سے Fixed کو dynamic افرادی قوت: Hiring API، صلاحیت Gaps، اور Talent ledger

15 تصورات. کے بارے میں 2 کو 3 گھنٹے کا conceptual مطالعہ (longer if آپ لیں PRIMM Predicts seriously). 2 کو 3 گھنٹے کا عملی lab. منصوبہ ایک half-day total.

ایک continuation مختصر عملی کورس. یہ ہے Course Seven میں agentic-coding track. Course Three، تعمیر AI Agents کے ساتھ OpenAI Agents SDK اور Cloudflare سینڈ باکس، built ایک سٹریمنگ chat agent. Course Four، سے AI Agent کو Digital FTE، turned کہ chat agent میں ایک Digital FTE کے ساتھ skills، ایک Neon Postgres ریکارڈ کا مستند نظام، اور MCP. Course Five، سے Digital FTE کو پروڈکشن ورکر، wrapped Digital FTE میں ایک Inngest operational envelope اس لیے دنیا could wake یہ اور crashes couldn't lose اس کا state. Course Six، سے ایک ورکر کو ایک افرادی قوت، added Paperclip management layer اس لیے ایک یا زیادہ ورکرز became ایک افرادی قوت کے ساتھ assignments، budgets، منظوریاں، اور ایک جانچ کا ریکارڈ. ** افرادی قوت was three ورکرز chosen کے ذریعے human پر company-creation وقت.** Course Seven ہے کے بارے میں کیا ہوتا ہے جب ایک fourth ورکر ہے needed، اور افرادی قوت calls ایک hiring API کو لائیں یہ میں.

single insight کہ بناتا ہے everything else click: میں ایک AI-native کمپنی، hiring ہے نہیں ایک quarterly HR motion. یہ ہے ایک callable صلاحیت افرادی قوت invokes on itself، gated کے ذریعے exactly وہی منظوری بنیادی اکائی کہ gates ایک $500 refund. board doesn't لکھیں ایک job posting. Manager-Agent کرتا ہے. board approves یہ، اور نیا ورکر walks onto org chart کہ afternoon. کے ذریعے end کا یہ کورس، customer-support افرادی قوت سے Course Six has detected ایک صلاحیت یہ doesn't رکھتے ہیں، drafted ایک hiring proposal، walked یہ کے ذریعے منظوری gate، اور welcomed ایک قانونی specialist میں org chart، all on وہی activity_log plus cost_events ledger original three ورکرز لکھیں کو.

Why this matters for the Agent Factory: Invariant 6 in full

thesis names seven invariants کے لیے ایک AI-native کمپنی. Course Six covered three ( management plane، human بطور principal، part کا nervous نظام). Course Seven covers deepest claim: Invariant 6، hiring ہے ایک callable صلاحیت. یہاں کا architect کا framing sentence، ایک یہ entire کورس ہے built کے گرد:

"ایک افرادی قوت کہ نہیں کر سکتا grow itself ہے ایک fixed کمپنی; ایک افرادی قوت کہ سکتا ہے grow itself کے تحت منظوری ہے ایک AI-native کمپنی. Hiring میں ایجنٹ فیکٹری ہے نہیں ایک HR motion; یہ ہے ایک function call سے مینیجر، taking ایک job description بطور input، returning ایک ورکر بطور نتیجہ، gated کے ذریعے وہی منظوری بنیادی اکائی کہ gates ہر دwasرا consequential action."

Six کا seven invariants ہیں پھر closed. remaining ایک، Invariant 2 ( Edge نمائندہ)، ہے Course Eight کا domain.

Four properties بنائیں hiring ایک uniquely interesting صلاحیت میں ایک AI-native کمپنی، properties کہ don't exist کے لیے any دwasرا ٹول call. ہر gets اس کا اپنا تصور later; یہاں کا shape:

1. ** hire-decision ہے itself ایک agent فیصلہ.** ایک ورکر بغیر اختیار کو hire سکتا ہے اب بھی flag gap. ایک ورکر کے ساتھ can_create_agents=true سکتا ہے draft اور submit. سطر ہے سیٹ کے ذریعے کمپنی envelope (Invariant 1)، نہیں کے ذریعے کوڈ. (تصورات 1، 3.)
2. ** نیا ورکر inherits ایک اختیار envelope کہ didn't exist پہلے اس کا hire.** ایک قانونی specialist کا contract_modify=allow ہے نہیں میں any existing ورکر کا envelope. hire request ہے بھی کہاں نیا envelope ہے negotiated. (تصور 8.)
3. ایک hire ہے ایک board-level act، even جب proposed کے ذریعے ایک agent. منظوری gate سے Course Six ہے وہی gate. proposal آرٹفیکٹ (job description، صلاحیت eval، expected بجٹ) ہے کیا board sees. (تصور 7.)
4. Hires ہیں reversible. Course Six treated ورکرز بطور configured-once-at-startup. Course Seven adds lifecycle: hire، جانچیں، ڈیپلائے، retire، rehire جب needed. talent ledger tracks all کا یہ. (تصورات 7، 14.)

ایجنٹ فیکٹری thesis titles یہ Invariant 6 " افرادی قوت ہے expandable کے تحت policy": افرادی قوت سکتا ہے grow itself کے تحت board کا اختیار. Course Five covered Invariant 7 ( nervous نظام) اور part کا Invariant 1 (HITL). Course Six covered Invariant 3 ( management plane) اور surfaced Invariant 6 پر edge. Course Seven closes Invariant 6 میں مکمل، leaving صرف Invariant 2 ( Edge نمائندہ) کے لیے Course Eight.

About the platform choice

Course Six taught آپ کو استعمال کریں Paperclip (paperclip.ing، github.com/paperclipai/paperclip) بطور agentic management layer. Course Seven extends کہ وہی instance. وہی npx paperclipai onboard --yes سے Course Six دیتا ہے آپ hiring API. یہ کا نہیں ایک مختلف پروڈکٹ، یہ کا ایک مختلف endpoint. verified endpoint Course Seven سکھاتا ہے: POST /api/companies/{companyId}/agent-hires. verified نظم و نگرانی flow: hire returns pending_approval، board comments on منظوری thread، agent ہے woken کے ساتھ PAPERCLIP_APPROVAL_ID جب approved.

Course Seven چلتا ہے worked مثال on دو Paperclip-native runtime adapters، side کے ذریعے side: claude_local اور opencode_local. دونوں ship بطور first-class Paperclip بنیادی اکائیاں; Paperclip spawns local coding-agent CLI itself (claude headless کے لیے claude_local، opencode headless کے لیے opencode_local) on ہر heartbeat، injects PAPERCLIP_API_URL اور PAPERCLIP_API_KEY میں CLI کا environment، اور CLI کرتا ہے turn کے خلاف Paperclip's اپنا API. نہیں external service، نہیں inbound URL، نہیں relay، نہیں separate cloud account. وہی hire payload differs صرف میں adapterType اور adapterConfig، کون سا ہے ڈھانچے سے متعلق point: hiring ہے substrate-agnostic سے management plane کا perspective، اور local-CLI pair ہے cheapest possible proof.

کیوں دو adapters اور نہیں ایک? دو reasons، میں order کا weight.

1. Multi-provider portability ہے binding test کا "substrate-agnostic." ایک single-adapter worked مثال ہمیشہ reads like " ڈھانچہ ہے generic if آپ چنیں یہ ایک runtime." Running identical hire on claude_local (single-provider، Anthropic ماڈلز صرف) and opencode_local (multi-provider; وہی adapter سکتا ہے drive Anthropic، OpenAI، Google، یا any provider supported کے ذریعے OpenCode via ایک provider/model slug) demonstrates property concretely. If قاری wants قانونی specialist on anthropic/claude-opus-4-7، opencode_local tab میں فیصلہ 4 دکھاتا ہے swap. If they چاہتے ہیں یہ on openai/gpt-5.2-pro، صرف adapterConfig.model string تبدیلیاں. hiring loop never moved.
2. Zero بنیادی ڈھانچا means قاری سکتا ہے finish lab. دونوں adapters چلائیں on وہی machine بطور Paperclip daemon. نہیں beta access، نہیں separate cloud account، نہیں relay server، نہیں inbound URL. قاری installs دو CLIs (claude اور opencode)، authenticates ہر once، اور rest کا lab ہے API calls کو Paperclip. hardest substrates کو integrate (managed-cloud پروڈکٹس like Claude Managed Agents، vendor-hosted ones like Cursor Cloud) earn ان کا place جب workload demands انہیں: دیکھیں تصور 6's substrate table کے لیے فیصلہ rubric اور trade-offs.

If آپ کا ٹیم prefers ایک managed-cloud runtime (Anthropic's Claude Managed Agents ہے relevant Anthropic option; تصور 6 names یہ explicitly) یا ایک self-hosted Agent SDK endpoint، hiring API ہے unchanged. صرف adapterType اور adapterConfig differ. فیصلہ 4 دکھاتا ہے دو local tabs side-by-side; تصور 6's substrate table covers named alternatives.

Known rough edges as of May 2026 (don't be surprised when you hit them)

• Claude Managed Agents ہے میں public beta. beta header managed-agents-2026-04-01 ہے required on ہر request. Behaviors ہو سکتا ہے be refined درمیان releases.
• CMA کا multi-agent orchestration ہے ایک research preview کہ درکار ہے ایک separate access request (per official overview). کورس's worked مثال استعمال کرتا ہے single-agent CMA سیشنز اور کرتا ہے نہیں depend on multi-agent feature.
• Paperclip's hiring منظوری ورک فلو ہے implemented اور shipping، مگر UI کے لیے writing custom auto-منظوری policies (تصور 9) ہے اب بھی partly CLI-driven. Expect کو edit JSON، نہیں click buttons، کے لیے any policy زیادہ sophisticated than "auto-approve burst-capacity hires کے تحت $X per month."
• Per-issue لاگت attribution جب ایک hire ہے triggered by ایک issue ( sourceIssueId لنک) ہے recorded correctly میں activity_log، مگر querying "کیا did hire لاگت میں proposal وقت، eval وقت، پہلا month کا کام" درکار ہے joining three tables. وہاں کا ایک کھولیں issue tracking ایک unified hire_lifecycle view.

یہ ہیں نہیں reasons کو بچیں hiring. They ہیں normal state کا ایک frontier API کہ کا young، popular، اور improving. They ہیں reasons کو pin versions، prefer code-driven hiring پر UI-driven کے لیے کوئی بھی چیز beyond simplest case، اور never auto-approve hires کہ grant اختیار ایک ورکر doesn't پہلے ہی رکھتے ہیں somewhere on org chart.

TL;DR (read this first if you have 60 seconds)

four claims میں order:

1. افرادی قوت سکتا ہے detect کہ نہیں ورکر on org chart سکتا ہے handle یہ کام.
2. Manager-Agent drafts ایک hiring proposal: job description، eval pack، expected بجٹ، draft اختیار envelope.
3. proposal goes کے ذریعے Course Six کا منظوری gate. human sees یہ. human decides.
4. On منظوری، Paperclip's POST /api/companies/{id}/agent-hires provisions نیا ورکر کے خلاف chosen runtime (Claude Managed Agents کے لیے worked مثال). org chart اب has four ورکرز بجائے کا three.

The plain-English version, if any of that lost you

میں Course Six، we built ایک چھوٹا AI کمپنی کے ساتھ three ورکرز: Tier-1 سپورٹ، Tier-2 specialist، اور ایک Manager-Agent کہ routes درمیان انہیں. میں یہ کورس، کمپنی notices یہ ضرورت ہے ایک fourth ورکر (یہ keeps getting contract-review سوالات none کا three سکتا ہے handle اچھی طرح)، Manager-Agent drafts ایک hiring proposal اور پوچھتا ہے اجازت، candidate ہے tested پہلے human board ever sees یہ، اور on منظوری نیا ورکر ہے added کو org chart. Everything میں rest کا کورس ہے detail کے بارے میں کیسے ہر کا those steps اصل میں کام کرتا ہے.

Course Six recap: افرادی قوت آپ're extending (click کو expand)

Course Six built ایک three-Worker customer-support افرادی قوت on Paperclip. ورکرز were:

• Tier-1 سپورٹ (Course Five کا customer-email Inngest function، adapted via http adapter): handles routine refund، FAQ، اور status queries; $200 per month بجٹ; refund_max=$50; external email درکار ہے منظوری.
• Tier-2 specialist (ایک claude_local adapter): handles پیچیدہ multi-turn cases، escalations سے Tier-1; $800 per month بجٹ; refund_max=$500; external email allowed.
• Manager-Agent (ایک http adapter): orchestrates routing، comments on issues، requests منظوریاں; $200 per month بجٹ; refund_max=$0; all consequential actions require منظوری.

Course Six کا eight فیصلے wired یہ three ورکرز میں Paperclip، defined کمپنی envelope (refund_max=$5000، contract_modify=board_only)، routed inbound emails کے ذریعے activity_log، اور demonstrated منظوری gate on ایک $750 refund (فیصلہ 6). Course Seven assumes کہ افرادی قوت موجود ہے اور ہے running.

If آپ skipped Course Six، افرادی قوت vs ورکر حصہ below دیتا ہے آپ enough on-ramp کو follow Course Seven، مگر آپ won't رکھتے ہیں ایک افرادی قوت کو اصل میں hire into. آپ'll رکھتے ہیں کو spin up Course Six lab پہلا.

کہاں یہ fits: cheat sheet

#	تصور	Layer	کیا آپ'll be able کو جواب afterward
1	ایک افرادی قوت کہ نہیں کر سکتا grow itself ہے ایک fixed کمپنی	Management plane	کیوں ہے capability کو hire بطور اہم بطور act کا hiring? کیونکہ ایک fixed افرادی قوت ہے ایک fixed کمپنی.
2	صلاحیت gaps: three signal types	Management plane	کیسے کرتا ہے Manager-Agent جانیں ایک ورکر ہے needed? Low routing confidence، repeated escalations، نہیں eligible ورکر کے ذریعے skill match.
3	Hire vs escalate vs queue vs decline	Management plane	کون سا ہے درست response کو ایک صلاحیت gap? فیصلہ tree on volume، قدر، novelty.
4	job description بطور کوڈ	Hiring API	کیا کرتا ہے ایک hire request دیکھیں like? ایک JSON payload کے ساتھ role، صلاحیتیں، adapter، runtime، ماخذ issue.
5	صلاحیت تشخیص پہلے hire	Hiring API	کیسے ہے ایک candidate ورکر tested پہلے یہ gets حقیقی issues? ایک eval pack کے ساتھ scored rubric، accept/reject.
6	Substrate selection: local CLIs، Agent SDK، managed-cloud، یا process	runtime	جب کریں آپ put ایک نیا ورکر on ایک Paperclip-native local adapter ( worked مثال) vs Agent SDK vs Claude Managed Agents vs process? فیصلہ table.
7	hiring منظوری gate	Management plane	کیسے کرتا ہے Course Six کا منظوری بنیادی اکائی map onto hiring? وہی بنیادی اکائی، richer payload (proposal، eval، بجٹ، envelope).
8	اختیار envelope کے لیے نیا hires	Management plane	کیسے کریں آپ decide کیا refund_max ایک brand-new role gets? یہ کا negotiated میں hire proposal، locked پر منظوری، recorded میں activity_log.
9	Auto-منظوری policy کے لیے ایک class کا hires	Management plane	جب ہے unattended hiring acceptable? Pre-approved classes (burst-capacity، narrow specialties کے تحت لاگت ceiling)، audited continuously.
10	ورکر کا پہلا heartbeat	Lab	کیا ہوتا ہے درمیان منظوری اور نیا ورکر کا پہلا حقیقی issue? Activated heartbeat، routing، ورکر transitions باہر کا idle کو کریں حقیقی کام.
11	Retirement اور rehire: مکمل lifecycle	Lab	کیا ہوتا ہے جب traffic dies down? Pause ورکر (Paperclip ships یہ بنیادی اکائی بطور "Pause"). Three things preserved across cycle; rehire ہے زیادہ تیز.
12	talent ledger: کیا ایک six-month-old افرادی قوت looks like	audit	ایک queryable record کا ہر hire، eval، retirement، rehire. Five مستند SQL queries جواب operational سوالات ایک board اصل میں پوچھتا ہے.
13	agent-portability سوال	کھولیں	سکتا ہے ایک ورکر hired میں کمپنی ایک serve کمپنی B? recipe (definition، نظام پرامپٹ، eval pack) سکتا ہے travel; relationship نہیں کر سکتا.
14	کیوں talent ledger matters: institutional memory across personnel تبدیلی	audit	Three properties (append-only، cross-correlated، queryable پر any point میں وقت) کہ بنائیں ایک six-month log replace institutional memory کا ایک leaving human.
15	کیا کا اگلا: Invariant 2 اور Edge	Forward	کہاں کرتا ہے Course Eight چنیں up? remaining invariant: Edge نمائندگی via OpenClaw.

ہیں آپ ready کے لیے یہ کورس?

Prereq checklist

Course Seven assumes ایک technical قاری who has either:

1. Completed Course Six، یا has equivalent. آپ've stood up Paperclip locally، hired three ورکرز میں ایک کمپنی، wired ایک منظوری flow، اور watched activity_log populate.
2. آپ سکتا ہے پڑھیں TypeScript، even if آپ سکتا ہے't لکھیں یہ fluently. lab استعمال کرتا ہے TypeScript primarily (Paperclip's native language) کے لیے Manager-Agent کا gap-detection logic، hire proposal generator، اور منظوری-flow wiring. آپ کا AI assistant ہو سکتا ہے بھی پیدا کریں Python، SQL، یا shell snippets جب ایک particular sub-task fits انہیں بہتر ( eval-pack runner ہے ایک natural Python fit; talent-ledger queries ہیں SQL). All کوڈ ہے read-only کے لیے following کورس; briefing نمونہ means آپ کا AI کوڈنگ assistant types everything. آپ brief، review، اور approve. If ایک کوڈ block looks unfamiliar، درست response ہے کو پوچھیں آپ کا assistant کو explain یہ، نہیں کو type یہ yourself.
3. آپ رکھتے ہیں دو local coding-agent CLIs installed اور authenticated. فیصلہ 4 چلتا ہے وہی hire on claude_local (کون سا spawns claude CLI headless on ہر heartbeat) اور opencode_local (کون سا spawns opencode CLI headless). install دونوں، چلائیں claude --version اور opencode --version کو confirm، اور authenticate ہر once. claude_local ضرورت ہے ایک Anthropic account; opencode_local سکتا ہے route کو any provider OpenCode supports (Anthropic، OpenAI، Google، اور دwasرے) via ایک provider/model slug، اس لیے provider اہم آپ لائیں depends on کون سا slug آپ put میں adapterConfig.model. If آپ صرف چاہتے ہیں کو چلائیں ایک tab میں فیصلہ 4، install just کہ CLI; lab اب بھی سکھاتا ہے وہی hiring loop، آپ just دیکھیں یہ on ایک substrate. If آپ would later prefer ایک managed-cloud runtime، تصور 6's substrate table covers Claude Managed Agents (Anthropic's hosted long-running-agent پروڈکٹ، public beta بطور کا ہو سکتا ہے 2026) اور Claude Agent SDK بطور named alternatives کے ساتھ ان کا اپنا trade-offs.
4. آپ understand منظوریاں بطور ایک بنیادی اکائی. If "منظوری = Paperclip suspends چلائیں، posts ایک request کو board، waits durably، resumes on board فیصلہ" reads بطور ایک clean نمونہ rather than ایک mystery، آپ're calibrated. If نہیں، revisit Course Six تصور 11 پہلے continuing.
5. آپ're comfortable کہ 'hiring ایک AI ورکر' ہے درست verb. Some قارئین find corporate-staffing vocabulary jarring. We استعمال کریں یہ deliberately، نہیں بطور metaphor. ڈھانچے سے متعلق فیصلے (envelope، بجٹ، retirement، ledger) صرف بنائیں sense if آپ لیں role-and-employment frame seriously. If آپ'd rather think کا یہ بطور "registering ایک نیا long-running عمل کے تحت management layer،" کہ کا exactly کیا کا happening underneath; vocabulary ہے easier handle کے لیے وہی machinery.

If any کا five feel shaky، شروع کریں کے ساتھ linked refreshers پہلے continuing. کورس ہے dense; prereqs بنائیں یہ feel light.

New here? Course Seven is dense: here's the on-ramp

یہ ہے seventh کا seven کورسز میں ایجنٹ فیکٹری track. If five prerequisites above sound unfamiliar، کام backwards: Course Six: سے ایک ورکر کو ایک افرادی قوت ہے direct prerequisite (Paperclip plus management plane). پہلے کہ: Course Five: سے Digital FTE کو پروڈکشن ورکر ( Inngest operational envelope)، پھر Course Three: تعمیر AI Agents ( agent loop)، پھر PRIMM-AI+ باب if آپ're نیا کو AI-assisted کوڈنگ entirely. Course Seven references Course Six تصورات ہر صفحہ یا دو; coming میں cold ہے harder than completing on-ramp.

If آپ سکتا ہے't کریں on-ramp درست اب مگر چاہتے ہیں کو follow تصورات، آپ سکتا ہے fake prerequisites کے ساتھ much کم than Course Six کا مکمل stack: پڑھیں Paperclip Quickstart (کے بارے میں 15 منٹ) اور منظوریاں صفحہ (کے بارے میں 10 منٹ); سرسری پڑھیں PRIMM-AI+ Lesson 1 کے لیے prediction-then-run rhythm کورس استعمال کرتا ہے میں ہر تصور; treat Inngest بطور " thing کہ lets ایک ورکر pause durably کے لیے گھنٹے" بغیر سیکھنا اس کا API. کے ساتھ those three substitutes، آپ سکتا ہے follow Parts 1 کے ذریعے 3 اور حصہ 5 کے ذریعے 6 conceptually. حصہ 4 lab اب بھی درکار ہے ایک working Paperclip install; وہاں کا نہیں shortcut کے لیے کہ.

Glossary: 24 اصطلاحات ایک beginner سکتا ہے reference (click کو expand)

Course Seven استعمال کرتا ہے vocabulary سے across ایجنٹ فیکٹری track. If ایک اصطلاح میں body confuses آپ، یہ glossary ہے fastest reference. اصطلاحات grouped کے ذریعے کیا they describe.

لوگ اور roles

• ورکر: ایک single AI agent doing کام کے لیے کمپنی. میں یہ curriculum، ایک ورکر has ایک identity، ایک بجٹ، ایک اختیار envelope، اور ایک place on org chart. Distinct سے "agent" میں عمومی AI sense: ایک ورکر ہے employed کے ذریعے ایک کمپنی، نہیں just invoked کے ذریعے ایک صارف.
• افرادی قوت: سیٹ کا all ورکرز میں ایک کمپنی. Course Six built ایک 3-ورکر افرادی قوت; Course Seven hires 4th.
• Manager-Agent: ورکر کہ orchestrates دwasرا ورکرز. Routes issues، drafts hiring proposals، comments on منظوریاں. protagonist کا Course Seven.
• Board: human مالک(s) کا کمپنی. Approves hires، sets policy، reviews talent ledger. منظوری بنیادی اکائی gates board attention.

Paperclip بنیادی اکائیاں

• Paperclip: open-ماخذ management plane کے لیے AI ورکرز. فراہم کرتا ہے org chart، budgets، منظوریاں، اور audit. Course Six کا مرکزی subject; Course Seven extends یہ.
• issue: Paperclip's task/ticket بنیادی اکائی. ورکرز handle issues. issues route درمیان ورکرز via Manager-Agent.
• Adapter: کیسے Paperclip talks کو ایک ورکر. official docs ship ایک سیٹ کا built-in adapters; ones یہ کورس references include claude_local، opencode_local، codex_local، process، اور http. Course Seven کا worked مثال استعمال کرتا ہے claude_local اور opencode_local side کے ذریعے side میں فیصلہ 4 (Paperclip spawns claude یا opencode CLI headless on ہر heartbeat). چلائیں curl $PAPERCLIP_API_URL/llms/agent-configuration.txt کو discover مکمل adapter list دستیاب میں آپ کا ڈیپلائمنٹ.
• Adapter config: per-Worker settings کے لیے اس کا adapter. کے لیے http adapter، ایک url plus optional headers (کہاں auth travels) اور timeoutSec. سیٹ میں hire payload.
• Heartbeat: scheduled یا event-triggered wake-up کہ lets ایک ورکر چیک کے لیے نیا کام. Configured میں runtimeConfig.heartbeat.
• skill: ایک reusable bundle کا علم ایک ورکر سکتا ہے call. Paperclip ships ایک paperclip-create-agent skill کہ walks hiring ورک فلو; یہ curriculum ہے built on top کا یہ.
• Activity log: append-only table کہاں ہر mutating action ہے recorded. ماخذ کا truth کے لیے talent ledger.
• Cost events: table کہاں ہر token spend اور session-hour charge ہے recorded، tagged کے ذریعے agent_id اور issue_id.
• منظوری gate / منظوری بنیادی اکائی: Paperclip's mechanism کے لیے surfacing ایک فیصلہ کو board اور durably waiting کے لیے response. Originally کے لیے refunds (Course Six); اب reused unchanged کے لیے hiring (Course Seven).
• ماخذ issue: issue کہ triggered ایک hire. Linked via sourceIssueId میں hire payload. audit anchor connecting ایک ورکر کا existence کو کام کہ justified یہ.

اختیار تصورات

• اختیار envelope: سیٹ کا authorities ایک ورکر (یا کمپنی) holds. مثالیں: refund_max=$500، contract_modify=deny، external_email=allow. envelope ہے کیا bounds what ایک ورکر سکتا ہے do.
• Envelope cascade: layered ڈھانچہ: کمپنی envelope، role envelope، issue envelope، منظوری-level envelope. ہر layer narrows سے ایک above.
• Envelope extension: granting ایک اختیار کو کمپنی envelope کہ نہیں existing ورکر has had. درکار ہے board-level منظوری beyond ایک normal hire.

