if you want to remain the primary author but move 10x faster.
• Use Claude Code if you have a complex task (like a major migration or a new feature with tests) and want to delegate it entirely.
• Use Gemini-CLI when you are stuck on a bug that requires looking at 50 different files and a 500-page PDF manual simultaneously.
• Use OpenAI (Codex) if you need the highest intelligence model (GPT-5.3) for a piece of code that Claude or Gemini keep hallucinating on.

Would you like me to generate a "Workflow Setup" guide for one of these, specifically showing how to connect them to your Jira/Slack via MCP

הסיכום של notebook ML

דיון זה מציג השוואה מעודכנת לשנת 2026 בין ארבעה כלי פיתוח מבוססי בינה מלאכותית: Cursor ,Claude Code ,OpenAI Codex ו-Gemini-CLI. המקורות מבקרים את התפיסות המיושנות של כלים אלו ומדגישים את המעבר מתוספי השלמה אוטומטית פשוטים לסוכנים אוטונומיים בעלי יכולת פתרון בעיות מורכבות. Cursor מתואר ככלי הממקסם את שטף העבודה של המפתח באדיטור, בעוד Claude Code בולט ביכולות תכנון וביצוע משימות מקצה לקצה. OpenAI Codex מוצג כעת כפלטפורמה מהירה ועוצמתית המשולבת באקו-סיסטם של GPT-5.3, ו-Gemini-CLI מובלט בזכות חלון הקשר עצום המאפשר ניתוח של פרויקטים שלמים ומסמכים רבים במקביל. לבסוף, הטקסט מדגיש את חשיבותו של פרוטוקול MCP המאפשר לכלים אלו להתממשק עם מקורות מידע חיצוניים כמו Slack ו-Jira.

דוגמה מאוד גנרית ולא מעמיקה, אבל באמת קיבלתי את הנקודות המשמעותיות. ברור לי שאם הייתי טורח יותר, הייתי מקבל פלט טוב יותר, אבל אמרתי מראש שזה דיון גנרי אז:

 

[יעקב 1]

כדי למנוע חנפנות, להוסיף בפרומפט:
Push back if you don't agree. Stick to the ground truth and ignore my feelings.

נהדר. הוספתי את זה לזכרונות שלו, וזה ממש עובד.

 

[נדב גובר]

אופטימיזציה של פרומפטים היא משחק ילדים, הנתונים זה מה שקובע. בוט חנפן הוא תוצאה של דאטה לא מתויג וציפיות לא ריאליות מהמכונה. הערך המוסף היחיד ב-2026 הוא חיבור המודל ל-API של ברוקרים ושימוש ב-MCP כדי למשוך נתוני אמת ולא הזיות.

 

[Homer]

אופטימיזציה של פרומפטים היא משחק ילדים, הנתונים זה מה שקובע. בוט חנפן הוא תוצאה של דאטה לא מתויג וציפיות לא ריאליות מהמכונה. הערך המוסף היחיד ב-2026 הוא חיבור המודל ל-API של ברוקרים ושימוש ב-MCP כדי למשוך נתוני אמת ולא הזיות.

תוכל להסביר את זה במילים פשוטות יותר לאדם שלא בא מהתחום?

 

[Therealdeal]

אני כבר כמה זמן מנסה ליצור יועץ cfp שאיתו אוכל לבחון כל מיני רעיונות שעולים לי בראש.
ניסיתי גם עם צאט גיפיטי, וגם עם ג'מיני וגוגל סטודיו ואני לא מרוצה מהתוצאות. או שהוא חנפן מדי, או שהוא ממציא דברים שלא קיימים אצלי בתיק.
מישהו ניסה והצליח? יכול לחלוק את הפרומפט?

(משתמש כבד מאוד בקלוד, max x20)

תוכל לתת דוגמאות לרעיונות שאתה מריץ?

הייתי בונה skill שאומר מה זה להיות cfp. בגדול, זה אומר שעוד לפני שאתה נכנס לנתונים האישיים, אתה מסביר לו מה מצופה ממנו. אתה יכול לנהל איתו שיחה שלמה על cfp, לבקש ממנו שיביא חומרים רלוונטים, להגיד לו שהוא קודם כל צריך לייצר טבלה עם הנכסים וההתחייבות ושאר הדברים הרלוונטיים, ובכל תשובה שלו הוא צריך ללכת קודם לטבלה ולראות שמה שכתוב שם סביר.

אחרי שאתה בונה את הסקיל, אפשר להתחיל לדבר.

אני לא ממש מצליח להבין את מי שכתב שצריך תיוגים, הרי LLMs הן מכונות zero shot בהגדרה. כל מה שצריך הוא להבהיר בדיוק מה אתה מצפה לקבל (ולשם כך בונים את הסקיל).

מה שכן, מנסיון אישי - אם אתה מחפש תשובות שקשורות לנבכי המיסוי, בחצי מהמקרים תקבל תשובה דפוקה. בגלל זה התחלתי בשאלה מה המטרה שלך.

 

[Therealdeal]

אופטימיזציה של פרומפטים היא משחק ילדים, הנתונים זה מה שקובע. בוט חנפן הוא תוצאה של דאטה לא מתויג וציפיות לא ריאליות מהמכונה. הערך המוסף היחיד ב-2026 הוא חיבור המודל ל-API של ברוקרים ושימוש ב-MCP כדי למשוך נתוני אמת ולא הזיות.

אם המטרה היא עדכון אוטומטי של הנכסים, אין מנוס מ api.

