2026 میں AI پرامپٹنگ: فوری کورس

13 تصورات، حقیقی استعمال کا 80%

زیادہ تر لوگ AI کو ایک Google search کی طرح استعمال کرتے ہیں۔ وہ ایک مختصر سوال ٹائپ کرتے ہیں، جواب پر سرسری نظر ڈالتے ہیں، اور آگے بڑھ جاتے ہیں۔ یہ معلوماتِ عامہ کے لیے تو چل جاتا ہے۔ مگر ہر اس چیز کے لیے ناکام رہتا ہے جو آپ کی زندگی اور آپ کے کام میں واقعی اہمیت رکھتی ہے۔

ماہر صارفین کچھ مختلف کرتے ہیں۔ وہ AI کو اسی طرح بریف کرتے ہیں جیسے وہ ایک ذہین مگر نئے ساتھی کو کریں گے: فائلوں، سیاق، شرائط، اور ایک واضح مطالبے کے ساتھ۔ وہ ایک کے بجائے تین اختیارات کی توقع کرتے ہیں۔ وہ بحث کرتے ہیں۔ وہ بار بار دہراتے ہیں۔ وہ کام کو پرکھتے ہیں۔ ایک ناتجربہ کار پرامپٹ اور ماہر صارف کے پرامپٹ کے درمیان فرق ذہانت نہیں ہے؛ یہ چند ایسی عادتیں ہیں جو کوئی بھی ایک دوپہر میں سیکھ سکتا ہے۔

یہ صفحہ وہی دوپہر ہے۔ تیرہ تصورات، چار مختصر حصوں میں تقسیم۔ نہ کوئی کوڈ، نہ کوئی سیٹ اپ، نہ کوئی ایسی اصطلاح جس کا اندازہ آپ سیاق سے نہ لگا سکیں۔

اس صفحے سے پہلے: AI اصل میں کیا ہے پڑھیں۔ وہ کورس بتاتا ہے کہ مشین کیا ہے؛ یہ صفحہ سکھاتا ہے کہ اس سے بات کیسے کرنی ہے۔

📚 تدریسی معاون

مکمل سلائیڈ شو کھولیں

مکمل پریزنٹیشن دیکھیں ، 2026 میں AI پرامپٹنگ

---

ایک حقیقت اس صفحے کی ہر دوسری بات کی بنیاد ہے، اور آپ اسے AI اصل میں کیا ہے (Idea 2) میں دیکھ چکے ہیں: ماڈل stateless ہے، یعنی turns کے درمیان اس کی اپنی کوئی یادداشت نہیں ہوتی، اور ہر بار صرف اسی چیز سے جواب دیتا ہے جو ابھی اس کی context window میں موجود ہے۔ نیچے کی ہر بات اسی ایک حقیقت سے نکلتی ہے۔

اسی لیے ایک بصیرت نیچے کے ہر حصے میں دوڑتی ہے: اس صفحے کی تقریباً ہر "اعلیٰ تکنیک" دو میں سے ایک چال ہے، یعنی درست سیاق اندر لانا، یا غلط سیاق باہر رکھنا۔ ماڈل اس جواب کے لیے صرف وہی دیکھتا ہے جو اس کی سیاق کی کھڑکی میں ہے۔ آپ کا کام یہ کنٹرول کرنا ہے کہ اندر کیا جائے۔ ہر حصے کو اسی عینک سے پڑھیں۔

ٹولز کے بارے میں ایک نوٹ: مثالوں میں ChatGPT، Claude، اور Gemini کا حوالہ ہے کیونکہ زیادہ تر قارئین کے پاس انہی میں سے کوئی ایک ہوتا ہے۔ مہارتیں کسی بھی جدید چیٹ AI پر منتقل ہو جاتی ہیں۔ جہاں کوئی فیچر کسی ایک مصنوعے کے ساتھ خاص ہو، اسے واضح طور پر نام دیا جاتا ہے۔

اسے کیسے پڑھیں

ابھی، آگے پڑھنے سے پہلے، کسی دوسرے براؤزر ٹیب میں Claude، ChatGPT، یا Gemini میں سے کسی ایک کا مفت اکاؤنٹ کھول لیں۔ ہر ایک کا ایک مفت درجہ ہے جس میں سائن اپ کرنے میں تقریباً ایک منٹ لگتا ہے۔ آپ کو ابھی اس میں کچھ کرنے کی ضرورت نہیں؛ بس اسے کھلا رکھیں۔ پھر شکل سمجھنے کے لیے ایک بار سیدھا پڑھ لیں، اور پرامپٹس آزمانے کے لیے اختتامی حصے میں واپس آئیں۔ آزمائے بغیر پڑھنا آپ کو الفاظ دیتا ہے؛ آزمانا آپ کو مہارت دیتا ہے۔ (اختتامی مشقوں میں سے ایک آپ سے دو ٹولز کا آمنے سامنے موازنہ کرنے کو کہتی ہے، اس لیے وہاں پہنچنے تک شاید آپ ایک دوسرا مفت اکاؤنٹ بھی کھلا رکھنا چاہیں۔)