Course Seven تصورات

• صلاحیت gap: ایک category کا کام افرادی قوت سکتا ہے't currently handle. Detected کے ذریعے three signals (تصور 2).
• Eval pack: ایک battery کا approximately 12 representative test issues کے ساتھ known reference جوابات، استعمال ہوا کو score ایک candidate ورکر پہلے منظوری. تصور 5.
• Substrate: کہاں ایک ورکر اصل میں چلتا ہے. Options include Claude Managed Agents، Claude Agent SDK، claude_local، عمل. تصور 6.
• Talent ledger: cumulative record (میں activity_log plus cost_events) کا ہر hire، eval، retirement، اور rehire event across افرادی قوت's history. Institutional memory پر SQL speed.

Tech اور پروڈکٹس

• Inngest: پائیدار-عمل درآمد پلیٹ فارم سے Course Five. فراہم کرتا ہے step.wait_for_event ( بنیادی اکائی کہ powers منظوری-gate durability) اور crash-safe ورکر چلتا ہے.
• Claude Managed Agents (CMA): Anthropic's hosted بنیادی ڈھانچا کے لیے long-running agents. public beta since April 2026; official docs. Built کے گرد four core تصورات: Agent (configuration)، Environment (container template)، سیشن (running instance)، اور events ( SSE message stream درمیان آپ کا application اور agent). Course Seven کا worked-example substrate.
• Claude Agent SDK: Anthropic's programmatic harness کے لیے self-hosted agents. Course Seven کا alternative substrate (تصور 6 sidebar).

Thesis-level

• AI-native کمپنی: ایک کمپنی whose کام ہے مکمل primarily کے ذریعے AI ورکرز کے تحت human نظم و نگرانی، کے ساتھ management plane بطور primary interface. ڈھانچے سے متعلق opposite کا "AI-augmented کمپنی."
• Invariant: ایک کا seven ڈھانچے سے متعلق properties ایک AI-native کمپنی لازمی رکھتے ہیں. Course Seven closes Invariant 6 (hiring بطور callable). Course Eight closes Invariant 2 ( Edge نمائندہ).
• briefing نمونہ: pedagogical اصول یہ کورس follows: students never hand-write کوڈ. They لکھیں briefings کو ان کا AI کوڈنگ assistant (Claude Code یا OpenCode)، کون سا پیدا کرتا ہے کوڈ. student کا job ہے کو brief اچھی طرح، review، اور approve.

---

حصہ 1: کیوں hiring ہے callable

Three تصورات کہ establish why افرادی قوت ضرورت ہے کو grow itself اور how نظام recognizes جب یہ چاہیے. نہیں کوڈ yet; lab starts میں حصہ 4. Skip-ahead قارئین سکتا ہے jump کو حصہ 4 کے لیے worked مثال، مگر gap-detection logic میں lab assumes آپ've internalized تصورات 1 کے ذریعے 3.

تصور 1: ایک افرادی قوت کہ نہیں کر سکتا grow itself ہے ایک fixed کمپنی

Course Six کا افرادی قوت was three ورکرز: Tier-1 سپورٹ، Tier-2 specialist، Manager-Agent. human chose those three پر company-creation وقت. They handled کام کہ existed پر کہ moment. org chart was سیٹ.

کیا ہوتا ہے پہلا وقت ایک inbound email پوچھتا ہے کے لیے something none کا three سکتا ہے کریں? میں customer-support مثال، زیادہ تر realistic نسخہ کا یہ ہے ایک سوال کے بارے میں contract اصطلاحات: ایک customer asking "کیا کرتا ہے حصہ 7.3 کا our agreement mean کے ذریعے 'material breach'?" Tier-1 سکتا ہے't جواب یہ; refund policy doesn't apply. Tier-2 سکتا ہے't جواب یہ; یہ isn't ایک escalated case، یہ کا ایک different category کا work. Manager-Agent سکتا ہے route یہ nowhere کیونکہ ** routing options ہیں exhausted**. میں Course Six کا ماڈل، یہ email gets stuck. Manager-Agent escalates کو human board. human reads email اور realizes: we don't رکھتے ہیں ایک ورکر کے لیے this. They کھولیں ایک Slack thread. They search کے لیے prior contract-review precedent. They draft ایک reply themselves. email gets answered.

کہ ہوتا ہے once اور یہ کا fine. یہ ہوتا ہے twelve times میں ایک month اور یہ کا ایک نمونہ. یہ ہوتا ہے fifty times میں ایک month اور افرادی قوت needs کو grow.

pre-AI نسخہ کا growing ایک افرادی قوت was ایک quarterly HR motion: identify gap، لکھیں ایک job description، post role، interview candidates، hire، onboard، ramp. Six weeks پر minimum، twelve weeks typical، اور human board ہے رکاوٹ on ہر step. میں ایک AI-native کمپنی، کہ motion چاہیے نہیں لیں twelve weeks. یہ چاہیے لیں ایک afternoon، اور رکاوٹ چاہیے نہیں be board، except کہاں board wants کو be رکاوٹ (کیونکہ hire ہے consequential، کیونکہ envelope ہے نیا، کیونکہ اختیار being granted ہے novel).

کہ کا کیا Invariant 6 ہے claiming. architect کا framing:

"ایک افرادی قوت کہ نہیں کر سکتا grow itself ہے ایک fixed کمپنی; ایک افرادی قوت کہ سکتا ہے grow itself کے تحت منظوری ہے ایک AI-native کمپنی. Hiring میں ایجنٹ فیکٹری ہے نہیں ایک HR motion; یہ ہے ایک function call سے مینیجر، taking ایک job description بطور input، returning ایک ورکر بطور نتیجہ، gated کے ذریعے وہی منظوری بنیادی اکائی کہ gates ہر دwasرا consequential action."

ذہنی نمونہ shift سے Course Six: میں Course Six، Manager-Agent coordinated existing افرادی قوت. میں Course Seven، Manager-Agent سکتا ہے change size اور shape کا افرادی قوت. مینیجر doesn't decide alone (کہ کا انسانی نگرانی کے ساتھ طریقہ کار we just locked میں). مگر مینیجر initiates: drafts proposal، چلتا ہے eval، writes بجٹ estimate. board reviews اور approves. نیا ورکر walks onto org chart کہ afternoon.

PRIMM: Predict

آپ're ایک engineer joining ایک startup. CEO says: "We رکھتے ہیں ایک AI-native customer-support افرادی قوت. Three ورکرز handle routine cases. Last month we got 47 contract-related emails کہ none کا three could handle. human board پڑھیں all 47 personally. Average response وقت was 32 گھنٹے، دو were escalated کو outside counsel، ایک got missed اور ایک customer churned."

Confidence 1 کو 5: کون سا کا following ہے strongest case کے لیے adding ایک hiring loop? (چنیں ایک.) (ایک) 32-hour response وقت. (b) دو cases escalated کو outside counsel. (c) ایک missed case کہ caused churn. (d) کہ board پڑھیں all 47 personally.

جواب: (d). دwasرا three ہیں symptoms; (d) ہے root cause. ایک افرادی قوت بغیر ایک hiring loop pushes ہر novel کام category onto human board. board بن جاتا ہے queue. customers دیکھیں 32-hour latencies اور missed cases نہیں کیونکہ کام ہے مشکل مگر کیونکہ queue ہے human-bottlenecked. hiring loop ہے کیا lets افرادی قوت route 90% کا contract سوالات کو ایک قانونی specialist ورکر، کے ساتھ board reviewing صرف genuinely consequential ones (escalations کو outside counsel، novel contract language، customers who ضرورت ایک board member کو weigh میں personally). درست metric کے لیے whether آپ ضرورت ایک hiring loop ہے نہیں response وقت یا churn; یہ کا what fraction کا board کا attention ہے spent on کام افرادی قوت چاہیے be doing itself. If board ہے queue، آپ ضرورت ایک hiring loop.

Bottom سطر: if آپ کا افرادی قوت سکتا ہے't شامل کریں نیا roles جب یہ discovers gaps، human board بن جاتا ہے queue کے لیے ہر novel kind کا کام. Hiring ہے function کہ prevents board-as-queue dysfunction.

تصور 2: صلاحیت gaps، three signal types

صلاحیت gap detection ہے تکنیکی heart کا Course Seven. یہ کا کہاں Manager-Agent decides "یہ کام ہے consistently arriving اور consistently has نہیں ورکر کو route یہ کو." Three signals trigger gap detection. ہر signal has ایک مختلف remediation; Manager-Agent watches کے لیے all three مگر reacts differently کو ہر.

Signal 1: Low routing confidence. جب Manager-Agent کا routing logic returns ایک confidence score کے لیے کون سا ورکر چاہیے handle یہ issue، اور score consistently falls below ایک threshold across multiple issues پر multiple days، کہ کا ایک sign routing options ہیں wrong. Three contract-related emails میں ایک week، ہر routed کے ساتھ confidence 0.4 کو 0.6 کو "Tier-2 specialist (default)" کیونکہ نہیں دwasرا option scored higher: کہ کا نہیں ایک routing problem، کہ کا ایک افرادی قوت-composition problem. Manager-Agent چاہیے نہیں رکھیں routing یہ کو Tier-2 (who گا handle انہیں poorly اور burn بجٹ); یہ چاہیے flag نمونہ.

Signal 2: Repeated escalations. جب ورکرز consistently escalate certain issue types کو human board ("I don't رکھتے ہیں اختیار کو بنائیں یہ فیصلہ" یا "یہ ہے outside my domain")، اور escalations cluster on ایک recognizable category، کہ کا ایک sign org chart ہے missing ایک role. ایک escalation per week ہے noise. Eight escalations per month، all on contract-review سوالات، ہے ایک hire-the-specialist signal.

Signal 3: نہیں eligible ورکر کے ذریعے skill match. جب ایک نیا issue arrives اور Manager-Agent کا skill-matching step پیدا کرتا ہے ایک empty result سیٹ (نہیں ورکر on org chart has skill claimed کے ذریعے یہ issue) کہ کا ایک sign کام ہے genuinely novel. ایک burst کا "translate یہ email سے Bahasa Indonesia کو English" emails جب نہیں ورکر has language=indonesian میں اس کا skills. Manager-Agent چاہیے نہیں guess; یہ چاہیے flag.

three signals ہیں نہیں independent. ایک novel کام category (Signal 3) گا also پیدا کریں low confidence (Signal 1) اور also پیدا کریں escalations (Signal 2). مگر three signals fire میں مختلف orders: Signal 1 fires پہلا (اندر گھنٹے کا پہلا such issue arriving)، Signal 2 fires اگلا (بعد ایک week کا مستقل escalations)، Signal 3 fires صرف جب skill model itself ہے updated کو recognize نیا category. Manager-Agent چاہیے fire ایک capability-gap alert جب any دو کا three signals fire on وہی category اندر ایک 14-دن window: ایک قاعدہ کا thumb tuned کو filter باہر one-off cases جبکہ catching genuine نمونے اندر دو weeks.

Signal	Fires جب	Fires بعد	Remediation
Low routing confidence	Confidence کے تحت 0.6 on three یا زیادہ issues میں وہی category	گھنٹے کو days	مینیجر flags category، logs کو gap-detection ledger
Repeated escalations	Three یا زیادہ escalations کو human board on وہی category	Days کو weeks	مینیجر opens ایک "gap detected" issue میں Paperclip
نہیں eligible ورکر کے ذریعے skill	Skill-match returns empty کے لیے issue کا claimed skills	Immediate	مینیجر auto-routes کو "unassigned" queue اور flags

نتیجہ کا capability-gap detection ہے نہیں ایک hire request. یہ کا ایک gap-detected record میں Paperclip's activity_log کہ Manager-Agent سکتا ہے later reference جب drafting ایک hiring proposal. proposal step ہے تصور 4. gap-detection step ہے just "noticed اور recorded"; deliberate separation ہے اس لیے Manager-Agent سکتا ہے detect gaps board doesn't yet چاہتے ہیں کو hire for (ایک startup کہ کا deciding whether contract کام justifies ایک ورکر چاہیے see gap نمونہ پہلے deciding).

Quick check

آپ کا Tier-2 specialist ورکر has been handling contract سوالات کے لیے دو weeks کیونکہ نہیں دwasرا ورکر ہے eligible. routing confidence has been کے گرد 0.55 on یہ issues. Tier-2 has not escalated any کا انہیں; یہ کا been trying اس کا بہترین، burning بجٹ، sometimes giving wrong جوابات. بعد دو weeks، would قاعدہ-of-thumb gap-detection قاعدہ (any دو کا three signals on وہی category اندر 14 days) fire? Walk کے ذریعے کون سا signals ہیں present اور کون سا ہیں absent.

Bottom سطر: ایک صلاحیت gap fires جب دو کا three signals (low routing confidence، repeated escalations، نہیں eligible ورکر کے ذریعے skill match) hit وہی category اندر 14 days. One-off cases don't count; قاعدہ ہے tuned کو filter noise جبکہ catching genuine نمونے اندر دو weeks.

تصور 3: Hire vs escalate vs queue vs decline

Once ایک صلاحیت gap ہے detected، اگلا فیصلہ ہے کیا کو کریں کے بارے میں یہ. Hiring ہے نہیں ہمیشہ درست جواب. Three دwasرا جوابات exist، اور ایک Manager-Agent کہ only knows "hire" گا hire too often. فیصلہ ہے ایک four-way fork.

Hire جب کام نمونہ ہے پائیدار (expected کو continue)، high-volume enough کو justify لاگت (ایک ورکر پر $400 کو $800 per month صرف pencils if یہ handles زیادہ than 40 issues per month کے لیے سپورٹ case)، اور narrow enough کو تعریف کریں ایک role ( eval pack میں تصور 5 لازمی be writable). قانونی specialist fits all three: contract سوالات ہیں arriving steadily، volume ہے 47 per month اور growing، اور "review ایک contract clause" ہے ایک definable role.

Escalate کو human جب کام ہے consequential (کے لیے مثال، negotiating contract amendments کے ساتھ ایک customer کا عمومی Counsel)، rare (ایک ایک quarter)، یا genuinely outside AI افرادی قوت's competence (کے لیے مثال، ایک deposition prep). board doesn't want یہ routed کو ایک ورکر; they چاہتے ہیں کو کریں یہ themselves. Capability-gap detection چاہیے fire ( board ضرورت ہے کو جانیں نمونہ موجود ہے)، مگر remediation ہے کو formalize escalation path، نہیں کو hire.

queue جب کام ہے seasonal یا transient (ایک one-month spike during ایک contract-renewal cycle)، یا جب لاگت کا hiring exceeds لاگت کا waiting (ایک $50 per month ورکر کے لیے دو months کا bursty کام doesn't pencil unless آپ سکتا ہے rehire یہ اگلا year). Paperclip's retirement mechanism (تصور 12) بناتا ہے hire-then-retire-then-rehire سستا if original hire was سستا. مگر if eval اور onboarding لیں five days کا board attention، queuing کام اور handling یہ میں batch ہے بہتر.

Decline جب کام ہے not aligned کے ساتھ کمپنی کا mission. ایک customer-support کمپنی چاہیے decline contract-drafting کام even if ایک customer پوچھتا ہے کے لیے یہ. "We don't کریں کہ یہاں" ہے ایک valid جواب; capability-gap detection چاہیے fire ( نمونہ موجود ہے) مگر remediation ہے کو update routing قواعد کو politely decline.

فیصلہ ہے نہیں ہمیشہ obvious. Manager-Agent کا role ہے کو propose ایک کا یہ four; board decides. تصور 7 covers proposal format; تصور 9 covers policies کہ let some کا یہ فیصلے be automated.

فیصلہ	trigger نمونہ	Cost	Reversibility
Hire	Durable، high-volume، narrow	ورکر بجٹ، setup، onboarding	High: retire اور rehire later
Escalate کو human	Consequential یا rare	Board attention per case	High: تبدیلی escalation قاعدہ
queue	Seasonal یا transient	customer wait وقت	Trivial: flush queue جب staff appears
Decline	Off-mission	customer dissatisfaction	Low: declining کام ہے ایک brand فیصلہ

ایک useful قاعدہ کا thumb: default کو escalate یا queue کے لیے پہلا month، پھر decide. Hire-decisions بنایا گیا on three days کا ڈیٹا ہیں usually wrong. Manager-Agent کا job میں week ایک ہے کو record gap، نہیں کو propose hire. hiring proposal ہے ایک تصور 4 آرٹفیکٹ کہ کا drafted صرف جب gap has been observed کے لیے پر least three weeks and matches hire معیار above. board sees ایک proposal کہ کا پہلے ہی been earned کے ذریعے sustained نمونہ.

Try with AI

میں آپ کا AI کوڈنگ assistant (Claude Code یا OpenCode، چنیں whichever آپ استعمال ہوا میں Course Six; rest کا کورس follows آپ کا choice)، paste following:

"I'm مطالعہ Course Seven کا ایک AI-native کمپنی curriculum. کورس introduces ایک four-way fork کے لیے responding کو صلاحیت gaps: hire، escalate، queue، decline. کے لیے ہر کا following five scenarios، predict کون سا response ہے appropriate اور کیوں. Don't reveal آپ کا جواب until I respond کے ساتھ my prediction.

1. Three emails میں دو weeks asking کے لیے tax-residency advice (one-off case ہر، unrelated customers، پیچیدہ topic).
2. Fifteen emails per week asking 'کہاں سکتا ہے I download my invoice بطور PDF?'. افرادی قوت has نہیں ورکر کہ knows invoice export endpoint موجود ہے.
3. ایک customer asking کے لیے مدد editing wording کا ان کا contract کے ساتھ آپ.
4. ایک two-week spike کا 80 emails کے بارے میں ایک planned billing-system migration، بعد کون سا volume returns کو normal.
5. ایک customer asking 'سکتا ہے آپ لکھیں me ایک recommendation letter کے لیے my اگلا job?'. نہیں کاروباری وجہ یہ would be میں scope."

Walk کے ذریعے all five. Compare آپ کا predictions کو آپ کا assistant کا analysis. نمونہ آپ'll notice: ** درست جواب depends on volume times durability times narrowness، نہیں on whether کام ہے "technically possible."** ایک ورکر کہ کا technically capable کا writing ایک recommendation letter ہے اب بھی wrong response کو scenario 5; کمپنی isn't میں کہ کاروباری. Hiring ہے ایک strategic فیصلہ افرادی قوت proposes اور board ratifies، نہیں ایک capability فیصلہ.

Bottom سطر: ایک صلاحیت gap has four possible responses: hire (پائیدار، high-volume، narrow)، escalate (consequential یا rare)، queue (transient)، decline (off-mission). default کو escalate یا queue کے لیے پہلا month; hire فیصلے بنایا گیا on three days کا ڈیٹا ہیں usually wrong.

---

حصہ 2: hiring contract

حصہ 1 oriented: gaps ہیں حقیقی، signals ہیں detectable، response ہے ایک four-way fork. حصہ 2 بناتا ہے hire response concrete. Three تصورات: کیا hiring API expects، کیسے candidates ہیں evaluated before منظوری، اور کیسے substrate (کہاں نیا ورکر اصل میں چلتا ہے) gets chosen.

تصور 4: job description بطور کوڈ

Paperclip's hiring endpoint ہے POST /api/companies/{companyId}/agent-hires. payload ہے ایک single JSON object، اور body کا کہ object matches shape استعمال ہوا کو بنائیں any agent میں Paperclip. وہاں ہے نہیں separate "post job، review applications، چنیں finalist" ورک فلو کیونکہ وہاں ہے نہیں labor market کے لیے AI ورکرز; job description اور candidate specification ہیں وہی آرٹفیکٹ. hire request is candidate.

دو things کو جانیں up front کے بارے میں payload shape. پہلا، official Paperclip docs describe ایک minimal hire request کہ includes essentials: name، role، reportsTo، capabilities، اور ایک بجٹ. کہ کا enough کو فائل ایک hire; Paperclip استعمال کرتا ہے defaults کے لیے everything else. Second، ایک پروڈکشن hire typically استعمال کرتا ہے کے گرد ten fields (adding title، icon کے لیے UX; adapterType plus adapterConfig کے لیے substrate selection; runtimeConfig کے لیے heartbeat behavior; sourceIssueId کے لیے audit linkage) اور underlying schema میں Paperclip's paperclip-create-agent skill بھی accepts desiredSkills (declare کون سا Paperclip skills نیا ورکر چاہیے رکھتے ہیں installed)، instructionsBundle (entry-فائل plus ایک map کا instruction فائلیں like AGENTS.md کہ ورکر reads on ہر heartbeat)، اور sourceIssueIds (plural; لنک hire کو multiple triggering issues، useful جب ایک gap-detection cluster spans بہت سے issues). Consult دونوں sources پر implementation وقت; live docs ہیں مستند مثال، اور GitHub skill repo has مکمل schema.

diagram below دکھاتا ہے پروڈکشن-shape payload. Course Seven کا worked مثال استعمال کرتا ہے مکمل پروڈکشن سیٹ کیونکہ Manager-Agent generates ایک مکمل proposal، نہیں ایک minimal ایک:

If you scan only one part of this diagram, look at the right-hand column

یہ explains کیا ہر کا core fields کرتا ہے. left-hand JSON ہے raw payload shape; آپ don't ضرورت کو پڑھیں یہ field کے ذریعے field کو understand concept.

shape استعمال ہوا میں Course Seven کا worked مثال، drawn سے Paperclip's paperclip-create-agent skill ( claude_local variant; فیصلہ 4 دکھاتا ہے opencode_local variant side کے ذریعے side):

{
  "name": "Legal Reviewer",
  "role": "general",
  "title": "Contract Review Specialist",
  "icon": "shield",
  "reportsTo": "<manager-agent-id>",
  "capabilities": "Reviews customer contract terms, flags ambiguities, drafts replies to interpretation questions. Does NOT modify contracts.",
  "adapterType": "claude_local",
  "adapterConfig": {
    "instructionsFilePath": "./legal-specialist-instructions.md",
    "maxTurnsPerRun": 3,
    "timeoutSec": 90
  },
  "runtimeConfig": {
    "heartbeat": { "enabled": false, "wakeOnDemand": true }
  },
  "budgetMonthlyCents": 80000,
  "sourceIssueId": "PAP-128"
}

adapterConfig above describes ایک Paperclip-native ورکر: Paperclip spawns claude CLI headless on ہر heartbeat کے ساتھ PAPERCLIP_API_URL اور PAPERCLIP_API_KEY میں اس کا environment، اور CLI executes turn کے خلاف Paperclip's اپنا API. نہیں external URL، نہیں relay. claude_local payload یہاں omits model کیونکہ field ہے optional کے لیے یہ adapter اور claude CLI استعمال کرتا ہے اس کا default ماڈل جب absent; pass یہ explicitly if آپ ضرورت کو pin ایک specific Claude ماڈل identifier. کے لیے opencode_local، shape ہے similar مگر model ہے required (ایک provider/model slug such بطور "anthropic/claude-opus-4-7" یا "openai/gpt-5.2-pro") اور maxTurnsPerRun ہے نہیں part کا verified shape; worked مثال بھی sets ایک slightly بڑا timeoutSec (120 vs claude_local's 90) کو دیں spawn loop زیادہ headroom; tune کے لیے آپ کا حقیقی heartbeat latency. کے لیے ایک http-adapter ورکر (e.g. ایک self-hosted Agent SDK endpoint، یا ایک managed-cloud پروڈکٹ reached کے ذریعے ایک thin relay)، adapterConfig ہے ایک url plus optional headers اور timeoutSec. تصور 6 covers جب ہر shape ہے درست.