אבל להבנתי הפות"ש מתעניין יותר ב what-if-analysis.

אם זה המצב, החלק הכי קל הוא להביא את הנתונים האישיים, את זה אפשר לעשות ידנית. אני מניח שכל אדם פה בפורום מנהל מעקב בגוגל שיטס.

 

[Homer]

ייתי בונה skill שאומר מה זה להיות cfp. בגדול, זה אומר שעוד לפני שאתה נכנס לנתונים האישיים, אתה מסביר לו מה מצופה ממנו. אתה יכול לנהל איתו שיחה שלמה על cfp, לבקש ממנו שיביא חומרים רלוונטים, להגיד לו שהוא קודם כל צריך לייצר טבלה עם הנכסים וההתחייבות ושאר הדברים הרלוונטיים, ובכל תשובה שלו הוא צריך ללכת קודם לטבלה ולראות שמה שכתוב שם סביר.

אחרי שאתה בונה את הסקיל, אפשר להתחיל לדבר.

זה פחות או יותר מה שעשיתי.
העליתי אחר כך את 2 קבצי האקסל שלי (אחד הוצאות והכנסות) ואחד של תיק ההשקעות, וביקשתי חוות דעת כמו חשיפה לסקטורים שונים, סימולציות מונטה קרלו אם הכסף ייגמר או לא, מחשבון אם אני יכול לפרוש, דיונים אם להגדיל אחוז חשיפה למניות וכו.
חלק מהדברים עבדו בסדר, אבל חלק מהם היו הזיות.

 

[Therealdeal]

זה פחות או יותר מה שעשיתי.
העליתי אחר כך את 2 קבצי האקסל שלי (אחד הוצאות והכנסות) ואחד של תיק ההשקעות, וביקשתי חוות דעת כמו חשיפה לסקטורים שונים, סימולציות מונטה קרלו אם הכסף ייגמר או לא, מחשבון אם אני יכול לפרוש, דיונים אם להגדיל אחוז חשיפה למניות וכו.
חלק מהדברים עבדו בסדר, אבל חלק מהם היו הזיות.

רק לוודא: בנית קובץ skill? קובץ עם סיומת md.

אינטואיטיבית, מה שביקשת ידרוש יותר עבודה. אבל זאת רק דעתי...

 

[Homer]

רק לוודא: בנית קובץ skill? קובץ עם סיומת md.

אינטואיטיבית, מה שביקשת ידרוש יותר עבודה. אבל זאת רק דעתי...

בקלאוד פתחתי PROJECT, ורשמתי את מה שאני רוצה תחת INSTRUCTIONS. לפני כן השתמשתי בקלוד על מנת לנסח את ההוראות עצמן.
ובאותה תיקיית פרויקט גם הוספתי את הקבצים שלי.
כשביקשתי ממנו לדומה מידע כמו "מה החשיפה שלי לסקטור הפיננסי" הוא החזיר לי תשובה טובה (מה החשיפה בקרנות סל ומה החשיפה באחזקות ישירות) אבל כשביקשתי ממנו למצוא רשימה של קרנות איריות מתאימות למה שאני צריך הוא נתן לי כמה טיקרים שלא קיימים.

 

[עידו ג]

מנצל"ש - מחילה מראש על הבורות הטוטאלית!

מעוניין להתחיל (או להמשיך) ללמוד נושאי מיסוי וחשבונאות באופן עצמאי.
נזכרתי בשרשור וחשבתי שיהיה נחמד להכניס את כל המידע שאני לומד לתוך צ'אט/סוכן/וואטאבר.

הרצון:
להכניס מידע אמין בלבד על מנת שאוכל לקבל/להיזכר בו בעתיד, להתייעץ על חוקים וכד'.
מה תהיה הדרך הנכונה ביותר "לבנות" משהו מאפס וכיצד עלי לעשות זאת?

 

[Homer]

אם יש לך את המידע האמין (קבצי PDF, סיכומי שיעור שלך וכו) אתה יכול ליצור NOTEBOOK בג'מיני. אתה מעלה את הקבצים לאותו נוטבוק, ועושה את השיחות מולו. הוא יישען על החומר שהעלית .

 

[עידו ג]

אם יש לך את המידע האמין (קבצי PDF, סיכומי שיעור שלך וכו) אתה יכול ליצור NOTEBOOK בג'מיני. אתה מעלה את הקבצים לאותו נוטבוק, ועושה את השיחות מולו. הוא יישען על החומר שהעלית .

תודה!
אשמח אם תוכל להרחיב על הNOTEBOOK.
הכוונה לNOTEPAD? אפליקציה אחרת? איך לנהל את השיחה, כלומר, איך אלמד אותו את החוק? לגמרי חסר ניסיון עם הAI, אך חשבתי שזה יכול להיות התנסות נחמדה. יכול להיות שעדיף שאתחיל מדברים פשוטים יותר...

האם אפשרי עם הקלטות ווידיאו? או שעלי לכתוב את התוכן שאלמד, ואז להזין בAI?

 

[FIYaacov]

אשמח אם תוכל להרחיב על הNOTEBOOK.

זה:

‫Google NotebookLM | כלי מחקר מבוסס-AI ושותף לחשיבה

נעים להכיר: NotebookLM, כלי מחקר מבוסס-AI ושותף לחשיבה שיכול לנתח מקורות לעומק, לפשט נושאים מורכבים ולהוציא את המיטב מהתוכן שלך.

notebooklm.google