ایک مختصر نوٹ کہ آپ کے آخری بار دیکھنے کے بعد سے کیا بدلا

اگر آپ نے 2022 یا 2023 میں ChatGPT استعمال کیا اور اسے ایک ذہین کھلونا سمجھ کر چھوڑ دیا، تو جو ٹول آپ کو یاد ہے وہ وہ ٹول نہیں جو اب آپ کے پاس ہے۔ کچھ تبدیلیاں جو خاموشی سے ہوئیں:

• سیاق کی کھڑکیاں تقریباً 1000 گنا بڑھ گئیں۔ 2022 کا ماڈل چند ہزار الفاظ سنبھالتا تھا۔ 2026 کا ماڈل لاکھوں سنبھالتا ہے، کبھی کبھی دس لاکھ۔ یہ بدل دیتا ہے کہ آپ ایک پرامپٹ میں کیا ٹھونس سکتے ہیں: ایک پوری کتاب، کئی دنوں کی تقریر، معاہدوں کا ایک پورا فولڈر۔

• استدلال حقیقی بن گیا۔ "قدم بہ قدم سوچیں" کبھی ایک جادوئی جملہ ہوا کرتا تھا۔ اب ماڈلز کے پاس واضح سوچنے کے انداز ہیں جو جواب دینے سے پہلے سیکنڈوں، کبھی منٹوں تک چلتے ہیں، اور کئی طریقوں کو کھنگالتے ہیں۔ اس کا اندازہ لگانے کا ایک طریقہ: ایک سال پہلے، سب سے مشکل کام جو AI بھروسے کے ساتھ مکمل کر سکتا تھا وہ ایسا تھا جس میں کسی شخص کو چند منٹ لگتے۔ آج وہ ایسا کام ہے جس میں کسی شخص کو ایک گھنٹہ یا اس سے زیادہ لگتا۔ تصور 5 میں ماپے گئے اعداد موجود ہیں۔

• Web search ایک بلٹ اِن ٹول بن گیا۔ ماڈل خود طے کرتا ہے کہ کب کسی سوال کو تازہ معلومات کی ضرورت ہے، ایک search چلاتا ہے، چند صفحے پڑھتا ہے، اور جو ملے اسے جواب میں استعمال کرتا ہے۔ 2022 کا ماڈل صرف اسی سے جواب دے سکتا تھا جو اس نے تربیت کے وقت یاد کیا تھا؛ 2026 کا ماڈل جواب کے بیچ میں کوئی چیز جا کر دیکھ سکتا ہے۔ یہ ہر اس چیز کے لیے سب سے زیادہ معنی رکھتا ہے جو بدلتی رہتی ہے، یعنی خبریں، قیمتیں، حالیہ ضوابط، اس ہفتے کے کھیلوں کے سکور۔

• کوڈ چلانا بھی ایک بلٹ اِن ٹول بن گیا۔ ماڈل ایک چھوٹا پروگرام لکھ سکتا ہے، اسے چلا سکتا ہے، نتیجہ دیکھ سکتا ہے، اور اس نتیجے کو اپنے جواب میں استعمال کر سکتا ہے۔ یہ ہر اس چیز کے لیے سب سے زیادہ معنی رکھتا ہے جس کا یہ ورنہ ذہن میں اندازہ لگاتا، یعنی حقیقی اعداد پر حساب، کسی spreadsheet کو پڑھنا، ایک تیز simulation چلانا۔ search اور کوڈ چلانے، دونوں ٹولز زیادہ تر پوشیدہ ہوتے ہیں: زیادہ تر صارفین کو پتہ نہیں چلتا کہ کب کوئی چلتا ہے، اس لیے وہ نہیں بتا سکتے کہ جواب یادداشت سے آیا، کسی تازہ ویب صفحے سے، یا کسی حساب سے۔ ایک بار جب آپ غور کرنا شروع کریں، آپ کے پرامپٹس تیز ہو جاتے ہیں، کیونکہ آپ پوچھ سکتے ہیں "کیا تم نے واقعی اسے search کیا؟" یا ماڈل سے کہہ سکتے ہیں "اعداد کا حساب لگاؤ، اندازہ مت لگاؤ۔"

• Multimodal اب ایک ضمنی بات نہیں رہی۔ آپ ایک تصویر، ایک PDF، ایک spreadsheet، ایک voice memo، یا فائلوں کا ایک فولڈر کسی پرامپٹ میں ڈال سکتے ہیں اور ان کے بارے میں سوال پوچھ سکتے ہیں۔ ماڈل ان سب کو ایک ہی دھارے میں سنبھالتا ہے۔