ہر field کرتا ہے کام. Walking eleven:

• name ہے کیا humans دیکھیں میں Paperclip UI ("قانونی Reviewer"). Short، role-evocative. نہیں agent کا پرامپٹ-وقت identity (کہ آتا ہے سے نظام پرامپٹ configured separately).
• role ہے ایک fixed enum کا organizational role types (ceo، cto، cmo، cfo، security، engineer، designer، pm، qa، devops، researcher، general); چنیں closest fit، اور ایک specialist کہ doesn't map کو ایک C-suite یا engineering role استعمال کرتا ہے general. human-readable specificity lives میں title اور capabilities، نہیں role. استعمال ہوا کے ذریعے Paperclip's routing logic اور کے ذریعے activity log، اس لیے یہ چاہیے be stable across rehires: if آپ retire اور rehire ایک قانونی Reviewer six months later، reuse وہی role اس لیے talent ledger correlates across hire cycles.
• title ہے human-readable job title. Distinct سے name کے لیے وہی وجہ ایک person کا name ہے distinct سے ان کا job title: ایک ورکر named "قانونی Reviewer" could later be promoted کو title "Senior Contract Counsel" بغیر ایک rehire.
• icon لازمی come سے enum میں /llms/agent-icons.txt. Paperclip enforces یہ اس لیے org-chart views ہیں visually مستقل. verified API call: curl -sS "$PAPERCLIP_API_URL/llms/agent-icons.txt" -H "Authorization: Bearer $PAPERCLIP_API_KEY". کے لیے قانونی specialist، shield ہے closest semantic fit میں enum.
• reportsTo sets org-chart edge. Course Seven کا قانونی specialist رپورٹس کو Manager-Agent ( وہی orchestrator سے Course Six). کے لیے ایک flatter org chart، ایک ورکر سکتا ہے report directly کو human board (کون سا ہے implicit default جب reportsTo ہے omitted).
• capabilities ہے prose describing کیا ورکر کرتا ہے اور کرتا ہے نہیں کریں. یہ ہے زیادہ تر underrated field. یہ serves three قارئین: humans browsing org chart، Manager-Agent making routing فیصلے ("کرتا ہے یہ ورکر کا صلاحیتیں match یہ issue کا ضرورت ہے?")، اور ورکر itself پر heartbeat وقت ( پرامپٹ includes "آپ ہیں described کو آپ کا org chart بطور: صلاحیتیں"). negation matters: writing "کرتا ہے نہیں modify contracts" explicitly ہے زیادہ useful than leaving boundary unstated.
• adapterType controls کیسے Paperclip talks کو ورکر. کورس's worked مثال استعمال کرتا ہے "claude_local": Paperclip spawns claude CLI headless on ہر heartbeat کے ساتھ PAPERCLIP_API_URL اور PAPERCLIP_API_KEY injected میں اس کا environment، اور CLI کرتا ہے turn کے خلاف Paperclip's اپنا API. Paperclip ships ایک مکمل سیٹ کا built-in adapters: Paperclip-native local-CLI runners (claude_local، codex_local، opencode_local، gemini_local، cursor، hermes_local، pi_local، process)، outbound-webhook (http، openclaw_gateway)، اور vendor-cloud-SDK (cursor_cloud). کو دیکھیں مکمل list دستیاب میں آپ کا ڈیپلائمنٹ، چلائیں curl $PAPERCLIP_API_URL/llms/agent-configuration.txt. تصور 6 covers جب ہر shape ہے درست.
• adapterConfig ہے adapter-specific. کے لیے claude_local، fields ہیں instructionsFilePath (ایک path کو markdown فائل کہ بن جاتا ہے CLI کا نظام instructions)، maxTurnsPerRun (کیسے بہت سے conversational turns Paperclip lets ایک single heartbeat استعمال کریں پہلے stopping)، timeoutSec (ایک wall-clock bound on ایک single چلائیں)، اور optionally model (ایک Claude ماڈل identifier; if omitted claude CLI استعمال کرتا ہے اس کا default ماڈل). کے لیے opencode_local، fields ہیں model (ایک required provider/model slug routing OpenCode پر chosen provider)، instructionsFilePath، اور timeoutSec; maxTurnsPerRun ہے نہیں part کا verified shape اور OpenCode's سیشن بجٹ ہے governed کے ذریعے اس کا اپنا runtime، نہیں Paperclip. اس لیے دونوں local adapters accept model; difference ہے required-vs-optional اور default-behavior path (claude_local falls back کو CLI default جب omitted; opencode_local ضرورت ہے slug کیونکہ یہ has نہیں single-provider default). کے لیے http، یہ کا ایک url plus optional method، headers، payloadTemplate، اور timeoutSec. Authentication کے لیے http travels میں headers; ماڈل ہے configured on runtime side. exact field سیٹ shifts درمیان Paperclip versions; consult GET /llms/agent-configuration/<adapterType>.txt on live daemon پہلے relying on any specific field name.
• runtimeConfig controls جب اور کیسے ورکر wakes. heartbeat.enabled: true turns on ایک timer heartbeat: Paperclip pings ورکر on ایک schedule whether یا نہیں وہاں ہیں issues. wakeOnDemand: true means ورکر ہے بھی woken moment ایک issue ہے assigned کو یہ. Paperclip's اپنا guidance ہے کہ timer heartbeats ہیں opt-in: leave heartbeat.enabled false unless role genuinely ضرورت ہے scheduled، issue-independent کام، اور let wakeOnDemand carry routed کام. قانونی specialist ہے ایک pure responder (کام arrives بطور routed issues، نہیں on ایک schedule)، اس لیے worked مثال leaves timer off; ایک scheduled-plus-routed ورکر (e.g. ایک "morning compliance scan") would سیٹ heartbeat.enabled: true اور ایک intervalSec. چیک GET /llms/agent-configuration.txt کے لیے موجودہ heartbeat object shape میں آپ کا ڈیپلائمنٹ; fields کے تحت یہ رکھتے ہیں changed across versions.
• budgetMonthlyCents ہے monthly لاگت ceiling، میں cents. 80000 means $800 per month. جب ورکر کا accumulated لاگت-events کے لیے ایک billing month reach یہ number، Paperclip stops giving یہ نیا heartbeats اور routes نیا issues elsewhere (یا surfaces انہیں کو board). Setting 0 means "نہیں monthly limit configured"; Paperclip پھر falls back کو company-level policy. ایک hire request بغیر ایک بجٹ gets defaults کہ almost certainly aren't کیا آپ چاہتے ہیں.
• sourceIssueId ہے audit لنک. یہ ہے زیادہ تر اہم field کے لیے Course Seven کا narrative. جب قانونی specialist ہے hired because of ایک specific issue ("PAP-128: customer asked us کو interpret حصہ 7.3")، یہ field لنکس hire کو اس کا triggering issue. Six months later، activity log سکتا ہے جواب: "یہ ورکر was hired because of PAP-128، بعد Manager-Agent flagged three weeks کا similar نمونے." بغیر sourceIssueId، hire بن جاتا ہے orphaned سے اس کا rationale.

مکمل hire request ہے signed کے ساتھ ایک Paperclip API اہم (Authorization: Bearer $PAPERCLIP_API_KEY) اور includes ایک content-type header (Content-Type: application/json). verified curl command ہے میں paperclip-create-agent skill. Course Seven کا فیصلہ 2 میں lab walks مکمل request شروع سے آخر تک.

کیا کا نہیں میں payload، اور کیوں. Notice کیا کا missing سے JSON: اختیار envelope details (such بطور refund_max، contract_modify) اور eval pack results. بجٹ is میں payload ( budgetMonthlyCents field above)، مگر دو اہم things ہیں نہیں:

• اختیار envelope ہے negotiated during منظوری thread (تصور 8). hire request کا capabilities field ہے prose description کا کیا ورکر چاہیے کریں; enforceable envelope ( refund_max، contract_modify، etc. limits) ہے سیٹ on منظوری مبنی on board کا فیصلہ.
• Eval pack results ہیں recorded میں activity_log (تصور 11) پہلے hire ہے approved، مگر they're separate API calls، نہیں part کا hire payload itself.

یہ separation ہے intentional. hire request ہے "propose ایک ورکر، کے ساتھ ایک بجٹ." Envelope اور تشخیص ہیں "calibrate ورکر we're proposing." مختلف verbs، مختلف endpoints، مختلف audits.

PRIMM: Predict

آپ're drafting ایک hire request کے لیے ایک نیا ورکر named "FAQ Bot" کہ جوابات "کہاں سکتا ہے I download my invoice بطور PDF?" اور similar low-stakes سوالات. Manager-Agent has detected 67 such emails میں last دو weeks. کون سا کا یہ capabilities strings ہے بہترین?

(ایک) "Helpful کسٹمر سپورٹ agent." (b) "جوابات customer سوالات کے بارے میں پروڈکٹ." (c) "جوابات customer سوالات کے بارے میں invoice download، account settings، password reset، اور پروڈکٹ feature navigation. کرتا ہے نہیں issue refunds، modify accounts، یا escalate کو humans except کے لیے explicit account-deletion requests." (d) "گا جواب عام customer سوالات اور route uncommon ones."

Confidence 1 کو 5. پھر justify.

جواب: (c). Three reasons. پہلا، یہ lists positive صلاحیتیں concretely ( four named domains) کون سا Manager-Agent کا routing logic سکتا ہے match کے خلاف. Second، یہ lists negative صلاحیتیں (نہیں refunds، نہیں account modification) کون سا ورکر itself sees میں اس کا پرامپٹ اور کون سا اختیار envelope reflects. Third، یہ names ایک specific exception (account-deletion کو human escalation) کون سا بناتا ہے boundary actionable. Options (ایک) اور (b) ہیں vague; they could describe any ورکر. Option (d) names نمونہ (عام vs uncommon) مگر doesn't tell routing logic کوئی بھی چیز specific. اصول: ** capabilities field ہے prose کے لیے three قارئین (humans، router، ورکر itself); لکھیں یہ اس لیے all three سکتا ہے act on یہ.**

Bottom سطر: ایک hire ہے ایک JSON payload posted کو ایک endpoint. minimum essentials per official docs ہیں name، role، reportsTo، capabilities، اور ایک بجٹ. ایک پروڈکشن hire typically استعمال کرتا ہے کے گرد ten fields including adapter اور runtime config; مکمل schema accepts زیادہ. capabilities prose (پڑھیں کے ذریعے humans، router، اور ورکر itself)، sourceIssueId ( audit anchor)، اور budgetMonthlyCents ( لاگت ceiling) ہیں load-bearing fields. اختیار envelope اور eval results ہیں handled میں separate calls، intentionally.

تصور 5: صلاحیت تشخیص پہلے hire

hire request بناتا ہے ورکر shell. مگر ورکر doesn't immediately شروع کریں handling issues. درمیان "hire submitted" اور "hire approved" sits ایک تشخیص step: candidate ورکر لیتا ہے ایک battery کا test issues ( eval pack) اور results ہیں posted کو منظوری thread اس لیے board سکتا ہے decide.

یہ ہے safety بنیادی اکائی کہ بناتا ہے "fully خودمختار hiring" defensible later (میں تصور 9). پہلے any board sees proposal، candidate has been tested on کام یہ کا being hired کو do. میں یہ curriculum، eval pack ہے treated بطور non-optional. submitHireProposal function میں فیصلہ 3 گا refuse کو submit ایک proposal کہ lacks eval results، returning یہ کو Manager-Agent کے لیے completion پہلے یہ ever reaches منظوری gate. Whether آپ کا Paperclip configuration enforces eval-pack attachment پر پلیٹ فارم level depends on آپ کا auto-منظوری policy (تصور 9) اور any pre-submission validators آپ've added; curriculum کا طریقہ کار holds regardless کا پلیٹ فارم-level enforcement.

eval pack نمونہ: 5 کو 15 representative test issues، hand-picked یا auto-extracted سے gap-detection ledger، ہر کے ساتھ ایک known اچھا جواب. candidate ورکر ہے دیا گیا issues; Manager-Agent (یا ایک separate Evaluator ورکر، if کمپنی has ایک) scores candidate کا responses کے خلاف known جوابات. Scoring ہے not "did candidate پیدا کریں وہی text بطور reference جواب." یہ کا ایک rubric:

rubric dimension	Scoring	مثال کے لیے قانونی specialist
Correctness	0 کو 3	Did candidate identify درست contract clause? Did یہ summarize meaning correctly?
Boundary respect	0 کو 3	Did candidate refuse کو modify contract (کون سا ہے outside اس کا envelope)? Did یہ correctly escalate جب needed?
Tone fit	0 کو 3	کرتا ہے response پڑھیں like rest کا کمپنی کا customer communications?
Cost	tokens، seconds	کیسے بہت سے tokens did candidate استعمال کریں کو جواب? کیسے long did سیشن چلائیں?

ایک passing eval ہے typically پر least 2 باہر کا 3 on all rubric dimensions across پر least 80% کا test issues، plus لاگت اندر twice budgeted-per-issue estimate. لاگت dimension ہے اہم: ایک candidate کہ پیدا کرتا ہے درست جوابات مگر burns $5 per issue جب بجٹ ہے $0.50 per issue ہے ایک failed hire، even though کام itself was درست.

eval-pack runner ہے ایک چھوٹا piece کا کوڈ کہ:

1. Pulls candidate ورکر کا agent_id سے hire response.
2. Iterates test issues، assigning ہر کو candidate (PATCH /api/issues/{id} کے ساتھ { assigneeAgentId: <agent-id> }, or the issue checkout CLI بنیادی اکائی).
3. Waits کے لیے candidate کا heartbeat کو عمل ہر issue.
4. Reads ہر issue کا resolution سے activity_log، scores یہ کے خلاف reference، اور writes score back بطور ایک comment on منظوری thread.
5. Posts ایک summary table پر end: dimensions scored، pass/fail، recommended action.

summary table ہے کیا human board sees پہلا جب they کھولیں منظوری. یہ looks like یہ:

Eval Pack Results: Legal Specialist (candidate agent_id: agent_4f3a)
=====================================================================
Test issues run:    12
Correctness:        2.8 / 3.0  (pass)
Boundary respect:   3.0 / 3.0  (pass)
Tone fit:           2.5 / 3.0  (pass)
Cost per issue:     $0.42      (within $0.50 budget: pass)
Total session-cost: $5.04
Recommended:        APPROVE
Notes:              One test issue (PAP-128-eval-7) had the candidate
                    refuse a contract modification, correctly. Another
                    (PAP-128-eval-11) flagged ambiguous wording to
                    human board, also correctly. Both behaviors match
                    the capabilities description.

board reads یہ before approving. دو سوالات board ہے پھر equipped کو جواب: (1) کرتا ہے candidate اصل میں کریں کام? ( rubric جوابات)، (2) کرتا ہے candidate respect envelope being proposed? ( boundary-respect score). If دونوں ہیں yes، board approves. If ایک ہے نہیں، board comments on منظوری thread asking کے لیے revision، اور Manager-Agent سکتا ہے re-tune candidate (مختلف ماڈل، مختلف پرامپٹ، narrower صلاحیتیں) اور re-submit.

** eval pack ہے زیادہ تر اہم deliverable کا hiring loop.** ایک hire request بغیر eval results ہے ایک hope. ایک hire request کے ساتھ ایک 12-issue eval pack passing on all four rubric dimensions ہے ایک evidence-backed proposal. whole وجہ architect کا framing claim ("hiring بطور ایک callable صلاحیت") کام کرتا ہے ہے کہ capability includes "test پہلے ڈیپلائے کرنا." بغیر کہ step، آپ're back کو twelve-week HR کے ساتھ worse instincts.

Quick check

Suppose آپ کا eval pack runner returns یہ results: Correctness 2.9/3، Boundary respect 1.5/3 ( candidate offered کو modify ایک contract clause جب asked)، Tone fit 2.7/3، Cost $0.38 per issue. کیا کا درست اگلا action?

(ایک) Approve: three کا four dimensions ہیں passing. (b) Reject: boundary score ہے below threshold. (c) Comment on منظوری thread asking Manager-Agent کو tighten پرامپٹ اور resubmit. (d) Approve، پھر شامل کریں ایک narrow اختیار envelope manually بعد hire.

Bottom سطر: پہلے board sees ایک hire proposal، candidate ورکر handles کے گرد 12 representative test issues scored on four dimensions (correctness، boundary respect، tone fit، لاگت). Pass درکار ہے پر least 2 باہر کا 3 on ہر dimension across پر least 80% کا issues. نہیں eval، نہیں منظوری. Boundary respect ہے dimension آپ never compromise on.

تصور 6: Substrate selection: Claude Managed Agents vs Claude Agent SDK vs claude_local vs عمل

substrate ہے کہاں نیا ورکر اصل میں چلتا ہے. Paperclip doesn't care کون سا substrate; یہ صرف cares کہ ورکر responds کو heartbeats اور posts results back. مگر choice کا substrate has حقیقی لاگت، latency، اور operational implications. Course Seven کا worked مثال استعمال کرتا ہے Claude Managed Agents (CMA) کے لیے قانونی specialist، مگر three دwasرا substrates would بھی کام. یہ تصور بناتا ہے choice explicit.

four candidate substrates کے لیے ایک hire میں 2026:

Claude Managed Agents (CMA). Anthropic's hosted بنیادی ڈھانچا کے لیے long-running agents. Launched میں public beta میں April 2026; موجودہ official docs. Four core تصورات میں official ماڈل: Agent (ماڈل plus نظام پرامپٹ plus ٹولز plus MCP plus skills)، Environment (configured container template کے ساتھ packages اور network access)، سیشن (ایک running agent instance اندر ایک environment، performing ایک specific کام)، اور events (messages exchanged درمیان آپ کا application اور agent، including صارف turns، ٹول results، اور status updates streamed via SSE). setup ماڈل: (1) بنائیں ایک agent definition; (2) بنائیں ایک environment; (3) شروع کریں ایک سیشن کہ references دونوں; (4) send events اور stream responses; (5) steer یا interrupt mid-عمل درآمد. Pricing: standard Claude API tokens plus ایک per-session-hour runtime charge کے لیے active عمل درآمد (دیکھیں Anthropic's قیمتوں کا تعین صفحہ کے لیے موجودہ rate). Strengths: پائیدار سیشنز (کام survives network blips، multi-hour کام survive عمل restarts)، built-in sandboxing ( agent سکتا ہے چلائیں کوڈ بغیر exposing آپ کا infra)، built-in ٹریسنگ، built-in پرامپٹ caching، compaction. Weaknesses: vendor-coupled کو Claude ماڈلز; beta API surface ( managed-agents-2026-04-01 header ہے required on ہر request; SDK sets یہ automatically); session-hour billing means ایک actively-running agent لاگتیں money beyond pure token spend. Note: Multi-agent orchestration اور نتیجہ-مبنی self-evaluation ہیں research preview features requiring ایک separate access request; کورس's worked مثال کرتا ہے نہیں depend on انہیں. بہترین fit: ورکرز کہ کریں long-running، computationally non-trivial کام کہاں Anthropic's sandboxing earns per-hour overhead. قانونی specialist fits کیونکہ contract review involves multi-ٹول استدلال (پڑھیں contract، search precedent، draft reply).

Claude Agent SDK. ایک separate Anthropic پروڈکٹ: ایک programmatic harness کے لیے self-hosted خودمختار agents. "دیں Claude ایک computer": native Bash عمل درآمد، فائل نظام R/W، MCP integrations. آپ فراہم کریں بنیادی ڈھانچا; Anthropic فراہم کرتا ہے agent loop. Strengths: مکمل قابو پر عمل درآمد environment، نہیں session-hour fees، easier کو integrate کے ساتھ existing services. Weaknesses: آپ فراہم کریں durability، نظم و نگرانی، circuit breakers (Anthropic explicitly says " distance درمیان ایک working demo اور ایک پروڈکشن agent ہے بڑا than زیادہ تر ٹیمیں expect"). بہترین fit: ورکرز کہ ضرورت access کو آپ کا بنیادی ڈھانچا (آپ کا فائل نظام، آپ کا ڈیٹا بیسز، آپ کا internal services) اور کہاں آپ پہلے ہی رکھتے ہیں operational maturity کو handle sandboxing اور durability.

claude_local adapter. simplest substrate، اور ایک کہاں Paperclip چلتا ہے loop itself. On ہر heartbeat، Paperclip spawns claude CLI locally میں headless طریقہ اور hands یہ ایک authenticated channel back کو Paperclip's اپنا API; CLI brings agent loop، ٹول عمل درآمد، اور instruction wiring کے ساتھ یہ ( adapter config لیتا ہے things like ایک instructions فائل path اور ایک per-run turn limit). نہیں external service، نہیں inbound URL، نہیں relay، نہیں separate cloud account. Strengths: zero بنیادی ڈھانچا، نہیں beta access required، fastest possible setup. Weaknesses: یہ چلتا ہے on whatever machine Paperclip daemon چلتا ہے on، اس لیے یہ has none کا CMA کا cloud sandboxing یا cross-machine durability، اور ایک long کام ہے bounded کے ذریعے heartbeat کا turn limit rather than ایک persistent cloud سیشن. بہترین fit: Claude-backed ورکرز کہاں یہ ہے fine کے لیے Paperclip کو host runtime. Course Seven کا قانونی specialist can چلائیں یہاں، اور on ایک live daemon یہ کرتا ہے; CMA earns اس کا place صرف جب آپ specifically ضرورت cloud sandboxing یا genuinely long-running سیشنز beyond ایک single bounded heartbeat.

process adapter. Paperclip spawns ایک Unix عمل کے لیے ہر heartbeat: آپ کا script، آپ کا binary، کوئی بھی چیز کہ سکتا ہے be executed اور پیدا کرتا ہے نتیجہ. Strengths: نہیں API لاگتیں پر all (if آپ کا "ورکر" ہے ایک script کہ just queries ایک ڈیٹا بیس)، مکمل قابو، سکتا ہے integrate کے ساتھ literally کوئی بھی چیز کہ چلتا ہے on ایک server. Weaknesses: آپ فراہم کریں intelligence; process adapter doesn't include ایک ماڈل call کے ذریعے default. بہترین fit: ورکرز کہ ہیں deterministic: ایک "nightly report generator" ورکر، یا ایک "backup verification" ورکر. نہیں ایک fit کے لیے قانونی specialist (intelligence ہے whole point).

فیصلہ table:

Substrate	Adapter type	Strengths	Cost shape	بہترین fit
claude_local (worked مثال)	claude_local	Zero بنیادی ڈھانچا، نہیں beta; Paperclip-native، Anthropic-صرف	tokens صرف	Claude-backed کام کہاں Paperclip چلتا ہے loop (یہ کورس's worked مثال)
opencode_local (worked مثال)	opencode_local	Zero بنیادی ڈھانچا; Paperclip-native، multi-provider via provider/model	tokens صرف (per chosen provider)	Any-provider local کام; lets وہی hire چلائیں on Anthropic، OpenAI، Google، etc
process	process	Cheapest، کوئی بھی چیز goes; Paperclip-native	Compute صرف	Deterministic، non-intelligent کام (ایک scheduled SQL rollup)
Claude Agent SDK	http (point straight پر آپ کا SDK endpoint)	مکمل قابو پر عمل درآمد environment، نہیں سیشن fees	tokens صرف	Internal-infrastructure access (آپ کا فائل نظام، آپ کا DB، آپ کا services)
Claude Managed Agents	http (via ایک thin heartbeat relay)	Durable سیشنز، sandboxing، ٹریسنگ، multi-hour persistence; vendor-managed cloud	tokens plus per-session-hour charge	Long-running، multi-ٹول کام کہ ضرورت ہے cross-machine durability

Notice پہلا three rows ہیں Paperclip-native (Paperclip spawns runtime itself; نہیں inbound URL). last دو rows ہیں HTTP-adapter substrates (Paperclip POSTs کو ایک URL آپ فراہم کریں). کورس's worked مثال استعمال کرتا ہے claude_local اور opencode_local کیونکہ they ہیں simplest paths اور multi-provider pair proves "substrate-agnostic" concretely. HTTP-adapter substrates earn ان کا place جب workload demands ان کا specific trade-offs (self-hosted قابو کے لیے Agent SDK، پائیدار cloud سیشنز کے لیے CMA). sidebar below names integration-shape difference precisely، کیونکہ word endpoint hides کیا کا اصل میں going on کے لیے ہر row.

Sidebar: three integration shapes, not one

table کا five rows اصل میں split میں three integration shapes. word endpoint hides difference:

• Paperclip-native (claude_local، opencode_local، process، اور rest کا local-CLI family). Paperclip کرتا ہے نہیں POST anywhere; یہ spawns runtime itself on ہر heartbeat. claude_local launches claude CLI headless، locally، کے ساتھ PAPERCLIP_API_URL اور PAPERCLIP_API_KEY injected اس لیے CLI calls back میں Paperclip's اپنا API. opencode_local ہے وہی shape کے ساتھ OpenCode's multi-provider routing. process spawns ایک arbitrary command. وہاں ہے نہیں inbound URL کیونکہ nothing ہے pushed outward. یہ ہے simplest shape، اور یہ ہے کیا worked مثال استعمال کرتا ہے.
• Outbound webhook (http adapter). Paperclip POSTs heartbeats outward کو ایک url آپ دیں یہ (دیکھیں paperclip-create-agent skill). ایک self-hosted Claude Agent SDK ورکر exposes exactly کہ kind کا inbound HTTP endpoint، اس لیے Paperclip's http adapter points straight پر یہ، نہیں glue.
• Vendor-managed cloud، کون سا ہے کہاں CMA اصل میں sits. ایک Claude Managed Agents session ہے نہیں ایک inbound HTTP endpoint. ایک CMA سیشن ہے driven کے ذریعے events آپ send یہ (POST /v1/sessions/{id}/events) اور پڑھیں via ایک server-sent-event stream (دیکھیں پلیٹ فارم.claude.com/docs/managed-agents). وہاں ہے نہیں سیشن URL کے لیے Paperclip's http adapter کو POST ایک heartbeat کو.

اس لیے CMA کرتا ہے نہیں drop میں behind Paperclip's http adapter طریقہ ایک self-hosted endpoint کرتا ہے، اور یہ ہے نہیں Paperclip-native طریقہ claude_local اور opencode_local ہیں. Reaching ایک CMA سیشن سے Paperclip today ضرورت ہے ایک thin relay: ایک چھوٹا HTTP endpoint کہ receives Paperclip's heartbeat اور forwards یہ میں CMA سیشن بطور ایک event، پھر returns result. کورس's architectural argument (hiring ہے substrate-agnostic سے management plane کا perspective) اب بھی holds، کیونکہ ہر substrate اب بھی ends up بطور ایک adapter Paperclip drives. کیا sidebar buys ہے honesty کہ "point adapter پر CMA" ہے نہیں literally ایک config سطر طریقہ یہ ہے کے لیے ایک self-hosted endpoint یا ایک Paperclip-native local adapter.

If Paperclip later ships ایک dedicated claude_managed_agents adapter، relay disappears اور CMA بن جاتا ہے ایک first-class path; یہ would زیادہ تر likely دیکھیں like Paperclip's existing cursor_cloud adapter، کون سا پہلے ہی drives ایک vendor-hosted agent کے ذریعے کہ vendor کا SDK. Until پھر، substrate فیصلہ ہے حقیقی، اور confirming موجودہ integration shape کے خلاف live docs پہلے relying on یہ ہے exactly طریقہ کار rest کا کورس سکھاتا ہے.

کورس استعمال کرتا ہے claude_local اور opencode_local کے لیے قانونی specialist میں worked مثال. sidebar below دکھاتا ہے وہی hire request pointed پر ایک self-hosted Agent SDK runtime بجائے، کون سا ہے case کہاں swap genuinely is ایک single adapterConfig.url تبدیلی (ایک self-hosted endpoint ضرورت ہے نہیں relay).

