הטריק ה-Human-in-the-Loop שאני מוסיף לכל Prompt ו-Skill

הבעיה שאף אחד לא מדבר עליה מספיק

יש רגע מאוד מסוכן בעבודה עם AI. לא כשהוא טועה בצורה ברורה — אלא כשהוא טועה בשקט.

המודל מחזיר תוצאה נקייה, מאוזנת ומוגשת יפה. אין הודעות שגיאה. אין דגלים אדומים. הכל נראה בסדר — עד שאתה מגיש את התוצאה לדירקטוריון.

זה בדיוק מה שה-human-in-the-loop בא למנוע.

מה זה Human-in-the-Loop?

הרעיון פשוט: אתה בונה את ה-prompts, ה-Skills וה-agents שלך כך שה-AI עוצר, מציג את עבודתו, וממתין לאישורך לפני שממשיך.

לא ריצה מקצה לקצה ואז "הנה התוצאה". עצירה מובנית בכל שלב קריטי.

זה אולי נשמע מובן מאליו. אבל בפועל, רוב ה-workflows שאני רואה — גם אצל אנשים מנוסים — בנויים להפך: ה-AI רץ עד הסוף, ורק אז מגיעה הבדיקה.

למה זה קריטי דווקא בפיננסים?

מודל AI מסוגל לתפוס בעיה של $30M במיסים שבן-אדם פספס. אבל אותו מודל יכול גם כך לקפל ולהחביא טעות לתוך מודל מאוזן ומושלם — ולתת לך לשאת אותה עד לפגישה עם הדירקטוריון.

הנקודה: ככל שאתה סומך יותר — אתה בודק פחות. זה עובד עם אנשים. וזה עובד, כנראה, גם עם AI.

ברגע שתפסיק לבדוק, זה בדיוק הרגע שבו תגיע הטעות שלא תשים לב אליה.

איך זה נראה בפועל ב-Skill פיננסי?

הנה דוגמה: skill של three-statement model. מיפוי תבנית, שליפת היסטוריה, בניית הדוחות. הכל רגיל.

ואז מגיע החלק שמרוויח את מקומו:

המודל בונה. אתה מאשר. מי שעשה את העבודה לא יכול להחליט שהעבודה נגמרה.

זה הכלל: עושה ובודק — זה אף פעם לא אותן ידיים.

שתי שיטות להיכנס ל-Loop

שיטה 1 — חתוך את ה-workflow לצעדים קטנים

כל workflow מרובה-שלבים נחתך לצעדים, ואתה מאשר אחרי כל צעד. לא בולעים את כל המודל בריצה אחת.

שיטה 2 — תייג את ה-context עם רמת ביטחון

על כל דבר שאתה מעביר ל-AI, סמן כמה אתה בטוח במידע — כדי שהוא ידע מתי לעצור ולשאול אותך, במקום לנחש.

ה-Prompt המלא — הדבק ישירות ל-Claude

אם אתה רוצה להוסיף human-in-the-loop לכל skill קיים שלך — בלי לשכתב אותו ידנית — השתמש ב-prompt הזה:

---

You're upgrading one of my finance prompts/skills so I stay in the loop. Don't rewrite it yet. Show me your plan first.

Here it is: [attach your prompt or skill]

First, map the workflow into steps and mark which ones are HIGH risk (a wrong number reaches a decision) versus low. For each, tell me what could go wrong silently: plugs, hardcoded values where a formula belongs, wrong period or sign, blended or double-counted sources. Show me that and stop.

Once I confirm, add a "Verify step-by-step with the user" section to the skill, one line per HIGH step, in exactly this format:

→ After [step] → show me the formula, its inputs, and the result, then confirm [a concrete pass condition, not a vibe — e.g. "Assets − (L+E) = 0", "CF ending cash = BS cash"] before moving on

…and end the section with:

→ Do NOT run the whole thing end to end and present it complete. Hard-stop at each step and wait for my approval.

Two rules at the top of the skill: never run end to end, and whatever checks a step is never the thing that built it.

Return the updated skill plus a short list of the checkpoints you added.

---

למה זה עובד כל כך טוב?

שים לב למבנה של ה-prompt:

• קודם — מבצע מיפוי ואז עוצר. ה-AI לא מתחיל לשכתב. הוא קודם מציג לך את התוכנית.
• סיכון גבוה vs. נמוך. לא כל שלב שווה אישור — המודל מזהה את הנקודות שבאמת חשובות.
• תנאי עבור ולא תחושה. Assets − (L+E) = 0 ככה רושמים תנאי. כי "נראה טוב" בתוך פרומפט זה לא נכון.
• שתי חוקים ברורים: לא עבודה מקצה לקצה וזה שעושה לעומת זה שבודק לא יהיו אותן ידיים.

נקודה אחת לסיום

המודלים היום של AI הם כלים מאוד חזקים וחכמים. ויכולים לקלוט ולעלות על מה שבן-אדם מפספס. אבל הוא גם יכול ליצור שגיאה שקטה שנראית מושלמת מבחוץ.

ה-human-in-the-loop לא אומר שאתה לא סומך על ה-AI. זה אומר שאתה מוציא ממנו את ה-output הכי טוב שלו — בדיוק כמו שאתה עושה עם כל ספק אחר: בודק, מאשר, ואז ממשיך.

הדבק את ה-prompt, תן ל-Claude לבנות, ואשר כל שלב. זה הכל.

הצעד הבא — שדרג את ה-Workflows הפיננסיים שלך

רוצה לבנות workflows פיננסיים שעובדים נכון מההתחלה — עם human-in-the-loop מובנה, Skills מותאמים לצרכים שלך, ובלי לסמוך על AI שרץ עד הסוף לבד?