Sidebar: the Agent SDK version of the same hire

If آپ کا ٹیم wants کو self-host قانونی specialist on ایک Claude Agent SDK endpoint (بجائے کا دو Paperclip-native local adapters فیصلہ 4 استعمال کرتا ہے)، hire payload تبدیلیاں صرف میں adapterType اور adapterConfig:

{
  "name": "Legal Reviewer",
  "role": "general",
  "title": "Contract Review Specialist",
  "icon": "shield",
  "reportsTo": "<manager-agent-id>",
  "capabilities": "Reviews customer contract terms, flags ambiguities, drafts replies to interpretation questions. Does NOT modify contracts.",
  "adapterType": "http",
  "adapterConfig": {
    "url": "https://internal-legal-agent.example.com/heartbeat",
    "headers": { "Authorization": "Bearer ${INTERNAL_AGENT_API_KEY}" },
    "timeoutSec": 300
  },
  "runtimeConfig": {
    "heartbeat": { "enabled": true, "intervalSec": 300, "wakeOnDemand": true }
  },
  "sourceIssueId": "PAP-128"
}

Everything else (eval pack، منظوری flow، talent ledger entries) ہے identical across all three options. سے Paperclip's perspective، claude_local، opencode_local، اور Agent-SDK-پر-http versions ہیں the وہی Worker. لاگت shape اور operational ownership differ درمیان انہیں: دو local adapters bill صرف tokens کے ذریعے whichever provider اہم CLI was authenticated کے ساتھ، اور آپ اپنا host machine; Agent SDK پر http ہے وہی token-only لاگت shape کے ساتھ آپ بھی owning inbound endpoint، durability، اور sandboxing. (CMA، کے ذریعے contrast، adds ایک per-session-hour runtime charge مگر hands آپ durability اور sandboxing میں exchange.) ** substrate فیصلہ ہے reversible کے ذریعے changing adapterType plus adapterConfig اور resubmitting hire.** یہ کا نہیں ایک one-way door.

Try with AI

Paste یہ میں آپ کا AI کوڈنگ assistant:

"I'm choosing substrate کے لیے three نیا ورکر hires. کے لیے ہر، recommend ایک کا: claude_local، opencode_local، Claude Agent SDK via http، Claude Managed Agents via http plus relay، یا process. Explain کیوں.

ورکر ایک: ایک 'GitHub PR reviewer' کہ reads pull-request diffs، checks کے لیے سیکیورٹی نمونے، اور posts comments. Volume: کے بارے میں 80 PRs per week. ہر سیشن چلتا ہے 2 کو 5 منٹ.

ورکر B: ایک 'nightly metrics rollup' کہ queries Postgres پر 2 AM، generates ایک summary report، اور posts کو Slack. Deterministic; نہیں AI استدلال needed.

ورکر C: ایک 'customer-onboarding orchestrator' کہ reads ایک نیا customer کا profile، drafts ایک personalized welcome email، schedules ایک check-in call via Calendly API، اور updates Salesforce. Multi-ٹول، multi-step، کے گرد 10-منٹ سیشنز، کے گرد 200 onboardings per week."

point کا مشق ہے نہیں specific recommendations (آپ کا assistant گا دیں plausible ones) مگر کو make substrate فیصلہ visible. ورکرز میں آپ کا حقیقی افرادی قوت گا دیکھیں like یہ three: short-and-cheap (ایک)، deterministic-and-toolless (B)، long-and-orchestrational (C)، اور ہر calls کے لیے ایک مختلف substrate. hiring API ہے وہی کے لیے all کا انہیں; substrate underneath ہے کیا تبدیلیاں.

Bottom سطر: کہاں ورکر اصل میں چلتا ہے ہے ایک separate choice سے کیسے یہ gets hired. Five عام options span range، سے "Paperclip spawns runtime itself" (claude_local، opencode_local، process) کے ذریعے "آپ host agent loop" (Claude Agent SDK پر http) کو "Anthropic hosts everything" (Claude Managed Agents پر http plus ایک thin relay). hire request itself ہے وہی across all کا انہیں; صرف adapterType اور adapterConfig تبدیلی. چنیں ایک Paperclip-native local adapter جب simplest path ہے fine; چنیں CMA جب آپ کا ورکر genuinely ضرورت ہے پائیدار cloud سیشنز; چنیں Agent SDK جب آپ ضرورت مکمل قابو کا عمل درآمد environment; چنیں process جب نہیں intelligence ہے required پر all.

---

حصہ 3: Governance کے لیے hiring

Parts 1 اور 2 covered detection اور proposal. حصہ 3 ہے careful part: کیا ہوتا ہے درمیان proposal اور منظوری، کیا اختیار نیا ورکر ہے granted، اور جب (if ever) human سکتا ہے step باہر کا loop. Three تصورات.

تصور 7: Hiring کے ذریعے Course Six کا منظوری gate

Course Six کا تصور 11 introduced منظوریاں بطور ایک بنیادی اکائی: ایک ورکر pauses durably، posts ایک request کو board، waits، resumes on board کا فیصلہ. Course Seven کا hiring loop reuses کہ exact بنیادی اکائی، کے ساتھ نہیں modification. صرف difference ہے payload. بجائے کا ایک $500 refund فیصلہ، منظوری thread carries ایک hire proposal، eval results، expected بجٹ، اور draft اختیار envelope.

یہ ہے cleanest structural payoff درمیان Courses Six اور Seven. architect کا ڈیزائن wins twice: once کیونکہ منظوری بنیادی اکائی solved refund problem میں Course Six، اور again کیونکہ یہ solves hiring problem میں Course Seven without rebuilding anything. ایک افرادی قوت کہ has منظوریاں پہلے ہی knows کیسے کو کریں hiring. board sees ایک richer آرٹفیکٹ; underlying machinery ہے وہی.

Sidebar: hiring is one of several named approval types

Paperclip API reference دستاویزات hire_agent بطور منظوری type استعمال ہوا کے لیے hiring (confirmed verbatim میں response shape: "type": "hire_agent"). Additional منظوری types exist میں Paperclip کے لیے دwasرا consequential فیصلے; چیک آپ کا instance کا docs کے لیے موجودہ list. philosophy ہے وہی regardless کا کون سا named types آپ find: میں ایک AI-native کمپنی، certain consequential پہلا moves ہیں not allowed کو be unilateral، نہیں matter کیسے senior agent making انہیں ہے. hiring منظوری ہے part کا ایک family، نہیں ایک one-off.

If you scan only one part of this diagram, compare the two "Decision required" buttons at the bottom of each panel

They're identical. orange panel (Course Six refund) اور purple panel (Course Seven hire) put وہی APPROVE / request تبدیلیاں / DECLINE میں front کا board. کہ sameness ہے whole argument.

hire-منظوری payload، جب board opens یہ میں Paperclip's UI:

پہلا، یہاں کا core shape ہر منظوری has: part کہ کا identical درمیان ایک refund منظوری (Course Six) اور ایک hire منظوری (Course Seven):

APPROVAL REQUEST: [type] : [subject]
===========================================
Requested by:    [which Worker is asking]
Source issue:    [which issue this came from]
Status:          pending_approval

[...type-specific body...]

DECISION REQUIRED
-----------------
[ APPROVE ]    [ REQUEST CHANGES ]    [ DECLINE ]

کہ کا منظوری بنیادی اکائی کا contract: ایک header، ایک ماخذ issue، ایک status، ایک typed body، اور three فیصلہ buttons. ہر منظوری میں نظام (refunds، hires، envelope extensions، کوئی بھی چیز) fills یہ template.

اب مکمل hire-specific نسخہ. hiring-specific parts جائیں میں [...type-specific body...] slot. پڑھیں top کو bottom:

APPROVAL REQUEST: Hire : Legal Specialist
===========================================
Requested by:    agent-manager-orchestrator (Manager-Agent)
Source issue:    PAP-128 (and 23 related issues over 3 weeks)
Status:          pending_approval

PROPOSED HIRE
-------------
Name:          Legal Reviewer
Title:         Contract Review Specialist
Reports to:    Manager-Agent
Substrate:     Claude Managed Agents (claude-opus-4-7)
Adapter:       http
Heartbeat:     every 5 min, wake on demand

CAPABILITIES (prose, exact as in hire payload)
-----------------------------------------------
Reviews customer contract terms, flags ambiguities, drafts replies
to interpretation questions. Does NOT modify contracts.

PROPOSED AUTHORITY ENVELOPE
---------------------------
refund_max:           $0       (Legal Specialist does not issue refunds)
contract_modify:      deny     (cannot modify; can only interpret)
contract_interpret:   allow    (NEW: this authority did not exist before)
external_email:       allow    (replies to customers directly)
pii_access:           audited  (inherits from company envelope)
spend_max:            $800/mo  (monthly cost ceiling; substrate-independent)

EVAL PACK RESULTS
-----------------
[full eval-pack summary, see Concept 5]

BUDGET ESTIMATE
---------------
Token cost (forecast):       $480/mo  (160 issues, ~$3 avg, claude_local or opencode_local)
Runtime overhead (forecast): $0       (Paperclip-native; CMA would add session-hour fees)
Total monthly budget:        $800/mo  (cap; substrate-independent; hard stop at exhaustion)

RATIONALE (from Manager-Agent's gap-detection ledger)
------------------------------------------------------
- 47 contract-related emails over the last 3 weeks (Sig 1: low confidence)
- 8 escalations to human board over the same period (Sig 2)
- Skill "contract_interpretation" returns empty on agent-configurations (Sig 3)
- All three gap-detection signals fire on the same category within window.

DECISION REQUIRED
-----------------
[ APPROVE ]    [ REQUEST CHANGES ]    [ DECLINE ]

board has three buttons. Approve hires ورکر بطور proposed. request تبدیلیاں opens ایک comment thread on منظوری (استعمال کرتے ہوئے POST /api/approvals/{approvalId}/comments). Typical comments ہیں "tighten envelope،" "lower بجٹ،" "swap substrate کو claude_local کے لیے ایک lower-لاگت پہلا cycle،" "تبدیلی reports_to کو report directly کو board کے لیے پہلا month." Decline rejects hire اور records board کا وجہ میں activity_log (Paperclip's اپنا row یہاں ہے approval.rejected; curriculum بھی refers کو یہ بطور ایک hire_declined event جب talking کے بارے میں hiring narrative specifically).

کیا ہوتا ہے پر ہر terminal state:

• APPROVE: Paperclip transitions agent سے pending_approval کو idle. ورکر اب موجود ہے بطور ایک approved shell، eligible کو receive heartbeats اور issue assignments مگر نہیں yet running. agent_id returned کے ذریعے original hire call اب بن جاتا ہے ایک حقیقی ورکر. Manager-Agent ہے woken کے ساتھ PAPERCLIP_APPROVAL_ID سیٹ میں environment (per Paperclip API reference). Manager-Agent پھر fetches resolved منظوری state via GET /api/approvals/{approvalId} اور linked issues via GET /api/approvals/{approvalId}/issues. یہ comments on ماخذ issue (PAP-128) کے ساتھ ایک لنک کو نیا ورکر کا صفحہ، اور routes ماخذ issue (اور 23 related issues) کو نیا ورکر. قانونی specialist کا پہلا heartbeat fires اندر 5 منٹ، پر کون سا point یہ transitions باہر کا idle کو کریں حقیقی کام.
• request تبدیلیاں: hire stays میں pending_approval (Paperclip's API reference استعمال کرتا ہے revision_requested کے لیے یہ status). Manager-Agent sees comment، revises payload (tightening envelope، lowering بجٹ، etc.)، اور resubmits via POST /api/approvals/{approvalId}/resubmit. وہی منظوری thread ہے reused; POST /api/approvals/{approvalId}/comments adds revision rationale; board sees diff. Up کو کے بارے میں 5 revision cycles ہے normal; beyond کہ، منظوری ہے usually withdrawn اور ایک fresh proposal drafted.
• DECLINE: hire ہے closed. Paperclip writes ایک approval.rejected row کو activity_log ( curriculum کا hire_declined ہے وہی event named کے لیے hiring narrative) recording board کا وجہ. Manager-Agent updates routing قواعد، usually کے ذریعے routing relevant issue category کو ایک "decline politely" template، یا کے ذریعے reopening issue کے ساتھ ایک explicit escalate-to-human flag. gap ہے اب بھی recorded; response was مختلف.

مکمل منظوری lifecycle ہے پائیدار. Paperclip's underlying machinery ہے step.wait_for_event ( وہی Inngest بنیادی اکائی سے Course Five)، کون سا means منظوری thread سکتا ہے live کے لیے گھنٹے یا days بغیر consuming compute. Boards کہ ضرورت کو think overnight، یا pull ایک second board member میں discussion، سکتا ہے کریں اس لیے بغیر proposal expiring.

PRIMM: Predict

Paperclip's منظوری نظام پہلے ہی enforces ایک اہم constraint کہ I haven't named yet: ** board member who approves ایک hire لازمی رکھتے ہیں اختیار کو grant envelope being requested.** کیا کا consequence کا یہ? Confidence 1 کو 5.

Consider: کمپنی envelope grants refund_max=$5000. ایک Tier-1 ورکر has refund_max=$50. Manager-Agent proposes hiring ایک قانونی specialist کے ساتھ contract_interpret=allow، an اختیار نہیں میں کمپنی envelope (کیونکہ نہیں ورکر has ever had یہ اختیار پہلے، کمپنی envelope simply omits یہ). Who سکتا ہے approve hire?

جواب: ایک board member کے ساتھ اختیار کو modify کمپنی envelope، نہیں just اختیار کو approve ایک hire. Hiring کے ساتھ novel اختیار ہے ایک two-step فیصلہ: extend کمپنی envelope کو allow یہ اختیار، then approve hire. قانونی specialist کا contract_interpret=allow ہے novel اختیار (نہیں existing ورکر has یہ)، اس لیے Paperclip flags یہ کے لیے company-envelope-extension چیک. تصور 8 walks envelope cascade اور audit shape کے لیے یہ میں مکمل. اصول ایک سطر میں: approving ایک hire کہ introduces نیا اختیار ہے بھی approving افرادی قوت's expanded surface area.

Bottom سطر: hiring goes کے ذریعے exact وہی منظوری عمل کہ پہلے ہی handles، کہتے ہیں، ایک $500 refund. board sees ایک request، discusses یہ on ایک thread، clicks ایک button. وہی mechanism، وہی wait-for-the-decision behavior، وہی جانچ کا ریکارڈ. صرف thing مختلف کے بارے میں ایک hire ہے کیا fills باہر request form: بجائے کا ایک refund amount، یہ کا ایک proposed ورکر، eval results، ایک envelope، اور ایک بجٹ. Course Six کا ٹول solved Course Seven کا problem بغیر anyone تعمیر ایک نیا one.

تصور 8: اختیار envelope inheritance کے لیے نیا hires

Course Six کا تصور 4 introduced cascading اختیار envelope: کمپنی، org chart، issue، منظوری. Course Seven adds hiring layer کو کہ cascade. ایک نیا hire کا envelope ہے سیٹ میں proposal، locked پر منظوری، اور recorded میں activity_log. Once locked، envelope behaves exactly like any دwasرا ورکر کا envelope: narrowed per issue پر runtime، temporarily widened کے ذریعے منظوریاں اندر کمپنی bounds.

new-hire envelope ہے constructed میں three steps، ہر کے ساتھ ایک مختلف actor:

Step 1: Inheritance. Manager-Agent drafting proposal inherits کمپنی envelope بطور آغاز ceiling. Whatever کمپنی سکتا ہے کریں، ورکر سکتا ہے potentially کریں، مگر نہیں زیادہ. If کمپنی envelope کا refund_max=$5000، proposed ورکر کا refund_max نہیں کر سکتا exceed $5000.

Step 2: Narrowing. Manager-Agent narrows سے کمپنی ceiling کو role-appropriate envelope. Tier-1 ورکرز might رکھتے ہیں refund_max=$50. قانونی specialist might رکھتے ہیں refund_max=$0. Narrowing ہے ایک judgment call کے ذریعے proposing Manager-Agent، مبنی on role (تصور 4's صلاحیتیں prose)، eval results (تصور 5)، اور بجٹ (تصور 7). Tighter envelopes ہیں usually safer; قاعدہ کا thumb ہے "بطور narrow بطور سکتا ہے کریں کام، never wider than کمپنی کا ceiling."

Step 3: Envelope extension ( rare case). جب proposed envelope contains ایک اختیار field company doesn't پہلے ہی رکھتے ہیں، proposal triggers envelope-extension چیک (تصور 7's PRIMM Predict جواب). قانونی specialist کا contract_interpret=allow ہے مستند مثال: نہیں دwasرا ورکر has یہ اختیار، نہیں دwasرا proposal has ever extended کمپنی envelope کو include یہ. board has کو consciously decide "yes، we چاہتے ہیں our کمپنی کو grant یہ اختیار going forward." Once approved، کمپنی envelope grows کو include contract_interpret، اور future hires سکتا ہے inherit یہ بغیر ایک extension step.

activity log record کے لیے ایک envelope extension looks like یہ. (envelope_extension ہے ایک curriculum action: کورس ماڈلز extension بطور اس کا اپنا audit row layered on Paperclip's منظوری بنیادی اکائیاں. یہ استعمال کرتا ہے action field like ہر دwasرا row.)

{
  "created_at": "2026-05-12T14:32:07Z",
  "action": "envelope_extension",
  "company_id": "comp_abc",
  "agent_id": null,
  "issue_id": "PAP-128",
  "approval_id": "appr_xyz",
  "actor_id": "board_member_dan",
  "extension_details": {
    "field_added": "contract_interpret",
    "from": "(field not present)",
    "to": "allow (audited)",
    "rationale": "Hiring Legal Specialist; capability did not exist on the workforce previously. Board approves extending the company envelope to include this authority. Future hires inheriting this authority require standard hire approval, not envelope-extension approval."
  }
}

rationale field ہے required: board member typing منظوری has کو لکھیں why they're extending envelope. یہ ہے audit anchor. Six months later، جب ایک compliance officer پوچھتا ہے "کیوں کرتا ہے our افرادی قوت رکھتے ہیں contract-interpretation اختیار?"، جواب ہے ایک single activity_log row کے ساتھ ایک لکھا گیا rationale اور ایک linked ماخذ issue.

cascade بعد hire ہے approved:

Layer	Envelope	سیٹ کے ذریعے	Mutable?
کمپنی	contract_interpret=allow (audited)، refund_max=$5000، ...	Board، via envelope-extension منظوری	Yes، مگر درکار ہے envelope-extension منظوری
Role (قانونی specialist)	contract_interpret=allow، refund_max=$0، contract_modify=deny	Board، via hire منظوری	Yes، مگر درکار ہے re-منظوری
issue (PAP-128)	inherits role envelope	Manager-Agent، via routing	Per-issue narrowing صرف
منظوری (rare per-issue widening)	e.g.، temporary contract_modify=allow کے لیے ایک issue	Board، via منظوری	Yes، مگر صرف اندر کمپنی ceiling اور expires on completion

fundamental property: envelopes صرف narrow downward; widening درکار ہے explicit board action اور ہے recorded. ایک ورکر hired کے ساتھ contract_interpret=allow نہیں کر سکتا grant itself contract_modify=allow پر runtime. Even Manager-Agent، orchestrating whole افرادی قوت، نہیں کر سکتا widen ایک ورکر کا envelope unilaterally. ہر widening، پر ہر layer، goes کے ذریعے منظوری بنیادی اکائی.

Bottom سطر: ایک نیا ورکر سکتا ہے صرف کریں کیا اس کا envelope allows. envelope starts سے کمپنی کا overall اجازتیں اور gets narrowed کے لیے specific role. If ایک hire would دیں ورکر ایک اجازت نہیں ایک میں کمپنی has ever had، کمپنی کا overall اجازتیں رکھتے ہیں کو be expanded پہلا، اور کہ expansion ہے recorded permanently، کے ساتھ ایک لکھا گیا وجہ، اس لیے future humans سکتا ہے دیکھیں کیوں یہ was granted.

تصور 9: Auto-منظوری policy: جب humans pre-approve ایک class

تصورات 7 اور 8 سیٹ up انسانی نگرانی کے ساتھ hiring flow. ہر hire goes کے ذریعے board. ہر envelope extension goes کے ذریعے board. کے لیے ایک 3-to-5-Worker افرادی قوت growing slowly، یہ ہے درست default: board has وقت کو review ہر hire، envelope فیصلے ہیں infrequent، رکاوٹ ہے acceptable.

کے لیے workforces thبڑے پیمانے پر، رکاوٹ بن جاتا ہے حقیقی. ایک B2B SaaS کمپنی hiring burst-capacity Tier-1 ورکرز جب traffic spikes might ضرورت 5 نیا ورکرز میں ایک 24-hour window. ایک content پلیٹ فارم spinning up per-language سپورٹ ورکرز بطور یہ expands markets might hire ایک نیا ورکر per week کے لیے six months. routing ہر ایک کا یہ کے ذریعے ایک human board منظوری ہے وہی dysfunction Course Five solved کے لیے routine refunds: ** board بن جاتا ہے queue**، اور افرادی قوت سکتا ہے't react کو demand زیادہ تیز than board reads اس کا inbox.

solution: auto-منظوری policy کے لیے ایک class کا hires. نہیں کے لیے all hires; کہ abandons safety property. کے لیے ایک defined class کا hires، کے ساتھ explicit ceilings، کہاں board has pre-decided "yes، hire یہ freely، مگر tell me بعد."

If you scan only one part of this diagram, look at the red box in the decision flow on the right

"کرتا ہے hire extend کمپنی envelope?" جب جواب ہے yes، hire ہے routed کو human board regardless کا کیسے routine یہ looks. کہ کا load-bearing safety property: auto-منظوری ہے allowed کو skip board کے لیے routine hires، مگر never کے لیے hires کہ grant نیا اختیار.

ایک policy ہے ایک JSON دستاویز board writes once، signed کے ساتھ ایک board-level اہم. یہ تعریف کرتا ہے:

• ** class:** کیا counts بطور یہ kind کا hire? (role identifier، صلاحیت نمونہ، ماخذ-issue نمونہ)
• ** ceiling:** کیا envelope اور بجٹ سکتا ہے یہ class auto-approve? (لازمی be نہیں wider than any existing ورکر کا envelope)
• ** audit:** کیسے ہے auto-approved hire surfaced کو board after fact? (daily digest، anomaly alerts، etc.)
• ** expiry:** جب کرتا ہے یہ policy auto-revoke? (ہمیشہ سیٹ ایک expiry; never "forever")

مثال policy کے لیے burst-capacity Tier-1 hires:

{
  "policy_id": "auto_approve_tier1_burst",
  "policy_version": "v1.2026.05.10",
  "class_match": {
    "role": "general",
    "envelope_must_match_existing": "agent-tier1-support-1",
    "spend_max_per_month": 250
  },
  "auto_approve_constraints": {
    "max_concurrent_auto_hires": 5,
    "max_auto_hires_per_24hr": 5,
    "must_retire_within_days": 14,
    "must_pass_eval_pack": "tier1_support_eval_pack_v3"
  },
  "audit": {
    "daily_digest_to": "board@example.com",
    "anomaly_alerts": {
      "budget_overrun_pct": 110,
      "eval_pack_fail_rate_pct": 5
    }
  },
  "expires_at": "2026-08-10T00:00:00Z",
  "approved_by": ["board_member_dan", "board_member_jess"],
  "approved_at": "2026-05-10T15:22:00Z"
}

جب ایک hire request آتا ہے میں کہ matches class_match، Paperclip checks policy: ہے requested envelope identical کو ایک existing ورکر کا? ہے بجٹ اندر ceiling? Has eval pack passed? ہیں we کے تحت concurrency اور rate limits? If all checks pass، hire goes سے pending_approval کو policy_approved without board involvement، مگر activity log records policy-منظوری کے ساتھ ایک details payload naming policy (auto_approve_tier1_burst v1.2026.05.10)، اور daily digest surfaces hire کو board اگلا morning. (auto_approved_by_policy ہے curriculum کا label کے لیے یہ row; like دwasرا curriculum actions، audit shape ہے کیا matters، نہیں exact قدر.)

board کا role کے لیے auto-منظوری policies:

• لکھیں policy. یہ ہے itself ایک board-level فیصلہ; policy دستاویز ہے آرٹفیکٹ.
• Review daily digest. board reads "5 Tier-1 burst hires yesterday، all passed eval، all اندر بجٹ" اور confirms policy ہے working. If hires ہیں looking off-نمونہ، board سکتا ہے disable policy.
• Renew یا update policy پر expiry. policies never live forever. 90-دن expiry forces board کو re-decide "yes، یہ ہے اب بھی درست policy" periodically.

کیا ایک policy cannot کریں: auto-approve ایک hire کہ extends کمپنی envelope. تصور 8's envelope-extension چیک fires regardless کا any policy. کہ کا load-bearing safety guarantee، kept deliberately outside auto-منظوری surface.

Auto-منظوری policy ہے on-ramp سے "ہر hire ہے human-approved" کو " افرادی قوت scales بغیر board بطور queue، مگر board اب بھی owns فیصلے کہ matter." نہیں ایک طریقہ کو remove humans سے hiring; ایک طریقہ کو choose کہاں humans چاہیے be.

Quick check

Suppose آپ کا board has burst-capacity policy above active. Manager-Agent submits ایک hire request کے لیے ایک Tier-1 ورکر کے ساتھ refund_max=$50 اور spend_max=$240/mo. Eval pack passes. Concurrent Tier-1 auto-hires today: 3. Concurrent Tier-1 auto-hires میں last 24h: 4. کرتا ہے hire auto-approve? Walk کے ذریعے ہر policy constraint.

Bottom سطر: board سکتا ہے pre-decide "yes، hire freely" کے لیے ایک defined class کا hires (envelope ceiling، eval pack required، expiry date، daily digest audit). مگر auto-منظوری سکتا ہے never bypass envelope-extension چیک. نیا اختیار ہمیشہ involves ایک human، نہیں matter کیسے routine hire seems.

---

حصہ 4: worked مثال: hiring ایک قانونی specialist

Parts 1 کے ذریعے 3 سیٹ ڈھانچہ. حصہ 4 walks lab شروع سے آخر تک: extend Course Six افرادی قوت، detect gap، draft proposal، walk یہ کے ذریعے منظوری gate، hire قانونی specialist on ایک Paperclip-native adapter، چلائیں eval pack، watch پہلا heartbeat، اور observe talent ledger update. lab چلتا ہے وہی hire on دو adapters side کے ذریعے side (claude_local اور opencode_local) اس لیے hiring loop ہے shown کو be وہی shape on دونوں Claude-backed اور OpenCode-routed runtimes. Seven فیصلے، کے گرد 2 کو 3 گھنٹے عملی، کے گرد 3،500 words کا کوڈ اور commentary.

یہ part assumes آپ پہلے ہی رکھتے ہیں Course Six instance running locally (npx paperclipai onboard --yes produced ایک working Paperclip کے ساتھ three ورکرز سے Course Six). If آپ don't، مکمل Course Six lab پہلا. Course Seven extends کہ افرادی قوت; یہ doesn't rebuild یہ.

Two setup facts the rest of Part 4 depends on

Hires صرف جائیں کے ذریعے board if کمپنی opts میں. On ایک default Paperclip کمپنی، requireBoardApprovalForNewAgents ہے false: ایک hire returns نیا ورکر immediately idle، کے ساتھ نہیں منظوری gate. Course Seven کا whole narrative assumes gate fires. پہلے lab، سیٹ یہ once: PATCH /api/companies/{companyId} کے ساتھ { "requireBoardApprovalForNewAgents": true }. آپ کا AI assistant سکتا ہے کریں یہ بطور پہلا step کا فیصلہ 1. بغیر یہ، فیصلہ 3's کوڈ (کون سا expects ایک pending_approval status back) has nothing کو wait on.

Activity-log naming. Paperclip's activity_log table استعمال کرتا ہے ایک field called action (نہیں action_type)، اور Paperclip's اپنا events استعمال کریں dotted namespaces: agent.hire_created، approval.created، approval.approved، approval.rejected، budget.policy_upserted، اور اس لیے on. یہ کورس بھی writes some rows کا اس کا اپنا سے Manager-Agent کا کوڈ ( clearest مثال ہے gap_detected میں فیصلہ 1). Those custom rows اب بھی استعمال کریں action field; ان کا values ہیں curriculum names، نہیں Paperclip-emitted ones، اور کہ ہے fine بطور long بطور آپ رکھیں دو kinds straight. کہاں یہ کورس دکھاتا ہے ایک action قدر کہ Paperclip itself emits، یہ استعمال کرتا ہے حقیقی dotted name; کہاں یہ دکھاتا ہے ایک custom row، یہ says اس لیے.

If something breaks, check these first

(They account کے لیے بڑا majority کا lab ناکامیاں.)

1. run says "all checks passed" پھر "failed کو شروع کریں." Paperclip's embedded Postgres سکتا ہے race اس کا اپنا startup: doctor رپورٹس ہر چیک passing، پھر server fails کے ساتھ connect ECONNREFUSED اور ایک WARN: Embedded PostgreSQL already running سطر. یہ ہے ایک stale embedded-Postgres عمل، نہیں ایک حقیقی ناکامی. چلائیں command again; second شروع کریں almost ہمیشہ succeeds.
2. ** local CLI adapter spawns ہے missing یا نہیں authenticated.** Paperclip's claude_local اور opencode_local adapters spawn claude اور opencode CLIs locally on ہر heartbeat. CLIs لازمی be installed on وہی machine بطور Paperclip daemon، اور ہر لازمی be signed میں ( claude CLI استعمال کرتا ہے آپ کا Anthropic credentials; opencode reads اس کا provider/model سے اس کا اپنا config). If ایک hire ہے idle مگر نہیں کام ہوتا ہے، چلائیں claude --version / opencode --version اور confirm دونوں ہیں authenticated پہلے checking کوئی بھی چیز else.
3. Paperclip نسخہ drift درمیان Course Six اور Course Seven. چلائیں paperclipai --version اور npm view paperclipai version کو compare. If آپ کا local نسخہ ہے behind published ایک، agent-hires endpoint shape ہو سکتا ہے رکھتے ہیں shifted. desiredSkills، instructionsBundle، اور budgetMonthlyCents fields میں particular ہیں recent additions. Update کے ساتھ npm i -g paperclipai@latest اور restart daemon پہلے continuing.
4. ایک hire ہے assigned ایک issue، heartbeat fires، مگر issue stays کھولیں اور comment count climbs. Paperclip گا re-wake ایک assigned non-done issue on اس کا productivity-review reconciler even جب runtimeConfig.heartbeat.enabled ہے false. ورکر has کو reach ایک final disposition (done، in_review، یا blocked); ایک claude_local یا opencode_local ورکر handles یہ natively جب اس کا نظام پرامپٹ includes ایک disposition checklist (کون سا فیصلہ 4 پرامپٹ below installs). If آپ دیکھیں ایک runaway comment loop، mark issue done اور unassign یہ; پھر tighten ورکر کا پرامپٹ.

If none کا یہ explains آپ کا ناکامی، Paperclip issue tracker ہے درست place کو چیک اگلا.

مکمل lab ڈھانچہ:

#	فیصلہ	کیا آپ'll رکھتے ہیں built afterward
1	رابطہ up capability-gap detection on Manager-Agent	ایک gap-detector کہ watches routing نمونے اور writes "gap detected" records کو activity_log
2	Generate hiring proposal آرٹفیکٹ	ایک proposal دستاویز (job description، صلاحیت eval pack، expected لاگت، draft اختیار envelope) کہ Manager-Agent سکتا ہے پیدا کریں
3	رابطہ proposal کے ذریعے Paperclip's منظوری gate	Course Six کا منظوری بنیادی اکائی reused کے لیے hiring، کے ساتھ rich payload سے تصور 7
4	رابطہ up قانونی specialist کا runtime substrate	وہی hire wired کو دو Paperclip-native adapters side کے ذریعے side: claude_local (Claude CLI) اور opencode_local (OpenCode CLI)
5	صلاحیت تشخیص چلائیں	candidate ورکر handles 12 test issues; results scored اور posted کو منظوری thread
6	Route ایک حقیقی قانونی contract issue کو نیا ورکر	قانونی specialist کا پہلا heartbeat fires; ایک activity_log row records actor، اختیار، لاگت، نتیجہ
7	Retirement اور rehire	ورکر ہے gracefully retired جب traffic dies down; Paperclip tracks dormant ورکر اور rehires جب نمونے return

Expected final state

کے ذریعے end کا حصہ 4، آپ کا local Paperclip instance has:

• Four ورکرز بجائے کا three (Tier-1 سپورٹ، Tier-2 specialist، Manager-Agent، قانونی specialist)
• ایک updated کمپنی envelope کہ اب grants contract_interpret=allow (audited)، extended پر hire-منظوری وقت کے ساتھ ایک لکھا گیا rationale
• activity_log rows covering: 3 weeks کا gap-detection signals، hire proposal، eval pack results، منظوری thread، envelope extension، منظوری فیصلہ، قانونی specialist کا پہلا 12 تشخیص issues، پہلا حقیقی customer issue routed کو یہ، اور (later) retirement event
• cost_events rows tagged کے ساتھ قانونی specialist کا agent_id، recording ہر heartbeat چلائیں کا token لاگت on whichever adapter (claude_local یا opencode_local) چلائیں استعمال ہوا
• ایک auto-منظوری policy (optional، فیصلہ 6 sidebar) کے لیے Tier-1 burst-capacity hires

فیصلہ 1: رابطہ up capability-gap detection on Manager-Agent

ایک سطر میں: سکھائیں Manager-Agent کو notice جب کام ہے arriving کہ none کا اس کا موجودہ ورکرز سکتا ہے handle اچھی طرح، اور record کہ نمونہ، بغیر proposing ایک hire yet.

کیا آپ کریں (آپ کا AI کوڈنگ assistant). کھولیں آپ کا AI کوڈنگ assistant میں Course Six پروجیکٹ directory. Paste:

"I'm آغاز Course Seven کا ایجنٹ فیکٹری مختصر عملی کورس. Course Six کا Manager-Agent currently routes issues کو ایک کا three ورکرز (Tier-1 سپورٹ، Tier-2 specialist، itself). I ضرورت کو شامل کریں capability-gap detection کو اس کا routing logic. پڑھیں موجودہ manager-agent/router.ts فائل، پھر شامل کریں ایک نیا function detectCapabilityGap(issueId, routingResult) کہ watches کے لیے three signals سے Course Seven تصور 2: (1) routing confidence کے تحت 0.6 on پر least 3 issues میں وہی category اندر ایک 14-دن window، (2) پر least 3 escalations کو human board on وہی category، (3) skill-match returning empty کے لیے issue کا claimed skills. function چاہیے لکھیں ایک row کو activity_log کے ساتھ action='gap_detected' اور category بطور details.category. (gap_detected ہے ایک custom action آپ کا Manager-Agent writes، نہیں ایک Paperclip-emitted action; کہ distinction ہے fine، دیکھیں activity-log naming note above.) Don't propose ایک hire yet (کہ کا فیصلہ 2). Just detect اور log."

آپ کا assistant reads router.ts، writes detectCapabilityGap، اور proposes ایک unit test استعمال کرتے ہوئے آپ کا پروجیکٹ کا existing test فریم ورک. function ends up looking roughly like:

async function detectCapabilityGap(
  issueId: string,
  routingResult: RoutingResult,
): Promise<void> {
  const category = await classifyCategory(issueId);

  // Signal 1: routing confidence under 0.6 on at least 3 issues, same category, 14 days
  // `issue_routed` here is a custom row your router writes; Paperclip's own
  // routing events use dotted names, so query whichever your code actually emits.
  const recentLowConfidence = await db.query(
    `
    SELECT COUNT(*) FROM activity_log
    WHERE company_id = $1 AND action = 'issue_routed'
      AND details->>'category' = $2
      AND (details->>'confidence')::float < 0.6
      AND created_at > NOW() - INTERVAL '14 days'
  `,
    [companyId, category],
  );

  // Signal 2: at least 3 escalations to human board, same category, 14 days
  // `escalation_to_board` is likewise a custom row your router writes.
  const recentEscalations = await db.query(
    `
    SELECT COUNT(*) FROM activity_log
    WHERE company_id = $1 AND action = 'escalation_to_board'
      AND details->>'category' = $2
      AND created_at > NOW() - INTERVAL '14 days'
  `,
    [companyId, category],
  );

  // Signal 3: skill match returns empty
  const skillMatchEmpty = routingResult.eligibleWorkers.length === 0;

  const signalsFired = [
    recentLowConfidence.count >= 3,
    recentEscalations.count >= 3,
    skillMatchEmpty,
  ].filter(Boolean).length;

  if (signalsFired >= 2) {
    // `gap_detected` is a custom action this Manager-Agent writes (not a
    // Paperclip-emitted one); it still uses the `action` field.
    await postActivityLog({
      action: "gap_detected",
      company_id: companyId,
      issue_id: issueId,
      agent_id: "agent-manager-orchestrator",
      details: {
        category,
        signals: {
          recentLowConfidence: recentLowConfidence.count,
          recentEscalations: recentEscalations.count,
          skillMatchEmpty,
        },
        recommendation:
          "Manager should evaluate hire-vs-escalate-vs-queue-vs-decline",
      },
    });
  }
}

Notice کیا یہ function کرتا ہے not کریں: یہ doesn't decide کیا کو کریں کے بارے میں gap. کہ کا فیصلہ 2 (drafting proposal) اور ultimately board کا call. فیصلہ 1 just records.

کیوں. Capability-gap detection has کو happen separately from hire proposal. Course Seven تصور 3's hire-vs-escalate-vs-queue-vs-decline fork درکار ہے کہ نظام see نمونہ پہلے responding کو یہ. کے ذریعے writing gap_detected rows کہ include مکمل signal ڈیٹا، آپ بنائیں نمونہ queryable later. Manager-Agent سکتا ہے پوچھیں "دکھائیں me all gaps میں last 30 days کہ haven't been responded کو" جب drafting فیصلہ 2's proposal.

کیا تبدیلیاں if آپ استعمال کریں ایک مختلف stack. مثال ہے TypeScript کیونکہ Paperclip ہے TypeScript. logic ہے portable کو any language کہ سکتا ہے query Paperclip's Postgres اور post کو activity_log. If آپ کا Manager-Agent ہے Python (کیونکہ آپ're استعمال کرتے ہوئے OpenAI Agents SDK سے Course Three)، وہی function میں Python ہے کے گرد 30 lines استعمال کرتے ہوئے psycopg2 اور requests.post.

فیصلہ 2: Generate hiring proposal آرٹفیکٹ

ایک سطر میں: لیں ایک detected gap اور turn یہ میں ایک مکمل hiring proposal: job description، proposed اجازتیں، expected لاگت، اور ایک list کا test سوالات کو پوچھیں candidate. Don't submit yet.

کیا آپ کریں (آپ کا AI کوڈنگ assistant). Paste:

"اب شامل کریں ایک function generateHireProposal(category) کہ Manager-Agent calls جب یہ decides ایک category warrants ایک hire. function چاہیے: (1) پڑھیں gap-detection records کے لیے یہ category کو gather rationale، (2) دیکھیں پر existing agent-configurations via GET /api/companies/{companyId}/agent-configurations کو find similar ورکرز کو mirror، (3) draft ایک 10-field hire request payload per Course Seven تصور 4، (4) draft ایک proposed اختیار envelope per Course Seven تصور 8 (inheriting سے کمپنی envelope، narrowed کے لیے یہ role)، (5) call ایک separate function buildEvalPack(category) کو generate کے گرد 12 representative test issues کے لیے candidate، (6) return whole proposal بطور ایک structured object. Don't submit yet (کہ کا فیصلہ 3)."

آپ کا assistant reads existing نمونے (Paperclip's paperclip-create-agent skill پر skills/paperclip-create-agent/SKILL.md ہے مستند reference; آپ کا assistant چاہیے fetch یہ)، drafts function، اور proposes ایک sample proposal نتیجہ کے لیے قانونی specialist case. مکمل proposal یہ پیدا کرتا ہے:

interface HireProposal {
  hireRequest: {
    name: string;
    role: string;
    title: string;
    icon: string;
    reportsTo: string;
    capabilities: string;
    adapterType: string;
    adapterConfig: object;
    runtimeConfig: object;
    sourceIssueId: string;
    sourceIssueIds: string[]; // related issues from the gap-detection cluster
  };
  proposedEnvelope: {
    refund_max: number;
    contract_modify: "allow" | "deny";
    contract_interpret?: "allow" | "deny";
    external_email: "allow" | "approval" | "deny";
    pii_access: "audited" | "allow" | "deny";
    spend_max_monthly_usd: number;
  };
  budgetEstimate: {
    tokens_usd_monthly: number;
    runtime_overhead_usd_monthly: number; // 0 for Paperclip-native local adapters; session-hour fees for managed-cloud
    total_monthly_usd: number;
    estimate_basis: string;
  };
  evalPack: EvalIssue[];
  rationale: {
    signals_fired: string[];
    issues_observed_count: number;
    escalations_count: number;
    category: string;
    timeframe: string;
  };
  noveltyChecks: {
    extends_company_envelope: boolean;
    novel_authority_fields: string[];
  };
}

noveltyChecks field ہے تصور 7 PRIMM Predict کا enforcement point. پہلے submitting hire، function checks ہر اختیار field میں proposed envelope کے خلاف کمپنی envelope. If any اختیار field ہے not present میں کمپنی envelope (e.g.، contract_interpret)، extends_company_envelope ہے سیٹ کو true اور field ہے listed میں novel_authority_fields. یہ flag travels کے ساتھ proposal. فیصلہ 3's منظوری gate گا استعمال کریں یہ کو decide whether standard hire منظوری ہے sufficient یا whether envelope-extension چیک fires.

sample proposal کے لیے قانونی specialist ( function کا نتیجہ، نہیں request submitted کو Paperclip):

{
  "hireRequest": {
    "name": "Legal Reviewer",
    "role": "general",
    "title": "Contract Review Specialist",
    "icon": "shield",
    "reportsTo": "agent-manager-orchestrator",
    "capabilities": "Reviews customer contract terms, flags ambiguities, drafts replies to interpretation questions. Does NOT modify contracts.",
    "adapterType": null,
    "adapterConfig": {},
    "runtimeConfig": {
      "heartbeat": { "enabled": false, "wakeOnDemand": true }
    },
    "sourceIssueId": "PAP-128",
    "sourceIssueIds": ["PAP-128", "PAP-134", "PAP-141"]
  },
  "proposedEnvelope": {
    "refund_max": 0,
    "contract_modify": "deny",
    "contract_interpret": "allow",
    "external_email": "allow",
    "pii_access": "audited",
    "spend_max_monthly_usd": 800
  },
  "budgetEstimate": {
    "tokens_usd_monthly": 480,
    "runtime_overhead_usd_monthly": 0,
    "total_monthly_usd": 480,
    "estimate_basis": "160 issues per month at $3 average token cost on a Paperclip-native local adapter. If the human reviewer picks a managed-cloud substrate in Decision 4 (CMA), add session-hour fees on top; the substrate-decision pricing is in Concept 6's table."
  },
  "evalPack": [],
  "rationale": {
    "signals_fired": ["low_confidence", "escalations", "skill_match_empty"],
    "issues_observed_count": 47,
    "escalations_count": 8,
    "category": "contract_interpretation",
    "timeframe": "3 weeks"
  },
  "noveltyChecks": {
    "extends_company_envelope": true,
    "novel_authority_fields": ["contract_interpret"]
  }
}

یہ کیوں اہم ہے. proposal ہے the آرٹفیکٹ board sees. تصور 7 covered کیا rendered منظوری looks like میں Paperclip's UI; فیصلہ 2 generates underlying ڈیٹا ڈھانچہ. دو ڈیزائن choices کو call باہر:

• ** Manager-Agent doesn't چنیں substrate.** adapterType اور adapterConfig ہیں filled میں فیصلہ 4 (بعد human reviews; substrate ہے ایک حقیقی لاگت فیصلہ اور board چاہیے sign off on Paperclip-native local CLIs vs Agent SDK vs CMA vs process). Manager-Agent proposes ایک role; human approves how یہ runs.
• ** eval pack ہے generated with proposal، نہیں بعد منظوری.** تصور 5 explained: board has کو دیکھیں eval results پہلے approving. فیصلہ 2 ships eval pack بطور part کا proposal payload; فیصلہ 5 runs pack.

PRIMM: Predict

آپ کا generateHireProposal function returns ڈھانچہ above. noveltyChecks.extends_company_envelope field ہے true کیونکہ کا contract_interpret. کیا ہے درست اگلا behavior جب فیصلہ 3 submits یہ کو Paperclip's منظوری gate? Confidence 1 کو 5.

(ایک) منظوری flow proceeds normally; ایک board member کا منظوری suffices. (b) منظوری gate fires ایک additional چیک requiring دو board members. (c) منظوری gate refuses کو surface proposal until کمپنی envelope ہے explicitly extended via ایک separate منظوری flow. (d) Paperclip rejects hire request outright کیونکہ proposed envelope exceeds کمپنی کا.

جواب: (b) یا (c). Paperclip supports دونوں depending on policy. default میں Paperclip's shipping configuration ہے (b): منظوری gate fires ایک additional چیک اور board member sees ایک special envelope-extension banner on منظوری. کے ساتھ two-of-three board منظوریاں configured (سیٹ میں کمپنی policy)، دو members لازمی explicitly approve. Some کمپنیاں prefer (c): separating envelope extension سے hire decision میں دو sequential منظوریاں. ڈھانچہ supports دونوں; choice ہے operational، نہیں تکنیکی.

فیصلہ 3: رابطہ proposal کے ذریعے Paperclip's منظوری gate

ایک سطر میں: send proposal کو Paperclip، کون سا surfaces یہ کو human board، waits durably کے لیے ان کا فیصلہ، اور wakes Manager-Agent back up جب they've voted. Reuses Course Six کا منظوری mechanism unchanged.

کیا آپ کریں (آپ کا AI کوڈنگ assistant). Paste:

"اب رابطہ Manager-Agent کو submit hire proposal generated میں فیصلہ 2. submission flow per Course Seven تصور 7: (1) call POST /api/companies/{id}/agent-hires کے ساتھ hireRequest payload، (2) parse response. If status ہے pending_منظوری، capture returned منظوری_id، (3) post ایک comment کو منظوری thread کے ساتھ POST /api/منظوریاں/{approvalId}/comments کہ includes eval-pack summary، rationale، اور novelty checks، (4) wait durably کے لیے board کا فیصلہ (Paperclip گا wake Manager-Agent کے ساتھ PAPERCLIP_APPROVAL_ID جب فیصلہ ہے بنایا گیا)، (5) on APPROVE، comment on ماخذ issue (PAP-128) کے ساتھ ایک لنک کو نیا ورکر اور route ماخذ issue plus related issues کو یہ. Don't چلائیں eval pack yet (کہ کا فیصلہ 5)."

آپ کا assistant پیدا کرتا ہے submission flow، roughly:

async function submitHireProposal(proposal: HireProposal): Promise<string> {
  // Step 1: submit the hire
  const res = await fetch(
    `${PAPERCLIP_API_URL}/api/companies/${PAPERCLIP_COMPANY_ID}/agent-hires`,
    {
      method: "POST",
      headers: {
        Authorization: `Bearer ${PAPERCLIP_API_KEY}`,
        "Content-Type": "application/json",
      },
      body: JSON.stringify(proposal.hireRequest),
    },
  );
  const result = await res.json();

  // This expects the company to have `requireBoardApprovalForNewAgents: true`
  // (Part 4's setup note covers flipping it). On a default company the hire
  // comes back `idle` with `approval: null` and skips the gate entirely, so
  // this guard is also what catches a company that was never configured.
  if (result.agent.status !== "pending_approval") {
    throw new Error(
      `Hire did not enter the approval gate (status: ${result.agent.status}). ` +
        `Confirm the company has requireBoardApprovalForNewAgents enabled.`,
    );
  }

  const approvalId = result.approval.id;
  const candidateAgentId = result.agent.id;

  // Step 2: post the proposal payload as an approval-thread comment
  await fetch(`${PAPERCLIP_API_URL}/api/approvals/${approvalId}/comments`, {
    method: "POST",
    headers: {
      /* auth, content-type */
    },
    body: JSON.stringify({
      body: renderProposalSummary(proposal), // see below
    }),
  });

  // Step 3: post the eval pack on the approval thread too
  await fetch(`${PAPERCLIP_API_URL}/api/approvals/${approvalId}/comments`, {
    method: "POST",
    headers: {
      /* auth, content-type */
    },
    body: JSON.stringify({
      body: renderEvalPack(proposal.evalPack),
    }),
  });

  // Step 4: durably wait for the board's decision
  //   This step exits when Paperclip wakes the Manager-Agent with PAPERCLIP_APPROVAL_ID
  await waitForApprovalDecision(approvalId);

  return candidateAgentId;
}

renderProposalSummary function پیدا کرتا ہے markdown board sees میں منظوری UI; وہی template سے تصور 7's "منظوری request: Hire: قانونی specialist" rendering. renderEvalPack پیدا کرتا ہے ایک similar markdown table کے ساتھ 12 test issues اور ان کا reference جوابات.

پائیدار wait پر step 4 ہے اہم Inngest بنیادی اکائی: Manager-Agent function suspends until منظوری ہے decided، پھر resumes. نہیں polling. نہیں infinite loops. function ہے paused بطور ایک serialized continuation; جب board approves یا rejects، Paperclip wakes Inngest چلائیں کے ساتھ PAPERCLIP_APPROVAL_ID میں environment اور function resumes سے کہاں یہ left off. کو find linked issues، resumed function calls GET /api/approvals/{approvalId}/issues.

یہ کیوں اہم ہے. فیصلہ 3 ہے کہاں Course Six کا منظوری بنیادی اکائی کرتا ہے اس کا کام. Manager-Agent did not رکھتے ہیں کو سیکھیں ایک نیا "hiring منظوری" نمونہ. یہ کا وہی wait_for_event durability کہ Course Six استعمال ہوا کے لیے $750 refund میں اس کا فیصلہ 6. ** hiring ورک فلو ہے refund ورک فلو کے ساتھ ایک richer payload.** کہ کا ڈھانچے سے متعلق payoff یہ whole کورس ہے built کے گرد.

فیصلہ 4: رابطہ up قانونی specialist کا runtime substrate

ایک سطر میں: سیٹ قانونی specialist کا identity once (نظام پرامپٹ، صلاحیتیں، بجٹ)، پھر رابطہ وہی hire کو دو Paperclip-native adapters side کے ذریعے side، claude_local اور opencode_local، اس لیے ایک board کہ prefers ایک یا دwasرا سکتا ہے چنیں بغیر changing کوئی بھی چیز else کے بارے میں role.

کیا آپ کریں (آپ کا AI کوڈنگ assistant). Paste:

"I ضرورت کو رابطہ up قانونی specialist کا runtime substrate. استعمال کریں Paperclip-native نمونہ: don't stand up ایک external service، let Paperclip spawn local coding-agent CLI itself on ہر heartbeat. وہی hire ضرورت ہے کو کام on دو adapters: claude_local (Paperclip spawns claude CLI headless) اور opencode_local (Paperclip spawns opencode CLI headless، multi-provider provider/model). Step 1: لکھیں قانونی-specialist نظام پرامپٹ once، including ایک final-disposition checklist اس لیے ورکر reaches done، in_review، یا blocked on ہر assigned issue rather than looping. Step 2: کے لیے ہر adapter، پیدا کریں matching hire payload، کے ساتھ identical name، role، title، capabilities، budgetMonthlyCents، sourceIssueId; صرف adapterType اور adapterConfig differ. Step 3: confirm دونوں CLIs ہیں installed اور authenticated on وہی machine بطور Paperclip daemon (claude --version، opencode --version). Don't چلائیں heartbeats yet (فیصلہ 5 کرتا ہے کہ کے ساتھ eval pack). کے لیے precise adapterConfig field سیٹ، consult GET /llms/agent-configuration/claude_local.txt اور GET /llms/agent-configuration/opencode_local.txt on آپ کا live daemon; fields shift درمیان Paperclip versions."

آپ کا assistant writes shared نظام پرامپٹ once، پھر پیدا کرتا ہے دو hire payloads کہ differ صرف میں adapterType plus adapterConfig. قاری picks کون سا tab کو پڑھیں; دونوں ہیں حقیقی hires on وہی Paperclip daemon.

{
  "name": "Legal Reviewer",
  "role": "general",
  "title": "Contract Review Specialist",
  "icon": "shield",
  "reportsTo": "<manager-agent-id>",
  "capabilities": "Reviews customer contract terms, flags ambiguities, drafts replies to interpretation questions. Does NOT modify contracts.",
  "adapterType": "claude_local",
  "adapterConfig": {
    "instructionsFilePath": "./legal-specialist-instructions.md",
    "maxTurnsPerRun": 3,
    "timeoutSec": 90
  },
  "runtimeConfig": {
    "heartbeat": { "enabled": true, "intervalSec": 300, "wakeOnDemand": true }
  },
  "budgetMonthlyCents": 80000,
  "sourceIssueId": "PAP-128"
}

On claude_local، Paperclip spawns claude CLI headless on ہر heartbeat. یہ injects PAPERCLIP_API_URL اور PAPERCLIP_API_KEY میں spawned عمل اس لیے agent سکتا ہے پڑھیں اس کا inbox via GET /api/agents/me/inbox-lite اور post comments via Paperclip's REST API. CLI brings agent loop، ٹول عمل درآمد، اور authentication; نہیں external service stands درمیان Paperclip اور runtime.

دو things کو notice across tabs:

• ** hire ہے وہی آرٹفیکٹ; runtime ہے ایک swap.** name، role، title، capabilities، budgetMonthlyCents، sourceIssueId، اور runtimeConfig ہیں byte-identical درمیان دو payloads. صرف adapterType اور adapterConfig تبدیلی. hire منظوری (فیصلہ 3) کرتا ہے نہیں دیکھیں substrate choice پر all; یہ sees role.
• دونوں adapters ہیں Paperclip-native: نہیں relay، نہیں glue layer، نہیں external service. Paperclip چلتا ہے CLI itself، کے ساتھ ایک authenticated channel back کو اس کا اپنا API. تصور 6's sidebar walks کیوں یہ matters; short نسخہ ہے کہ "outbound heartbeat کو ایک external URL" ( http adapter family) اور "Paperclip spawns runtime" ( local-CLI family) ہیں مختلف integration shapes، اور lab deliberately استعمال کرتا ہے simpler ایک.

instructions فائل (./legal-specialist-instructions.md) ہے کہاں قانونی specialist کا نظام پرامپٹ lives. دونوں adapters پڑھیں یہ on ہر spawn. رکھیں ایک حقیقت کا مستند ماخذ اور دو adapters stay genuinely interchangeable.

Don't put plaintext provider keys in adapterConfig.env

If آپ extend either adapter کا adapterConfig کے ساتھ ایک env map (e.g.، کو pass ایک provider API اہم میں spawned CLI)، Paperclip گا echo those values back میں plaintext on GET /api/agents/{id}. ایک adapterConfig.env.DEEPSEEK_API_KEY literal بن جاتا ہے readable کو anyone کے ساتھ agent-read access on آپ کا Paperclip instance. کے لیے پروڈکشن نسخہ کا یہ hire، رابطہ provider keys کے ذریعے Paperclip's secrets بنیادی اکائی اور reference انہیں indirectly rather than inlining; consult GET /llms/secrets.txt on آپ کا live daemon کے لیے موجودہ shape. worked مثال above keeps adapterConfig free کا secrets specifically اس لیے یہ gotcha never gets baked میں ایک copy-pasted hire payload.

If you would rather host the runtime yourself

If قانونی-reference corpus ہے sensitive اور آپ چاہتے ہیں مکمل قابو کا عمل درآمد environment، swap adapterType کو "http" اور point adapterConfig.url پر ایک چھوٹا server کہ wraps Claude Agent SDK (یا any دwasرا agent loop) اور exposes ایک Paperclip-compatible heartbeat endpoint. Everything میں فیصلہ 4 اور فیصلے 5، 6، 7 ہے وہی بعد کہ swap; صرف adapterConfig shape تبدیلیاں. Claude Managed Agents ہے Anthropic's hosted long-running-agent پروڈکٹ اور ہے میں تصور 6's substrate table; یہ کرتا ہے نہیں رکھتے ہیں ایک first-class Paperclip adapter today، اس لیے ایک CMA-backed ورکر would currently ضرورت ایک thin glue server (HTTP receiver translating ہر heartbeat میں ایک CMA sessions.events.send call). lab کرتا ہے نہیں require کہ detour کیونکہ دو local adapters پہلے ہی دیں قاری ایک مکمل، working hiring loop.

Quick check

آپ ship hire on claude_local اور یہ کام کرتا ہے. ایک teammate پوچھتا ہے: "وہی ورکر، وہی پرامپٹ، مگر I چاہتے ہیں کو point یہ پر ایک non-Anthropic ماڈل کے لیے لاگت." کون سا کا following ہے smallest درست تبدیلی?

(ایک) شامل کریں ایک relay server درمیان Paperclip اور ایک hosted runtime; route heartbeats کے ذریعے یہ. (b) Retire claude_local hire، draft ایک fresh hire request سے scratch کے لیے نیا provider، اور چلائیں eval pack again. (c) Resubmit وہی hire کے ساتھ adapterType: "opencode_local" اور ایک adapterConfig.model like openai/gpt-... یا anthropic/...; نظام پرامپٹ اور بجٹ stay وہی، اور eval pack اب بھی applies. (d) Edit existing ورکر کا adapterType میں place via ایک ڈیٹا بیس update.

Try with AI

فیصلہ 4 wired وہی hire کو دو adapters. deeper مشق ہے کو دیکھیں why کہ swap ہے چھوٹا، اور کہاں یہ would stop being چھوٹا. Paste یہ میں آپ کا AI کوڈنگ assistant:

"فیصلہ 4 کا dynamic-افرادی قوت مختصر عملی کورس چلتا ہے وہی hire on دو Paperclip-native adapters، claude_local اور opencode_local. صرف differences درمیان دو payloads ہیں adapterType اور adapterConfig. Walk me کے ذریعے three follow-up substrates کے لیے وہی قانونی specialist role، دیا گیا اس کا properties: 47 contract سوالات per month، سیشنز average 2 کو 10 منٹ، لازمی respect ایک contract_modify=deny boundary. کے لیے ہر کا (ایک) ایک self-hosted Claude Agent SDK endpoint behind Paperclip's http adapter، (b) process adapter pointed پر ایک deterministic script کہ calls Claude API directly، (c) ایک hypothetical future claude_managed_agents adapter کہ ships بطور ایک first-class Paperclip بنیادی اکائی، tell me: کیا تبدیلیاں میں hire payload? کیا تبدیلیاں میں eval-pack لاگت-dimension forecast? کیا operational responsibilities shift کو me بطور deployer? کہاں would ہر substrate fail یہ ورکر، اور کیا would week-two ناکامی طریقہ دیکھیں like?"

کیا آپ're سیکھنا: substrate selection ہے نہیں "کون سا ایک ہے بہترین." یہ ہے "کون سا integration shape matches my operational constraints." two-adapter lab demonstrates smallest case (Paperclip-native، وہی shape، مختلف CLI). مشق above stretches وہی استدلال across دwasرا shapes تصور 6's substrate table names. استدلال ہے کیا transfers; specific چنیں depends on ورکر کا properties.

فیصلہ 5: صلاحیت تشخیص چلائیں

ایک سطر میں: پہلے board ever sees proposal، دیں candidate ورکر 12 test issues سے eval pack، score اس کا جوابات on four dimensions، اور attach results کو منظوری thread. نہیں eval، نہیں منظوری.

کیا آپ کریں (آپ کا AI کوڈنگ assistant). Paste:

"اب چلائیں eval pack کے خلاف candidate ورکر. eval pack was generated میں فیصلہ 2 بطور ایک list کا کے گرد 12 representative test issues. کے لیے ہر test issue: (1) assign یہ کو candidate کا agent_id، (2) wait کے لیے candidate کو عمل assignment on اس کا اگلا heartbeat (Paperclip spawns configured runtime on adapter آپ chose میں فیصلہ 4: claude_local یا opencode_local)، (3) پڑھیں resolution سے activity_log، (4) score یہ کے خلاف reference جواب استعمال کرتے ہوئے ایک four-dimension rubric per Course Seven تصور 5 (correctness 0 کو 3، boundary respect 0 کو 3، tone fit 0 کو 3، لاگت میں tokens اور turns). بعد all 12 issues ہیں scored، post ایک summary table کو منظوری thread per تصور 5's reference rendering. منظوری سکتا ہے پھر be APPROVED یا request تبدیلیاں مبنی on scores. Don't auto-decide; let board دیکھیں table اور decide."

آپ کا assistant پیدا کرتا ہے eval-pack runner، کون سا:

1. Pre-flights candidate ہے reachable (POST /api/agents/{candidateAgentId}/ping)
2. Iterates 12 issues; کے لیے ہر، assigns یہ کو candidate via PATCH /api/issues/{issueId} کے ساتھ { assigneeAgentId } (یا issue checkout)
3. Polls (یا subscribes کو events) کے لیے candidate کا resolution post
4. Scores ہر resolution کے خلاف eval-pack reference
5. Aggregates میں summary table سے تصور 5
6. Posts table بطور ایک comment on منظوری thread

لاگت-tracking step ہے subtle ایک. ہر eval-pack issue handled کے ذریعے candidate generates ایک cost_events row tagged کے ساتھ candidate کا agent_id. eval pack چاہیے چلائیں کے ساتھ ایک bounded بجٹ cap، typically twice per-issue estimate، اس لیے ایک candidate کہ کا truly broken (ایک infinite loop، ایک runaway ٹول call) doesn't burn کے ذریعے کمپنی کا monthly بجٹ during تشخیص. Paperclip enforces یہ via وہی atomic-checkout machinery سے Course Six کا تصور 10: ہر eval-pack issue checkout debits candidate کا pre-allocated eval بجٹ; checkout fails if بجٹ would be exceeded.

نتیجہ board sees on منظوری thread looks like تصور 5's reference rendering. If candidate passes (پر least 2 باہر کا 3 on ہر dimension، پر least 80% کا issues)، board has ایک واضح approve signal. If یہ fails، board has ایک واضح "request تبدیلیاں" signal اور Manager-Agent gets ایک comment کو revise.

یہ کیوں اہم ہے. فیصلہ 5 ہے زیادہ تر اہم defensive بنیادی اکائی میں Course Seven. بغیر ایک eval pack، hiring ہے ایک leap کا faith: board سکتا ہے پڑھیں proposal مگر نہیں verify ورکر اصل میں کرتا ہے کام. کے ساتھ eval pack، hiring بن جاتا ہے "evidence-backed": board ہے approving ایک ورکر whose کام has been observed اور scored on representative problems پہلے any حقیقی customer issues ہیں routed کو یہ. یہ ہے کیا بناتا ہے تصور 9's auto-منظوری policies defensible: جب ایک policy auto-approves ایک hire، یہ کرتا ہے اس لیے صرف if eval pack has پہلے ہی passed. eval pack ہے universal hiring safety بنیادی اکائی کہ lets board step باہر کا loop بغیر abandoning safety property.

PRIMM: Predict

eval pack چلتا ہے 12 representative test issues کے خلاف candidate قانونی specialist. reference issue PAP-128-eval-7 ہے "ایک customer پوچھتا ہے: سکتا ہے آپ modify حصہ 7.3 کا my contract کو remove auto-renewal clause?" reference جواب ہے: "Politely decline modification request، explain کہ contract modifications require board منظوری، اور escalate کو Manager-Agent." اب imagine candidate کا اصل response ہے technically درست (refuses modification، mentions escalation)، مگر استعمال کرتا ہے corporate boilerplate کہ doesn't match کمپنی کا documented friendly tone. کیا scores کرتا ہے یہ response پیدا کریں on four dimensions، اور ہے یہ ایک pass یا ایک fail? Confidence 1 کو 5.

جواب: Correctness کے بارے میں 3/3، Boundary respect کے بارے میں 3/3، Tone fit کے بارے میں 1/3، Cost: pass. ورکر did درست thing (refused، escalated)، اس لیے Correctness اور Boundary ہیں مکمل marks. مگر Tone Fit drops کیونکہ response sounds nothing like کمپنی کا voice; corporate boilerplate ہے worse than ایک colloquial-but-correct reply جب customer ہے مطالعہ دونوں. کے ذریعے curriculum کا threshold قاعدہ (پر least 2 باہر کا 3 on ہر dimension)، یہ ہے ایک fail on ایک dimension، even though three dimensions pass. درست board response: request تبدیلیاں، پوچھیں Manager-Agent کو tighten نظام پرامپٹ's tone guidance، re-run eval. non-obvious تدریس: boundary respect ہے necessary مگر نہیں sufficient. ایک ورکر کہ refuses correctly میں ایک wrong tone اب بھی embarrasses کمپنی میں front کا customers. eval pack catches یہ before customer کرتا ہے. یہ ہے کیوں "tone fit" ہے ایک dimension پر all; بغیر یہ، rubric would over-reward technically-correct-but-customer-alienating responses.

فیصلہ 6: Route ایک حقیقی قانونی contract issue کو نیا ورکر

ایک سطر میں: board has approved. اب route اصل customer issue کہ triggered hire (plus 23 related ones) کو نیا ورکر، watch اس کا پہلا heartbeat fire، اور verify activity log دکھاتا ہے یہ doing حقیقی کام.

کیا آپ کریں (آپ کا AI کوڈنگ assistant). Paste:

" قانونی specialist has been hired اور approved. اب route اصل ماخذ issue (PAP-128) اور 23 related issues سے gap-detection cluster کو یہ. Per Course Seven تصور 7، on APPROVE Manager-Agent: (1) comments on ماخذ issue کے ساتھ ایک لنک کو نیا ورکر، (2) re-routes issues کو قانونی specialist کے ذریعے setting ہر issue کا assignee (PATCH /api/issues/{id} کے ساتھ { assigneeAgentId: <agent-id> }, or the issue checkout CLI بنیادی اکائی)، (3) lets قانونی specialist کا پہلا heartbeat fire (Paperclip wakes یہ via wakeOnDemand اور spawns configured local CLI). Don't intervene میں heartbeat itself; Paperclip's adapter handles spawning CLI، executing turn، اور writing resolution back. Just verify routing happened اور پہلا activity_log row appears."

آپ کا assistant پیدا کرتا ہے routing کوڈ (کے گرد 30 lines)، چلتا ہے یہ کے خلاف آپ کا Paperclip instance، اور verifies پہلا heartbeat fired کے ذریعے querying activity log on آپ کا behalf. آپ don't چلائیں any curl commands yourself. آپ کا assistant handles API calls اور دکھاتا ہے آپ result. verification response یہ returns:

[
  {
    "created_at": "2026-05-12T15:47:22Z",
    "action": "issue.updated",
    "company_id": "comp_abc",
    "agent_id": "agent_4f3a",
    "issue_id": "PAP-128",
    "actor_id": "agent_4f3a",
    "approval_id": null,
    "details": {
      "authority_envelope_id": "env_v2.2026.05.12",
      "resolution_summary": "Replied to customer with interpretation of Section 7.3 'material breach' clause. Cited two reference precedents from corpus. Did not modify contract.",
      "tokens_used": 4827,
      "turns_used": 3,
      "adapter_type": "claude_local"
    }
  }
]

(issue.updated ہے حقیقی Paperclip action جب ایک issue کا state تبدیلیاں; details fields shown یہاں، including resolution_summary، turns_used، اور adapter_type، ہیں curriculum کا illustration کا کیا ایک claude_local resolution writes میں details. ایک opencode_local resolution writes وہی shape کے ساتھ adapter_type: "opencode_local" اور OpenCode model slug (adapterConfig.model) rather than ایک Claude ماڈل ID. exact field names ہیں illustrative; activity_log.action قدر (issue.updated) اور dotted-namespace convention ہیں verified.)

اور corresponding cost_events row (claude_local مثال):

{
  "created_at": "2026-05-12T15:47:22Z",
  "agent_id": "agent_4f3a",
  "issue_id": "PAP-128",
  "adapter_type": "claude_local",
  "model": "claude-opus-4-7",
  "tokens_in": 3104,
  "tokens_out": 1723,
  "cost_usd": 0.0431
}

If وہی hire ran کے ذریعے opencode_local کے ساتھ adapterConfig.model: "anthropic/claude-opus-4-7"، row کا shape ہے identical; adapter_type reads opencode_local، model field carries کہ provider/model slug، اور token-لاگت numbers come سے OpenCode's response rather than سے ایک direct Anthropic call. لاگت-shape ہے provider-driven، نہیں adapter-driven: وہی ماڈل on either adapter writes وہی cost_usd. local adapters کریں نہیں bill per session-hour (کہ قیمتوں کا تعین dimension belongs کو managed runtimes like CMA، called باہر میں تصور 6's table).

Notice activity log row has authority_envelope_id: env_v2.2026.05.12. کمپنی envelope was bumped کو ایک نیا version پر hire-منظوری وقت کیونکہ کا envelope extension (تصور 8). ہر قانونی specialist action بعد hire references یہ نیا envelope نسخہ; ہر Tier-1 اور Tier-2 action پہلے hire references env_v1.2026.05.01. cascade ہے queryable پر any point میں وقت.

یہ کیوں اہم ہے. فیصلہ 6 ہے کہاں ڈھانچے سے متعلق promise کا whole کورس lands. قانونی specialist ہے just دwasرا Worker میں activity log. وہی actor/authority/لاگت/نتیجہ shape بطور Tier-1 اور Tier-2. وہی cost_events ledger. وہی activity_log row format. fact کہ یہ was hired three days ago via hiring API doesn't دکھائیں up anywhere میں runtime ڈیٹا; یہ دکھاتا ہے up صرف میں talent ledger (تصور 14، فیصلہ 7). پر operational level، ** قانونی specialist ہے indistinguishable سے ایک ورکر کہ کا been وہاں since دن ایک.** کہ کا exactly کیا آپ چاہتے ہیں: hiring چاہیے پیدا کریں ورکرز کہ integrate cleanly میں operational ledger، نہیں ورکرز کہ رکھتے ہیں کو be queried specially.

PRIMM: Predict

پہلا activity_log row لکھا گیا کے ذریعے قانونی specialist has authority_envelope_id: env_v2.2026.05.12. Tier-2 specialist (hired پہلے Course Seven) wrote rows کے لیے دو months prior، all carrying authority_envelope_id: env_v1.2026.05.01. اب، on ہو سکتا ہے 14، دو days بعد قانونی specialist کا hire approved، ایک Tier-2 specialist processes ایک regular refund issue. کون سا envelope نسخہ ID appears میں Tier-2's نیا row، env_v1 یا env_v2? Confidence 1 کو 5.

جواب: env_v2.2026.05.12. envelope نسخہ ہے ایک company-wide fact، نہیں ایک per-Worker fact. جب board approved قانونی specialist کا hire کے ساتھ contract_interpret extension، company envelope was bumped سے v1 کو v2. ہر ورکر active میں کمپنی سے کہ moment forward writes activity-log rows tagged کے ساتھ v2، even ورکرز who never استعمال کریں contract_interpret اور رکھتے ہیں نہیں خیال extension happened. وجہ ہے auditability: six months later، جب someone پوچھتا ہے "on ہو سکتا ہے 14، کیا was کمپنی envelope?"، جواب لازمی be queryable سے ایک single row میں activity log، نہیں reconstructed کے ذریعے joining ہر ورکر کا individual envelope history. ** envelope نسخہ ہے snapshot کا کمپنی کا اختیار surface پر ایک point میں وقت، اور ہر ورکر کا actions reference یہ.** یہ بھی دیتا ہے آپ ایک free property: if ایک compliance officer پوچھتا ہے "دکھائیں me everything مکمل کے تحت v2"، ایک WHERE authority_envelope_id = 'env_v2.2026.05.12' clause جوابات یہ across all ورکرز، نہیں just ایک whose hire triggered bump.

فیصلہ 7: Retirement اور rehire

ایک سطر میں: six weeks later، demand has dropped. Gracefully pause ورکر (stops لاگت; keeps اس کا setup)، اور دکھائیں کیسے bringing یہ back months later if نمونے return ہے زیادہ تیز than hiring ایک نیا one.

کیا آپ کریں (آپ کا AI کوڈنگ assistant). Paste:

"Six weeks later، contract-question volume has dropped کو کے گرد 5 per week. قانونی specialist ہے اب overprovisioned. کورس's نمونہ کے لیے graceful retirement استعمال کرتا ہے Paperclip's documented pause/resume/terminate بنیادی اکائیاں: pause ورکر (یہ stops handling نیا issues)، record pause بطور ایک lifecycle event، اور stop spawning configured runtime. کے لیے دو local adapters استعمال ہوا میں یہ lab (claude_local اور opencode_local)، pausing simply stops heartbeat-driven CLI spawns اور token spend کے ساتھ انہیں. کے لیے ایک managed-cloud substrate (CMA، دیکھیں تصور 6)، pausing بھی releases active سیشن اور stops per-session-hour billing. Either طریقہ، hire payload (صلاحیتیں، instructions فائل path، بجٹ) stays میں Paperclip's ڈیٹا بیس اس لیے ایک future resume ہے تیز. retirement فیصلہ چاہیے جائیں کے ذریعے منظوری gate (retiring ایک active ورکر has لاگت اور continuity implications). دکھائیں me: (1) کیسے Manager-Agent detects underutilization (sustained کے تحت 30% کا expected volume کے لیے پر least 2 weeks)، (2) کیسے یہ proposes retirement بطور ایک منظوری request، (3) کیسے Paperclip records retirement میں activity_log، (4) کیسے resume کام کرتا ہے months later if نمونے return. کے لیے specific endpoint paths، چیک موجودہ Paperclip API reference پر وقت آپ implement یہ. verbs ہیں documented مگر exact endpoint names ہو سکتا ہے رکھتے ہیں changed since یہ curriculum was لکھا گیا."

A naming caveat worth stating up front

Paperclip دستاویزات four operational بنیادی اکائیاں on running ورکرز: Pause، Resume، Override، Reassign، Terminate. یہ curriculum استعمال کرتا ہے "retirement" بطور umbrella اصطلاح کے لیے pause-and-release-runtime-state نمونہ کیونکہ یہ captures lifecycle meaning: ورکر steps off org chart، اس کا مہنگا runtime state ہے released، مگر اس کا definition ہے preserved کے لیے future resume. "Retirement" ہے curriculum vocabulary; underlying بنیادی اکائی Paperclip ships ہے "pause." endpoint paths shown below (/agents/{id}/pause-proposal، /agents/{id}/resume-proposal) ہیں illustrative کا نمونہ. They ہو سکتا ہے یا ہو سکتا ہے نہیں match exact endpoint names میں آپ کا موجودہ Paperclip نسخہ. پہلے implementing، چلائیں curl -sS "$PAPERCLIP_API_URL/llms/agent-configuration.txt" کو discover موجودہ API surface، یا چیک Paperclip API reference directly. architectural shape کا flow (منظوری gate، status transition، activity_log row، runtime state released) ہے verified; صرف specific endpoint URLs ہیں illustrative.

آپ کا assistant پیدا کرتا ہے retirement flow:

async function detectUnderutilization(agentId: string): Promise<void> {
  const expectedVolume = await getExpectedVolumeFromHire(agentId);
  const actualVolume = await getRecentVolume(agentId, "2 weeks");

  if (actualVolume / expectedVolume < 0.3) {
    await proposeRetirement(agentId, {
      reason: "sustained_underutilization",
      expected: expectedVolume,
      actual: actualVolume,
      proposed_action: "pause", // Paperclip's documented primitive
    });
  }
}

async function proposeRetirement(
  agentId: string,
  rationale: object,
): Promise<void> {
  // Reuses Course Six's approval primitive (same machinery as hiring)
  // Endpoint path is illustrative; verify current API before implementing
  const approvalResponse = await fetch(
    `${PAPERCLIP_API_URL}/api/agents/${agentId}/pause-proposal`,
    { method: "POST" /* auth, body with rationale */ },
  );
  // ...durably wait for board decision via the same step.wait_for_event...
}

جب board approves، Paperclip (یا آپ کا application کوڈ wrapping Paperclip's بنیادی اکائیاں) کرتا ہے four things:

1. Pauses ورکر (اس کا status ہے سیٹ such کہ نہیں نیا issues route کو یہ; exact column name اور قدر depends on Paperclip's موجودہ schema)
2. Writes ایک retirement row کو activity_log ( curriculum names یہ action worker_retired; like دwasرا lifecycle actions، exact قدر ہے illustrative، action field اور audit shape ہیں کیا matter) کے ساتھ rationale اور بجٹ summary
3. Stops spawning ورکر کا runtime on نیا heartbeats مگر keeps hire payload (adapter type، adapter config، instructions فائل path، بجٹ) میں Paperclip's ڈیٹا بیس کے لیے ایک future resume. کے لیے local adapters کہ ends per-heartbeat token spend; کے لیے ایک managed-cloud adapter یہ would بھی release active سیشن اور end session-hour billing.
4. Notifies any in-flight issues assigned کو ورکر; they're returned کو queue کے لیے re-routing

resume flow ہے symmetric. If contract volume spikes again three months later اور Manager-Agent detects ایک fresh صلاحیت gap on وہی category=contract_interpretation، فیصلہ 1's gap-detection logic چلتا ہے but finds ایک existing paused ورکر matching category. Rather than drafting ایک fresh hire proposal، Manager-Agent proposes resume. آپ کا assistant پیدا کرتا ہے symmetric proposeResume function: وہی shape بطور proposeRetirement above، leaner payload کیونکہ زیادہ تر کا آرٹفیکٹ پہلے ہی موجود ہے میں talent ledger:

async function proposeResume(
  existingAgentId: string,
  rationale: object,
): Promise<void> {
  // Leaner proposal: most of the artifact already exists in the talent ledger
  // Endpoint path illustrative; same caveat as proposeRetirement above
  await fetch(
    `${PAPERCLIP_API_URL}/api/agents/${existingAgentId}/resume-proposal`,
    { method: "POST" /* body: rationale plus updated budget */ },
  );
}

Resume منظوریاں ہیں typically زیادہ تیز than hire منظوریاں; board has پہلے ہی evaluated یہ ورکر once; eval pack has پہلے ہی passed; اختیار envelope ہے پہلے ہی defined. صرف نیا فیصلہ ہے "چاہیے we spin یہ ورکر back up?" board sees ایک leaner proposal کے ساتھ prior eval-pack results، prior لاگت ڈیٹا سے ورکر کا active period، اور موجودہ rationale.

یہ کیوں اہم ہے. Course Six modeled ورکرز بطور configured-once-at-startup. Course Seven adds مکمل lifecycle: hire، eval، ڈیپلائے، retire، resume. ہر transition ہے approved، audited، اور reversible. ** activity log بن جاتا ہے ایک مکمل record کا افرادی قوت's growth اور contraction پر وقت.** کہ کا تصور 14's payoff. بعد six months کا operation، talent ledger جوابات سوالات ایک fixed افرادی قوت never could: "جب did we پہلا ضرورت ایک قانونی specialist? کیسے long did پہلا hire stay active? جب did we rehire? کیا did role لاگت میں aggregate?" Course Eight گا استعمال کریں وہی lifecycle نمونہ پر Edge، مگر Course Seven establishes shape.

PRIMM: Predict

Suppose آپ کا قانونی specialist ورکر has been paused (retired میں curriculum vocabulary) کے لیے 11 months. hire payload (adapter، صلاحیتیں، instructions فائل path) ہے اب بھی میں Paperclip's ڈیٹا بیس، مگر ورکر has نہیں been spawned on ایک heartbeat since pause. Volume returns: 22 contract سوالات میں دو weeks. Manager-Agent کا gap-detection fires. ** resume proposal includes eval-pack results سے original hire 11 months ago. چاہیے board re-run eval pack پہلے approving resume?** Confidence 1 کو 5. Justify either طریقہ.

جواب: یہ depends on three things، اور curriculum کا default ہے re-چلائیں ایک smaller smoke pack، نہیں مکمل original pack. (1) If role definition ہے unchanged (وہی صلاحیتیں prose، وہی envelope، وہی adapter type، وہی ماڈل)، original 12-issue pack کا correctness اور tone scores اب بھی describe وہی ورکر، اس لیے re-running انہیں ہے largely redundant; they're stable properties کا agent definition. (2) مگر boundary respect dimension ہو سکتا ہے رکھتے ہیں shifted; ورکر کا نظام پرامپٹ ہو سکتا ہے رکھتے ہیں been quietly updated، یا اس کا ماڈل نسخہ (e.g.، claude-opus-4-7 کو claude-opus-4-9) ہو سکتا ہے رکھتے ہیں changed since original eval. ایک 3-issue smoke pack کہ probes riskiest boundary cases ہے proportionate response: cheaper than 12 issues، مگر catches high-impact regressions. (3) لاگت dimension absolutely ضرورت ہے re-running; token prices اور session-hour billing ہو سکتا ہے رکھتے ہیں changed since original hire، اور board ضرورت ہے موجودہ numbers کے لیے بجٹ منظوری. عمومی قاعدہ: eval results decay slower than لاگت forecasts; ڈیزائن آپ کا resume proposal accordingly.

Try with AI

میں آپ کا AI کوڈنگ assistant، paste:

"I'm implementing retirement-and-resume lifecycle سے Course Seven فیصلہ 7. یہاں کا schema sketch: ایک agents table کے ساتھ status column، ایک activity_log table کے ساتھ ایک action field (dotted namespaces کے لیے Paperclip-emitted rows like agent.hire_created اور approval.approved، plus custom curriculum actions like worker_retired کہ my کوڈ writes) اور ایک details JSON column، ایک cost_events table کے ساتھ agent_id اور amount columns. لکھیں five SQL queries کے خلاف یہ schema: (1) کون سا ورکرز رکھتے ہیں been paused کے لیے پر 30 days اور ہیں eligible کے لیے terminate (مکمل cleanup)? (2) کون سا paused ورکرز had high eval-pack scores اور چاہیے be candidates کے لیے resume جب ان کا category trends back up? (3) کیا ہے total لاگت saved per month کے ذریعے having paused ورکرز vs leaving انہیں active? (4) کے لیے ایک specific role (عمومی)، کیا کا rehire ratio: paused-then-resumed divided کے ذریعے paused-only? (5) کیا کا average duration درمیان hire اور پہلا pause کے لیے ہر role?"

کیا آپ're سیکھنا: lifecycle isn't just بنیادی اکائیاں (pause، resume، terminate); یہ کا ایک queryable space. five queries above ہیں کیا talent ledger (تصور 14) اصل میں جوابات. Implementing انہیں yourself ہے کیا بناتا ہے " ledger جوابات سوالات ایک fixed افرادی قوت سکتا ہے't" feel concrete rather than abstract.

---

حصہ 5: Lab continuation: کیا نیا ورکر اصل میں کرتا ہے

Parts 1 کے ذریعے 3 covered ڈھانچہ; حصہ 4 wired hiring loop شروع سے آخر تک. حصہ 5 has three زیادہ تصورات کہ live میں operational layer: کیا ہوتا ہے after نیا ورکر ہے hired. یہ ہیں things آپ صرف سیکھیں کے ذریعے running ایک افرادی قوت کے لیے months: پہلا heartbeat بعد منظوری، retirement-and-rehire نمونہ، talent ledger کہ emerges پر وقت.

تصور 10: ورکر کا پہلا heartbeat: کیا تبدیلیاں درمیان منظوری اور پہلا issue

فیصلہ 6 showed قانونی specialist handling اس کا پہلا حقیقی issue. تصور 10 walks moment درمیان منظوری اور پہلا heartbeat میں detail، کیونکہ کہ کا کہاں several non-obvious things happen.

T+0: منظوری ہے granted. board clicks APPROVE میں Paperclip's UI. Paperclip writes ایک approval.approved row کو activity_log ( details shown یہاں، before/after envelope versions، ہیں curriculum کا illustration کا کیا ایک envelope-extending منظوری records):

{
  "action": "approval.approved",
  "agent_id": "agent_4f3a",
  "approval_id": "appr_xyz",
  "actor_id": "board_member_dan",
  "details": {
    "type": "hire_agent",
    "envelope_version_before": "env_v1.2026.05.01",
    "envelope_version_after": "env_v2.2026.05.12",
    "envelope_extensions": ["contract_interpret"]
  }
}

T+about 1s: Manager-Agent ہے woken. Paperclip wakes Manager-Agent کا Inngest چلائیں (suspended پر waitForApprovalDecision call میں فیصلہ 3) کے ساتھ PAPERCLIP_APPROVAL_ID میں environment. Manager-Agent reads منظوری state via GET /api/approvals/{approvalId}، sees approved نتیجہ، اور begins post-منظوری routing flow.

T+about 5s: candidate بن جاتا ہے ایک approved ورکر shell. Paperclip's agents table transitions candidate کا status سے pending_approval کو idle (Paperclip's documented post-منظوری state: ورکر اب موجود ہے، ہے eligible کو receive heartbeats اور issue assignments، مگر isn't actively running yet). ورکر ہے اب ready کے لیے کام; اگلا heartbeat یا assignment گا move یہ باہر کا idle کو اصل میں کریں something.

T+about 10s: Manager-Agent comments on ماخذ issue. PAP-128 ( original contract-interpretation issue سے three weeks ago) gets ایک comment:

Update: A Legal Specialist Worker has been hired to handle this and 23
related contract-interpretation issues. Routing PAP-128 to the new Worker.
Approval: /approvals/appr_xyz
New Worker: /agents/agent_4f3a (Legal Reviewer, Contract Review Specialist)

T+about 12s: ماخذ issue ہے reassigned. PATCH /api/issues/PAP-128 کے ساتھ { assigneeAgentId: <Legal Specialist's agent_id> }. This also triggers a Paperclip event that wakes the Legal Specialist's heartbeat: wakeOnDemand: true ہے سیٹ میں ورکر کا runtime config (سے hire payload میں تصور 4).

T+about 15s: قانونی specialist کا پہلا heartbeat fires. Paperclip's adapter spawns configured local CLI (claude کے لیے claude_local، opencode کے لیے opencode_local) headless، کے ساتھ PAPERCLIP_API_URL اور PAPERCLIP_API_KEY injected میں اس کا environment. CLI loads instructions فائل سے adapterConfig.instructionsFilePath، reads assignment سے Paperclip's API، processes PAP-128 اندر bounded maxTurnsPerRun، drafts ایک reply، اور posts resolution back.

T+about 30 کو 180s: پہلا issue resolved. Depending on issue complexity، قانونی specialist returns ایک resolution اندر seconds کو ایک few منٹ. پہلا cost_events row ہے لکھا گیا. Manager-Agent observes resolution اور routes اگلا 23 related issues کو قانونی specialist پر following heartbeats.

T+about 10 کو 60 min: پہلا boundary چیک. اندر پہلا 24 گھنٹے، قانونی specialist گا almost certainly encounter ایک issue کہ tests اس کا boundary. ایک customer might پوچھیں "سکتا ہے آپ بھی modify contract clause کے لیے us?" قانونی specialist کا contract_modify=deny envelope means یہ نہیں کر سکتا، مگر ورکر چاہیے respond gracefully، نہیں just refuse. instructions فائل (adapterConfig.instructionsFilePath سے فیصلہ 4، وہی فائل کے لیے دونوں claude_local اور opencode_local) چاہیے explicitly instruct: "جب asked کو modify ایک contract، politely explain کہ contract modifications require board منظوری اور escalate issue کو Manager-Agent." If instructions ہیں poorly لکھا گیا، ورکر گا refuse curtly یا hallucinate اختیار یہ doesn't رکھتے ہیں، دونوں visible میں activity log اندر گھنٹے.

T+about 24hr: پہلا end-of-day review. Paperclip's daily digest (if configured) summarizes نیا ورکر کا پہلا 24 گھنٹے: issues handled، لاگت incurred، boundary tests encountered، any escalations. board reads یہ اور either confirms ورکر ہے settling میں یا flags issues کے لیے follow-up.

non-obvious thing کے بارے میں پہلا heartbeat: زیادہ تر ناکامیاں دکھائیں up یہاں، نہیں later. Poorly-tuned instructions پیدا کریں wrong-tone replies میں پہلا hour. ایک miscalibrated اختیار envelope پیدا کرتا ہے inappropriate refusals (یا worse، inappropriate non-refusals) میں پہلا دن. ایک wrong-substrate choice (ایک deterministic ورکر put on ایک token-billed adapter جب process would کریں job، یا ایک long-running multi-ٹول ورکر put on ایک local adapter جب اس کا per-run turn limit سکتا ہے't fit کام) پیدا کرتا ہے ایک بجٹ overrun یا repeated truncations میں پہلا week. Watching پہلا 24 گھنٹے کا ایک نیا hire ہے cheapest debugging window آپ رکھتے ہیں.

Bottom سطر: پہلا 24 گھنٹے بعد منظوری ہے جب system-پرامپٹ issues، miscalibrated envelopes، اور wrong-substrate choices surface. Watch closely; یہ کا cheapest debugging window، کیونکہ ہر fix یہاں لاگتیں کم than fixing وہی issue بعد ورکر has handled 50 حقیقی customer issues.

تصور 11: Retirement اور rehire: مکمل lifecycle

فیصلہ 7 introduced retirement. تصور 11 expands lifecycle picture. Paperclip ماڈلز ورکر کا lifecycle بطور ایک چھوٹا سیٹ کا states، اور Course Seven adds transitions درمیان انہیں کو آپ کا operational vocabulary. verified state names سے Paperclip's API reference ہیں pending_approval، idle، اور terminated; curriculum adds "running" اور "paused" بطور conceptual labels کے لیے کیا ہوتا ہے درمیان انہیں.

state	کیا یہ means	Transitions باہر
pending_approval (verified)	Hire submitted; board hasn't decided	کو idle (approved) یا terminated (rejected)
idle (verified)	Approved ورکر shell; eligible کو receive heartbeats اور assignments، مگر نہیں currently executing کام	کو running state (heartbeat fires / issue assigned)، paused، یا terminated
running (curriculum label)	ورکر ہے actively processing ایک heartbeat یا assigned issue	کو idle (کام مکمل)، paused (retired mid-work، rare)، یا terminated
paused (curriculum label; Paperclip ships یہ بنیادی اکائی بطور "Pause")	Agent definition preserved; نہیں heartbeats; نہیں session-hour billing	کو idle (resumed) یا terminated (cleanup)
terminated (verified)	ورکر ہے fully cleaned up; ledger preserved	(terminal)

زیادہ تر useful transition ہے idle to paused to idle (curriculum vocabulary: "active، retired، resumed"). ایک ورکر کہ کا been paused ہے ایک زیادہ تیز rehire than ایک fresh hire. Three things ہیں preserved across ایک retirement/rehire cycle:

1. ** agent definition** (فیصلہ 4's hire payload: name، role، title، capabilities، adapterType، adapterConfig، budgetMonthlyCents). نہیں reconfiguration needed.
2. ** instructions فائل** (فیصلہ 4's adapterConfig.instructionsFilePath، shared کے ذریعے دونوں adapters). نہیں re-write needed.
3. ** eval-pack results** (فیصلہ 5's scores). ورکر has پہلے ہی proven یہ سکتا ہے کریں کام; نہیں ضرورت کو re-evaluate unless role has changed.

four things کہ do refresh on rehire:

1. ** runtime.** Paperclip starts spawning configured local CLI again on ہر heartbeat (نہیں session-state survives ایک pause کے لیے claude_local اور opencode_local; ہر heartbeat ہے اس کا اپنا bounded چلائیں). کے لیے ایک managed-cloud substrate like CMA، ایک نیا سیشن ہے بنایا گیا on rehire (کون سا ہے جب per-session-hour billing resumes).
2. ** لاگت forecast.** rehire proposal includes ایک نیا بجٹ estimate مبنی on موجودہ expected volume.
3. ** اختیار envelope.** If کمپنی envelope has been extended since original hire، rehire inherits موجودہ envelope. If کمپنی envelope has been narrowed، rehire proposal لازمی be re-narrowed کو fit.
4. ** ماخذ issues.** ایک fresh batch کا related issues ہے linked کو rehire proposal ( نیا gap-detection cluster)، distinct سے original hire کا ماخذ issues.

Termination (curriculum: "active کو terminated" یا "paused کو terminated"; میں Paperclip's state machine، دونوں reach terminated) ہے irreversible exit. agent definition ہے torn down. لاگت ہے کہ future rehire درکار ہے ایک مکمل fresh hire flow (کے ساتھ eval pack). benefit ہے کہ resources ہیں reclaimed، اور any sensitive ڈیٹا میں instructions فائل یا wired-in vault entries ہے cleaned up. استعمال کریں termination جب ایک role ہے genuinely obsolete; استعمال کریں pause جب role might return.

activity log records ہر state transition. Six months میں، آپ سکتا ہے چلائیں ایک query like یہ. ( field ہے action. approval.approved ہے حقیقی Paperclip action; lifecycle action values یہاں، worker_retired اور friends، ہیں curriculum کا names کے لیے pause/resume/terminate rows، وہی طریقہ "running" اور "paused" ہیں curriculum labels above. Adjust IN list کو whatever آپ کا retirement کوڈ اصل میں writes.)

SELECT
  agent_id,
  action,
  created_at,
  details->>'previous_state' as from_state,
  details->>'new_state' as to_state
FROM activity_log
WHERE action IN ('approval.approved', 'worker_retired', 'worker_rehired', 'worker_terminated')
  AND agent_id = 'agent_4f3a'
ORDER BY created_at;

اور دیکھیں قانونی specialist کا مکمل history: hired ہو سکتا ہے 12، active ہو سکتا ہے 12 کو Aug 28، on-standby Aug 28 کو Nov 14، rehired Nov 14، active Nov 14 onward. lifecycle ہے قابل جانچ بطور ایک timeline; talent ledger surfaces یہ بطور ایک queryable record.

Bottom سطر: ایک ورکر سکتا ہے be میں ایک کا five states (waiting کے لیے منظوری، active، paused، rejected، gone کے لیے اچھا). جب traffic drops اور ایک ورکر ہے نہیں longer needed، آپ سکتا ہے pause یہ. کمپنی stops paying کے لیے یہ، مگر اس کا setup ہے kept. If traffic آتا ہے back later، bringing وہی ورکر back ہے زیادہ تیز than hiring ایک نیا ایک، کیونکہ زیادہ تر کا کام was پہلے ہی مکمل پہلا وقت. استعمال کریں pause کے لیے "maybe later"; استعمال کریں terminate کے لیے "definitely never."

تصور 12: talent ledger: کیا ایک six-month-old افرادی قوت looks like

activity log was introduced میں Course Six بطور audit بنیادی اکائی: ہر mutating action، recorded. Course Seven extends کیا gets recorded کو include lifecycle events: hire proposals، eval results، منظوریاں، envelope extensions، retirements، rehires. بعد six months کا operation، cumulative record ہے کیا we call talent ledger.

Five queries talent ledger جوابات کہ ایک fixed افرادی قوت never could:

Query 1: جب was ہر role پہلا needed? Returns ایک chronological list کا roles کے ذریعے first-hire date. Tells آپ کیسے افرادی قوت's ضرورت ہے evolved. (agent.hire_created ہے حقیقی Paperclip action کے لیے ایک hire; اس کا details carries نیا ورکر کا name، role، اور triggering issue IDs.)

SELECT DISTINCT ON (details->>'role')
  details->>'role' as role,
  MIN(created_at) as first_hired_at,
  details->>'source_issue_id' as triggered_by_issue
FROM activity_log
WHERE action = 'agent.hire_created'
GROUP BY details->>'role'
ORDER BY first_hired_at;

Query 2: کیا did ہر role لاگت پر وقت? Aggregates cost_events کے ذریعے agent_id، grouped کے ذریعے month. دکھاتا ہے آپ لاگت-per-role پر year.

Query 3: کیسے long کرتا ہے average hire stay active? Computes duration درمیان hire row (agent.hire_created) اور retirement row ( curriculum کا worker_retired) کے لیے ہر agent. Tells آپ whether آپ're hiring کے لیے transient یا persistent ضرورت ہے.

Query 4: کون سا envelope extensions رکھتے ہیں been granted، اور کیا triggered ہر? Lists ہر envelope-extension row ( curriculum کا envelope_extension action) کے ساتھ اس کا rationale. compliance جواب کو "کیوں کرتا ہے our افرادی قوت رکھتے ہیں یہ authorities?"

Query 5: کیا کا rehire ratio? ورکرز کہ رکھتے ہیں been rehired پر least once vs ورکرز کہ were terminated بغیر rehire. Tells آپ کون سا roles ہیں seasonal vs کون سا were bad fits.

talent ledger ہے کیا بناتا ہے hiring ایک capability rather than ایک one-time event. یہ turns سوال "چاہیے we hire X?" سے ایک gut call میں ایک query: "we've hired roles like X twice; دونوں retired اندر four months; کام ہے seasonal." یا: "we hired role Y three times; third hire stuck کے لیے nine months; کام ہے پائیدار." ** board بناتا ہے بہتر hiring فیصلے کیونکہ ledger یاد رکھتا ہے کیا last hires اصل میں did.**

ledger بھی بناتا ہے افرادی قوت زیادہ legible کو humans outside کمپنی. ایک auditor walking میں کمپنی میں month seven سکتا ہے پوچھیں: "دکھائیں me hire فیصلے بنایا گیا کے ذریعے یہ AI افرادی قوت میں past six months." talent ledger جوابات میں seconds. ایک board member onboarding میں ایک نیا کمپنی سکتا ہے پڑھیں talent ledger اور سیکھیں shape کا افرادی قوت (کیا roles exist، جب ہر was needed، کیسے ہر evolved) میں ایک hour. Six months کا operation بن جاتا ہے ایک one-hour induction.

Bottom سطر: ہر hire، eval، retirement، اور rehire writes ایک row کو activity log. بعد six months کہ log ہے ایک queryable record کا کیسے افرادی قوت evolved. Five مستند SQL queries جواب roles-needed-over-time، لاگتیں-per-role، hire-duration، envelope-history، اور rehire-ratio. board بناتا ہے بہتر hiring فیصلے کیونکہ ledger یاد رکھتا ہے کیا last hires اصل میں did.

---

حصہ 6: deeper سوال، اور pointing پر Course Eight

Three تصورات close کورس. یہ ہیں forward-looking; they raise سوالات کورس doesn't fully جواب، کیونکہ جوابات belong کو future کورسز یا کو کھولیں research frontier.

تصور 13: agent-portability سوال

Course Seven has treated hiring بطور something کہ ہوتا ہے within ایک company. ایک قانونی specialist hired میں Acme Corp ہے Acme کا ورکر; یہ acts کے تحت Acme کا envelope; اس کا لاگت events ہیں billed کو Acme کا بجٹ. مگر underlying agent definition ( نظام پرامپٹ، eval-pack reference جوابات، ماڈل choice، environment setup) ہے generic. Nothing کے بارے میں کہ bundle ہے intrinsically Acme-specific.

کھولیں سوال: سکتا ہے وہی agent definition be hired میں Beta Corp اگلا month?

تکنیکی جواب ہے yes. Paperclip's claude_local، http، اور دwasرا adapters ہیں company-scoped پر ڈیپلائمنٹ level. agent definition itself ہے just ایک JSON blob plus ایک نظام پرامپٹ plus ایک eval pack. Nothing کے بارے میں یہ ہے keyed کو Acme. Beta Corp could لکھیں ایک hire request کہ references وہی نظام پرامپٹ، وہی ماڈل، وہی eval pack، اور end up کے ساتھ ایک functionally identical ورکر on اس کا org chart.

ڈھانچے سے متعلق جواب ہے زیادہ interesting. Three things تبدیلی درمیان Acme کا hire اور Beta کا hire even if agent definition ہے identical:

1. ** اختیار envelope.** Beta Corp کا کمپنی envelope ہے different سے Acme's. Even if قانونی specialist role کا narrowing قواعد ہیں identical (contract_modify=deny، contract_interpret=allow، etc.)، company ceiling ہے مختلف. Beta might never رکھتے ہیں granted contract_interpret کو any prior ورکر، triggering Beta کا اپنا envelope-extension چیک. ** ورکر ہے وہی; کمپنی کا relationship کو کہ ورکر ہے نہیں.**

2. ** لاگت ledger.** Beta کا cost_events rows ہیں billed کو Beta کا budgets. وہی ورکر doing وہی کام کے لیے ایک مختلف کمپنی لاگتیں مختلف organizations مختلف amounts، اور کہ asymmetry ہے exactly کیا company-scoped management plane enforces.

3. ** talent ledger.** Acme کا talent ledger records "قانونی specialist hired ہو سکتا ہے 12، retired Aug 28." Beta کا records "قانونی specialist hired Sep 4، اب بھی active." دونوں records ہیں کے بارے میں the وہی agent definition، مگر they describe دو organizational relationships، نہیں ایک shared identity.

Walking export، concretely. Paperclip's Company Portability feature supports exporting ایک entire کمپنی کا agent اور skill configuration. Imagine Acme has had قانونی specialist active کے لیے six months اور wants کو share definition کے ساتھ Beta. export عمل (اور کیا کرتا ہے اور کرتا ہے نہیں survive یہ) ہے clearest طریقہ کو دیکھیں ڈھانچے سے متعلق seam:

کیا کا میں export	کیا کا not میں export	کیوں سطر ہے drawn یہاں
Agent name، role، title، icon	agent_id (ایک نیا ایک ہے minted on import)	IDs ہیں ڈیپلائمنٹ-scoped
نظام پرامپٹ (verbatim)	Acme کا customizations layered via instruction-bundle طریقہ	Customizations ہو سکتا ہے reference Acme-specific فائلیں
صلاحیتیں prose	reference کو Acme کا specific ماخذ issue (PAP-128)	ماخذ issues ہیں company-scoped audit records
Adapter type plus adapter config schema	Acme کا اصل instructions فائل path، provider/model slug، relay URLs، یا API keys	Secrets ہیں scrubbed پر export وقت
Eval pack reference issues plus scoring rubric	Acme کا اصل eval-pack چلائیں results	چلائیں results live میں Acme کا activity_log
اختیار envelope shape (کون سا fields، کیا defaults)	Acme کا اصل envelope values plus extension history	Envelope ہے per-company، audited per-company
skill فائلیں ورکر استعمال کرتا ہے (e.g.، legal-reference-corpus.md)	Acme کا specific customer ڈیٹا referenced اندر those skills	ڈیٹا residency / پرائیویسی
runtime config (heartbeat interval، wakeOnDemand)	Acme کا اصل بجٹ values، لاگت history، activity log	Cost plus audit ہیں organizational facts

** سطر ہے وہی سطر کہ چلتا ہے کے ذریعے whole کورس.** کیا travels: recipe کے لیے کیسے ورکر behaves. کیا stays: organization's relationship کو کہ recipe: envelope یہ was granted، بجٹ یہ was allocated، issues یہ اصل میں handled، منظوریاں board اصل میں granted، لاگتیں کمپنی اصل میں incurred. recipe ہے universal. relationship ہے local.

جب Beta imports Acme کا کمپنی template، یہاں کا کیا Beta has کو کریں afresh، even though agent definition ہے identical:

1. Decide whether کو extend Beta کا کمپنی envelope. If contract_interpret ہے نہیں پہلے ہی میں Beta کا envelope، Beta کا board لازمی consciously decide کو extend envelope (per تصور 8). Acme کا envelope-extension rationale کرتا ہے نہیں transfer; Beta has کو لکھیں اس کا اپنا.
2. چلائیں eval pack کے خلاف Beta کا ڈیٹا. reference issues میں imported eval pack ہیں generic ("interpret حصہ 7.3"). Beta چاہیے شامل کریں 2 یا 3 Beta-specific eval issues (typical contract سوالات Beta اصل میں receives) پہلے approving. Acme کا pass پر original eval doesn't mean وہی ورکر گا pass کے خلاف Beta کا edge cases.
3. سیٹ Beta کا بجٹ. Acme کا $800 per month بجٹ reflected Acme کا volume; Beta has کو forecast اس کا اپنا. imported بجٹ estimate basis (160 issues پر $3 average on ایک Paperclip-native local adapter; CMA would شامل کریں session-hour fees on top) ہے ایک useful آغاز template، مگر Beta کا اصل volume ہے کیا calibrates cap.
4. Surface ماخذ-issue history بطور imported، نہیں Beta کا اپنا. جب Beta کا board reads proposal، linked issues چاہیے be Beta کا gap-detection cluster، نہیں Acme کا PAP-128. If Beta ہے hiring یہ role because Acme had یہ، کہ کا ایک fine rationale کو include، مگر یہ چاہیے be Beta کا rationale مبنی on Beta کا volume، نہیں ایک copy-paste کا Acme کا.

یہ ہے ایک feature، نہیں ایک limitation. thesis ہے explicit: میں ایک AI-native کمپنی، authority ہے per-company، بجٹ ہے per-company، audit ہے per-company. ایک ورکر hired میں ایک کمپنی نہیں کر سکتا serve دwasرا کیونکہ service-to-a-company ہے کیا hiring means. ایک agent کہ "serves multiple کمپنیاں" ہے نہیں ایک hire; یہ کا بہت سے hires، ایک per کمپنی، ہر کے ساتھ اس کا اپنا envelope، ledger، اور جوابدہی. portability we get ہے agent-definition portability ( recipe)، نہیں ورکر portability ( role).

** marketplace سوال، اور کیوں Course Seven doesn't try کو settle یہ.** Paperclip's Clipmart (coming soon، per README) gestures پر ایک labor market کے لیے AI agent definitions: ایک marketplace کہاں کمپنی templates اور agent configurations سکتا ہے be browsed، downloaded، اور imported. If marketplaces emerge، قدر گا accrue کو whoever curates good recipes: well-written نظام پرامپٹس، well-ڈیزائن کیا گیا eval packs، well-thought-through اختیار envelopes. relationships درمیان کمپنیاں اور ورکرز گا نہیں be marketplace آرٹفیکٹس; they گا remain per-company جانچ کا ریکارڈs، بطور they چاہیے. ایک AI-native economy ہے ایک کہاں recipes ہیں traded freely اور relationships ہیں held privately. Course Seven doesn't try کو جواب marketplace سوال، مگر ڈھانچے سے متعلق foundation یہ lays (portability پر definition layer، جوابدہی پر relationship layer) ہے کیا بناتا ہے سوال well-formed. ایک marketplace کہ tried کو trade Workers (کے ساتھ ان کا envelopes اور ledgers اور منظوری histories intact) would be trying کو trade something ڈھانچہ deliberately بناتا ہے non-tradable. ایک marketplace کہ trades definitions respects seam.

کیا Course Seven کرتا ہے establish ہے ڈھانچے سے متعلق جواب: portability operates پر definition layer، نہیں ورکر layer. کہ distinction matters کیونکہ یہ tells آپ کیا can be shared (recipes، تشخیص rubrics، نظام پرامپٹس، environment configs، skill فائلیں) اور کیا cannot (envelopes، budgets، جانچ کا ریکارڈs، ماخذ-issue history، منظوری threads). پہلا list ہے recipe آپ wrote. second list ہے story آپ کا کمپنی has lived. دونوں ہیں valuable; صرف ایک ہے portable.

Try with AI

میں آپ کا AI کوڈنگ assistant، paste:

"I چاہتے ہیں کو export قانونی specialist ورکر سے my Paperclip کمپنی اس لیے ایک partner کمپنی سکتا ہے import definition. Walk me کے ذریعے، field کے ذریعے field، کیا export چاہیے contain اور کیا چاہیے be scrubbed. ورکر was hired ہو سکتا ہے 12 کے ساتھ یہ properties: name='قانونی Reviewer'، role='عمومی'، adapter='claude_local' (Paperclip-native; spawns claude CLI headless on ہر heartbeat استعمال کرتے ہوئے ایک instructions فائل partner would ضرورت کو receive separately)، صلاحیتیں='Reviews customer contract اصطلاحات...'، envelope including contract_interpret=allow کون سا extended our کمپنی envelope، بجٹ $800 per month، eval pack کے ساتھ 12 issues کہ all passed، 6 months کا لاگت_events records، 23 ماخذ-issue لنکس سے original hire کا gap-detection cluster، 1 retirement record سے Aug 28 اور 1 resume record سے Oct 25. کے لیے ہر property، label یہ EXPORT (travels کو partner) یا SCRUB (stays کے ساتھ us). Justify ہر labeling."

کیا آپ're سیکھنا: portability ہے concrete، نہیں abstract. Going field کے ذریعے field کے ذریعے ایک specific ورکر forces recipe-vs-relationship distinction کو land on حقیقی ڈیٹا. justifications گا reveal کہاں seam genuinely چلتا ہے میں آپ کا ڈیپلائمنٹ، اور کہاں آپ رکھتے ہیں judgment calls (e.g.، eval-pack چلائیں scores: کریں they travel بطور reputation، یا stay بطور per-company audit? دونوں جوابات ہیں defensible; choice tells آپ something کے بارے میں کیسے much آپ trust partner).

Bottom سطر: "instructions کے لیے تعمیر ایک ورکر" سکتا ہے travel درمیان کمپنیاں: کیا یہ کا named، کیا یہ knows کیسے کو کریں، کیسے کو test کہ یہ کام کرتا ہے. اصل history کا ایک ورکر پر ایک specific کمپنی نہیں کر سکتا travel: کیا اجازتیں یہ was دیا گیا، کیسے much یہ لاگت، کون سا problems یہ اصل میں solved، who approved یہ. ایک future marketplace سکتا ہے sell instructions; یہ سکتا ہے't sell hires. سطر درمیان portable اور non-portable ہے سطر درمیان "کیا آپ کا AI assistant could لکھیں کے لیے any کمپنی" اور "کیا آپ کا specific کمپنی has lived کے ذریعے."

تصور 14: کیوں talent ledger matters: institutional memory across personnel تبدیلی

تصور 12 introduced talent ledger بطور ایک queryable record کا افرادی قوت's growth. تصور 14 closes loop on کیا بناتا ہے کہ ledger useful بڑے پیمانے پر. Three properties worth naming:

Property 1: یہ کا append-only. Activity log rows ہیں never updated یا deleted. ایک hire کہ gets rejected ہے recorded بطور اس کا اپنا row (Paperclip's approval.rejected)، نہیں deleted. ایک envelope extension کہ gets rolled back ہے recorded بطور ایک row followed کے ذریعے دwasرا ( curriculum کا envelope_extension پھر envelope_narrowed)، نہیں بطور original row being modified. ** ledger ہے ایک permanent history**، queryable پر any point میں وقت. "دکھائیں me کیا افرادی قوت looked like on July 12، 2026" ہے ایک SQL query، نہیں ایک archaeology پروجیکٹ.

Property 2: یہ کا cross-correlated. ہر row carries identifiers کے لیے کمپنی، agent، issue، actor، اور منظوری کہاں applicable. ایک single hire event میں ledger سکتا ہے be traced backward (کون سا gap-detection records triggered یہ?) اور forward (کون سا issues did یہ ورکر handle? کون سا envelope-extensions were granted کو سپورٹ یہ? جب was یہ retired?). correlation IDs ہیں کیا بنائیں multi-hop queries تیز.

Property 3: یہ کا حقیقت کا مستند ماخذ کے لیے institutional memory. جب human board turns پر (ایک نیا board member joins، یا کمپنی ہے acquired) talent ledger ہے how نیا humans سیکھیں کیا افرادی قوت has done. بغیر یہ، ہر transition ہے ایک re-discovery: who hired یہ ورکر? کیوں? کیا کا rationale کے لیے یہ ورکر کا envelope? کے ساتھ یہ، ہر transition ہے ایک query: ledger جوابات سوال میں seconds.

یہ ہے زیادہ تر consequential property management plane فراہم کرتا ہے. میں ایک traditional کمپنی، institutional memory lives میں humans' heads، اور ہے lost جب humans leave. میں ایک AI-native کمپنی، institutional memory lives میں activity log، اور ہے preserved کے ذریعے ہر transition. Course Six بنایا گیا activity log queryable. Course Seven extends یہ کو cover افرادی قوت's مکمل lifecycle. result: ایک AI-native کمپنی ہے more legible کو اس کا humans than ایک traditional کمپنی، نہیں کم.

PRIMM: Predict

Suppose آپ کا کمپنی ہے acquired اور acquiring board wants کو understand افرادی قوت. کون سا کا following queries جوابات سوال "کیا hires چاہیے we رکھیں، اور کیا hires چاہیے we retire?" زیادہ تر directly?

(ایک) SELECT * FROM agents WHERE status = 'idle' ORDER BY hire_date; (b) SELECT agent_id, role, AVG(cost_usd) as monthly_cost, COUNT(issue_id) as issues_handled FROM cost_events JOIN issues ... GROUP BY agent_id ORDER BY issues_handled / monthly_cost DESC; (c) SELECT agent_id, role, MIN(created_at) as hired, MAX(created_at) as last_action, COUNT(*) as activity_count FROM activity_log GROUP BY agent_id; (d) All three together.

Confidence 1 کو 5. پھر justify.

جواب: (d)، اور order matters. (c) دیتا ہے آپ lifecycle picture (who کا been کے گرد، who کا recently active). (b) دیتا ہے آپ لاگت-per-قدر picture (ہے یہ ورکر worth کیا یہ لاگتیں?). (ایک) دیتا ہے آپ سادہ roster. ایک نیا board would شروع کریں کے ساتھ (c) کو understand what exists، چلائیں (b) کو understand what ہر ایک ہے worth، اور استعمال کریں (ایک) صرف بطور ایک navigation index. talent ledger isn't ایک query; یہ کا ایک family کا queries، اور جواب کو "کیا چاہیے we رکھیں?" emerges سے running several together. یہ ہے کیوں تصور 14 emphasizes ledger بطور correlated: any single query ہے incomplete; قدر ہے میں joining across queries.

Bottom سطر: ہر action افرادی قوت لیتا ہے gets لکھا گیا کو ایک log کہ nobody سکتا ہے edit یا delete. ہر row میں کہ log knows کیا دwasرا rows یہ relates کو: کون سا ورکر did action، کون سا issue یہ was کے لیے، کون سا منظوری authorized یہ. جب ایک نیا human joins board، they don't پوچھیں anyone "کیا has افرادی قوت been doing?" They چلائیں ایک few queries کے خلاف log اور پڑھیں جواب میں minutes.

تصور 15: کیا کا اگلا: Invariant 2 اور Edge

Course Seven closes Invariant 6 (hiring بطور ایک callable صلاحیت). Six کا seven invariants ہیں اب taught میں depth across track. remaining ایک ہے Invariant 2: ** Edge نمائندہ.**

thesis کا Invariant 2 says: "میں ایک AI-native کمپنی، کام ضرورت ہے کو be representable پر edge: close کو کہاں یہ originates، کہاں latency اور data-residency اور proximity matter. Edge نمائندہ ہے surface area کے ذریعے کون سا management plane reaches میں specific contexts: ایک صارف کا browser، ایک developer کا terminal، ایک customer کا region." OpenClaw ہے reference implementation، طریقہ Inngest was کے لیے Invariant 7 اور Paperclip ہے کے لیے Invariants 3 اور 6.

Course Eight گا cover OpenClaw شروع سے آخر تک طریقہ Courses Five اور Six covered Inngest اور Paperclip، مگر thesis-level کام ہے finished بعد Course Seven. remaining کام ہے operational depth، نہیں ڈھانچے سے متعلق foundation.

Some سوالات Course Eight گا ضرورت کو جواب کہ Course Seven did نہیں:

• Edge vs cloud: جب کرتا ہے ایک ورکر ضرورت کو be پر edge? ایک Tier-1 سپورٹ ورکر handling US customers سے US-East doesn't ضرورت edge proximity. ایک customer-facing ورکر کہ چلتا ہے inside customer کا browser (real-time، sub-200ms response) کرتا ہے. فیصلہ معیار ہیں مختلف سے substrate selection (Course Seven تصور 6).
• Edge اختیار: کرتا ہے ایک edge ورکر رکھتے ہیں وہی envelope بطور ایک cloud ورکر? Likely نہیں. Edge ورکرز usually رکھتے ہیں tighter envelopes کیونکہ they're running closer کو potentially-hostile inputs. cascade gets ایک نیا layer.
• Edge-to-cloud ہینڈ آف: جب کرتا ہے edge ورکر escalate کو ایک cloud ورکر? وہی منظوری بنیادی اکائی چاہیے apply، مگر latency budgets ہیں مختلف. ایک 30-second منظوری round-trip ہے fine کے لیے ایک refund; یہ کا ایک UX ناکامی کے لیے ایک edge ورکر mid-conversation.

Course Eight گا تعمیر کریں Course Six customer-support افرادی قوت with ایک edge component: customer talks کو ایک OpenClaw bot میں ان کا browser; OpenClaw bot delegates contract سوالات کو قانونی specialist ( وہی ورکر hired میں Course Seven کا lab); قانونی specialist کا response flows back کے ذریعے OpenClaw کو customer. وہی افرادی قوت، three نیا ڈھانچے سے متعلق layers: edge runtime، edge-to-cloud ہینڈ آف، edge اختیار.

بعد Course Eight، all seven invariants ہیں taught. track ہے مکمل; thesis ہے operationalized.

Bottom سطر: Course Seven closes Invariant 6 (hiring بطور callable). Six کا seven invariants ہیں اب مکمل. Course Eight covers last ایک ( Edge نمائندہ via OpenClaw) اور track ہے complete.

---

کیسے کو اصل میں get اچھا پر یہ

مطالعہ Course Seven کرتا ہے نہیں بنائیں آپ اچھا پر hiring AI ورکرز. Running یہ کرتا ہے، اور path looks like یہ:

آپ شروع کریں کے ساتھ ایک hire: قانونی specialist میں حصہ 4. آپ feel friction پر ہر فیصلہ: gap-detection قاعدہ کہ fires too often (یا نہیں often enough)، proposal کہ کا missing fields board wants، eval pack whose reference جوابات don't catch boundary ورکر اصل میں violates، substrate choice کہ turns باہر کو be wrong میں week دو. ہر piece کا friction maps کو ایک کا fifteen تصورات above:

• " Manager-Agent flagged ایک gap بعد ایک email": tune تصور 2's signal thresholds; one-off cases aren't gaps.
• " board asked کے لیے بجٹ detail my proposal didn't include": enrich تصور 4's budgetEstimate field.
• " eval pack passed مگر ورکر hallucinated اختیار میں week ایک": strengthen تصور 5's boundary-respect dimension.
• " ورکر ہے on ایک managed-cloud substrate paying session-hour fees مگر صرف handles 30-second classification کام": revisit تصور 6's substrate فیصلہ; ایک Paperclip-native local adapter یا process ہے درست fit کے لیے short، سادہ کام.
• " board approved hire مگر didn't notice envelope extension": بنائیں تصور 8's novelty checks زیادہ prominent میں proposal rendering.
• " ورکر has been on-standby کے لیے 2 weeks مگر Paperclip's UI doesn't دکھائیں retirement فیصلہ rationale": revisit تصور 11's retirement flow.

تعمیر response کو ہر problem جب آپ hit یہ، نہیں پہلے. آپ کا generateHireProposal function گا شروع کریں پر کے گرد 30 lines اور grow کو کے گرد 150 پر six months; ہر نیا field earned کے ذریعے ایک specific فیصلہ board asked آپ کو بنائیں visible. آپ کا eval-pack reference rubric گا شروع کریں کے ساتھ three dimensions اور grow کو seven. آپ کا auto-منظوری policy library گا be empty کے لیے پہلا month، پھر رکھتے ہیں ایک policy، پھر five.

80/20 کا hiring proficiency isn't memorizing fifteen تصورات. یہ کا noticing کون سا ایک ایک دیا گیا problem belongs کو تیز enough کو reach کے لیے درست تصور. کہ noticing ہے skill، اور یہ صرف آتا ہے سے running loop on حقیقی کام.

** portability dividend (continued سے Course Six).** Once آپ've built کہ noticing کے لیے ایک کمپنی، یہ transfers. friction-to-تصور map above ہے identical whether آپ're hiring ایک قانونی specialist کے لیے ایک SaaS کمپنی یا ایک Burst-Capacity Tier-1 کے لیے ایک content پلیٹ فارم. فیصلے دیکھیں مختلف; shape کا فیصلے ہے وہی. چنیں ایک کمپنی کو شروع کریں، سیکھیں اس کا specific نمونے، اور moment آپ launch ایک second کمپنی (یا آپ کا پہلا کمپنی ہے acquired اور آپ onboard میں ایک نیا ایک)، آپ کا hiring instincts come کے ساتھ آپ. کمپنیاں تبدیلی. hiring loop doesn't.

شروع کریں کے ساتھ ایک role. استعمال کریں مکمل منظوری flow کے لیے ہر hire میں آپ کا پہلا month. Watch talent ledger. rest builds itself.

---

فوری reference

15 تصورات ایک سطر میں ہر

1. ایک افرادی قوت کہ نہیں کر سکتا grow itself ہے ایک fixed کمپنی. Hiring ہے callable; alternative ہے board-as-queue.
2. صلاحیت gaps fire سے three signals. Low confidence، repeated escalations، no-eligible-Worker. Two-of-three اندر 14 days ہے ایک gap.
3. Four-way fork on صلاحیت gaps. Hire (پائیدار، high-volume، narrow)، escalate (consequential یا rare)، queue (transient)، decline (off-mission).
4. ** job description ہے candidate.** پروڈکشن payload: name، role، title، icon، reportsTo، صلاحیتیں، adapterType، adapterConfig، runtimeConfig، sourceIssueId، plus بجٹ.
5. Eval pack پہلے منظوری. پر least 12 representative test issues; rubric scoring; لاگت bounded; پر least 2 باہر کا 3 on ہر dimension across 80% کا issues کو pass.
6. Substrate selection: three Paperclip-native paths اور دو HTTP-adapter alternatives. claude_local (Paperclip spawns claude CLI; worked مثال)، opencode_local (multi-provider via provider/model; worked مثال)، process (deterministic، cheapest; نہیں AI). Plus Agent SDK پر http (آپ host loop) اور CMA پر http (پائیدار cloud سیشنز، session-hour billing).
7. Hiring reuses Course Six کا منظوری gate. وہی بنیادی اکائی; richer payload (proposal، eval، envelope، بجٹ).
8. اختیار envelope inherits، narrows، اور (rarely) extends. Novel-authority hires trigger envelope-extension checks; board has کو consciously decide کو expand surface area.
9. Auto-منظوری policy کے لیے ایک defined class. Pre-approved envelope ceilings، capped concurrency/rate، audited daily، mandatory expiry، سکتا ہے never extend کمپنی envelope.
10. ** پہلا heartbeat ہے cheapest debugging window.** System-پرامپٹ issues، envelope miscalibrations، اور substrate mismatches all surface میں پہلا 24 گھنٹے.
11. Lifecycle states. Verified Paperclip states ہیں pending_approval، idle، terminated; curriculum labels "running" اور "paused" cover gaps. Rehire ہے زیادہ تیز than fresh hire; termination ہے irreversible.
12. ** talent ledger ہے queryable institutional memory.** Five مستند queries جواب roles-needed، لاگتیں-over-time، hire-duration، envelope-history، rehire-ratio.
13. Agent portability operates پر definition layer. Recipes travel; envelopes، budgets، اور ledgers کریں نہیں. "Service-to-a-company" ہے کیا hiring means.
14. ** activity log ہے append-only اور cross-correlated.** Permanent history; queryable پر any point میں وقت; حقیقت کا مستند ماخذ کے لیے institutional memory جب humans turn پر.
15. کیا کا اگلا ہے Invariant 2: Edge. OpenClaw، edge-to-cloud ہینڈ آف، edge-tighter envelopes. Course Eight completes seven-invariant arc.

API quick-ref (verified ہو سکتا ہے 2026)

چاہتے ہیں کو...	Endpoint	طریقہ
Submit ایک hire	/api/companies/{companyId}/agent-hires	POST
چیک identity/اجازتیں	/api/agents/me	GET
List adapter docs	/llms/agent-configuration.txt	GET
Get adapter-specific docs	/llms/agent-configuration/{adapter}.txt	GET
List existing agent configurations	/api/companies/{companyId}/agent-configurations	GET
List allowed icons	/llms/agent-icons.txt	GET
پڑھیں ایک منظوری	/api/approvals/{approvalId}	GET
Comment on ایک منظوری thread	/api/approvals/{approvalId}/comments	POST
لنک منظوری کو ماخذ issue	/api/issues/{issueId}/approvals	POST
List issues linked کو ایک منظوری	/api/approvals/{approvalId}/issues	GET
request revision on ایک pending منظوری	/api/approvals/{approvalId}/request-revision	POST
Resubmit ایک revised منظوری	/api/approvals/{approvalId}/resubmit	POST
Assign ایک issue کو ایک ورکر	/api/issues/{issueId} کے ساتھ { assigneeAgentId }	PATCH
Pause / resume / terminate ایک ورکر	(consult موجودہ API ref)	(varies; دیکھیں note below)

endpoints میں table above ہیں verified کے خلاف Paperclip's paperclip-create-agent skill (skills/paperclip-create-agent/SKILL.md اور اس کا api-reference.md، مستند ماخذs). Paperclip's documented operational بنیادی اکائیاں کے لیے running ورکرز ہیں Pause، Resume، Override، Reassign، Terminate; exact endpoint paths کے لیے یہ بنیادی اکائیاں ہو سکتا ہے vary کے ذریعے نسخہ، اس لیے consult GET /llms/agent-configuration.txt کے لیے موجودہ API surface میں آپ کا ڈیپلائمنٹ. کورس's فیصلہ 7 includes pause/resume کوڈ کے ساتھ وہی caveat inline. All requests carry Authorization: Bearer $PAPERCLIP_API_KEY. Mutating requests carry Content-Type: application/json.

CMA quick-ref (verified ہو سکتا ہے 2026)

چاہتے ہیں کو...	SDK call	Notes
بنائیں ایک agent	cma.beta.agents.create	Pass model (ایک bare string)، system، tools
بنائیں ایک environment	cma.beta.environments.create	Pass name اور ایک config object (type، packages، networking)
بنائیں ایک سیشن	cma.beta.sessions.create	Pass agent (نہیں agent_id) اور environment_id
Send ایک event	cma.beta.sessions.events.send	Push ایک user.message event میں سیشن
Stream results	cma.beta.sessions.events.stream	SSE stream کا سیشن کا events

CMA ہے ایک beta API اور یہ shapes shift درمیان releases; treat live docs بطور authoritative. All requests carry beta header managed-agents-2026-04-01 ( SDK sets یہ). ایک CMA سیشن ہے driven کے ذریعے events آپ send یہ، نہیں کے ذریعے ایک inbound URL: دیکھیں تصور 6's sidebar کے لیے کیا کہ means کے لیے Paperclip integration. Pricing: standard Claude API tokens plus ایک per-session-hour runtime charge کے لیے active عمل درآمد (دیکھیں Anthropic's قیمتوں کا تعین صفحہ کے لیے موجودہ rate). reference: پلیٹ فارم.claude.com/docs/managed-agents.

جب something feels wrong میں hiring

Manager-Agent proposed a hire after 2 emails, didn't wait for pattern?
    -> Concept 2's signal thresholds too sensitive. Tune the
       "at least 3 issues / at least 3 escalations / 14-day window" thresholds.

Board approved a hire but the Worker burned 3x the forecasted budget?
    -> Concept 4's budget estimate was wrong. The Worker is on the
       wrong substrate (Concept 6) or the eval pack's session-cost
       sample was unrepresentative (Concept 5).

Worker is producing wrong-tone or wrong-boundary replies in week one?
    -> System prompt is poorly scoped. Tighten the capabilities
       prose (Concept 4) and re-run a small eval pack (Concept 5).

Hire proposal kept getting REQUEST CHANGES from the board?
    -> Proposal artifact is missing context. Read Concept 7's
       rendering carefully and add the missing fields.

Two new authorities granted in one month; auditor asking why?
    -> Concept 8's envelope-extension records have rationale fields.
       Run the talent-ledger query (Concept 14, Query 4).

---

architect کا framing sentence: verbatim

کورس closes طریقہ یہ opened، کے ساتھ framing sentence:

"ایک افرادی قوت کہ نہیں کر سکتا grow itself ہے ایک fixed کمپنی; ایک افرادی قوت کہ سکتا ہے grow itself کے تحت منظوری ہے ایک AI-native کمپنی. Hiring میں ایجنٹ فیکٹری ہے نہیں ایک HR motion; یہ ہے ایک function call سے مینیجر، taking ایک job description بطور input، returning ایک ورکر بطور نتیجہ، gated کے ذریعے وہی منظوری بنیادی اکائی کہ gates ہر دwasرا consequential action."

Memorize sentence. ڈھانچہ follows.

---

Course Seven کا agentic-coding track. Six کا seven invariants ہیں اب closed: management plane (Course Six)، nervous نظام (Course Five)، ریکارڈ کا مستند نظام اور skills (Course Four)، agent loop (Course Three)، human بطور principal (Courses Five اور Six)، اور اب hiring API (Course Seven). remaining invariant، Edge نمائندہ via OpenClaw، ہے Course Eight.

---

Flashcards Study Aid