• ڈیسک ٹاپ ایپس آ گئیں۔ مصنوعات کی ایک نئی قسم (Cowork، OpenWork) آپ کی فائلیں ڈھونڈ سکتی ہے، ای میلز کا مسودہ بنا سکتی ہے، اور اجازت کے ساتھ spreadsheets اپ ڈیٹ کر سکتی ہے۔ یہ اب چیٹ نہیں رہی؛ یہ کسی ساتھی کو ایک چھوٹا کام سونپنے کے زیادہ قریب ہے۔

• ڈویلپرز کے لیے کمانڈ لائن ایجنٹس آ گئے۔ Claude Code اور OpenCode جیسے ٹولز ٹرمینل میں رہتے ہیں، ایک پورے کوڈ بیس میں پڑھتے ہیں، ایک ساتھ کئی فائلیں ایڈٹ کرتے ہیں، ٹیسٹ چلاتے ہیں، اور واپس رپورٹ کرتے ہیں۔ وہی تبدیلی جو ڈیسک ٹاپ ایپس میں ہے، یعنی AI کا حقیقی چیزوں پر عمل کرنا بجائے ان کو بیان کرنے کے، مگر ان لوگوں کے لیے جو کوڈ لکھتے ہیں۔

اگر ان ٹولز کا آپ کا ذہنی نقشہ اٹھارہ مہینے بھی پرانا ہے، تو آپ انہیں آج جو وہ کر سکتے ہیں اس کا شاید 20% پر استعمال کر رہے ہیں۔ یہ صفحہ وہ فاصلہ پاٹتا ہے۔

---

حصہ 1: AI چیزوں کو کیسے جانتا ہے

ایک بار جب آپ سمجھ لیں کہ جب آپ AI سے کوئی سوال پوچھتے ہیں تو دراصل کیا ہو رہا ہے، تو آپ ناکامیوں پر حیران ہونا چھوڑ دیتے ہیں۔

1. ناتجربہ کار بمقابلہ ماہر صارف

اسکول کے طلبہ کے لیے: ناتجربہ کار بمقابلہ ماہر صارف کی سلائیڈز

یہ سلائیڈز خاص طور پر اسکول کے ان طلبہ کے لیے بنائی گئی ہیں جو پہلی بار AI پرامپٹنگ سیکھ رہے ہیں۔ اساتذہ انہیں کلاس روم میں تصور 1 متعارف کرانے کے لیے عمر کے مطابق مثالوں (اسکول کے دورے، ہوم ورک میں مدد، سالگرہ کی تقریبات) اور باہمی مشقوں کے ذریعے استعمال کر سکتے ہیں۔ PPTX ڈاؤن لوڈ کریں آف لائن کلاس روم استعمال کے لیے۔

دیکھیں کہ دونوں پرامپٹس کے درمیان کیا بدلتا ہے۔ سوال وہی ہے؛ بریفنگ نہیں۔

عملی میدان سے چند اور حقیقی تضادات:

• کار خریدنا۔ ناتجربہ کار: "کون سی کار سب سے بہتر ہے؟" ماہر صارف: spec sheets، ڈیلر کے quotes، اور انشورنس پلان اپ لوڈ کرتا ہے، پھر پوچھتا ہے "trade-offs کیا ہیں؟ سب کچھ پڑھو اور خوب سوچو۔"
• کام پر اپنا جائزہ۔ ناتجربہ کار: "میرے باس کے لیے میرا اپنا جائزہ لکھ دو۔" ماہر صارف: اپنے project tracker کا ایک سکرین شاٹ، حالیہ پروجیکٹ دستاویزات، اور نوٹوں کا ایک voice memo اپ لوڈ کرتا ہے، پھر مسودے کا کہتا ہے۔
• ایک کاروباری خیال کی تنقید۔ ناتجربہ کار: "میرے پاس ایک زبردست کاروباری خیال ہے، چلتا پھرتا tie-dyeing، اس کی تنقید کرو۔" یہ خوشامد کا چارہ ہے، AI زیادہ تر تعریف ہی کرے گا۔ ماہر صارف: "معروضی تجزیہ کرو۔ یہ معیار استعمال کرو: کیا حل کرنے کے قابل کوئی مسئلہ ہے، کیا کوئی بازار ہے، کیا کوئی مسابقتی برتری ہے؟" AI نے اس خیال کو 100 میں سے 8 نمبر دیے اور وجہ بتائی۔
• ایک بلاگ پوسٹ لکھنا۔ ناتجربہ کار: "BlackBerry کے بارے میں ایک بلاگ پوسٹ لکھو۔" نتیجہ: AI کا بے معنی مواد۔ Slop اس AI پیداوار کی اصطلاح ہے جو سطح پر رواں اور اندر سے خالی ہو، یعنی گرامر کے لحاظ سے صاف، ہلکی سی Wikipedia جیسی، "آج کے تیز رفتار دور میں" جیسے فقروں سے بھری، اور ایسا کچھ نہ کہتی جو کوئی قاری ایک گھنٹے بعد یاد رکھے۔ یہ وہی ہے جو AI طے شدہ طور پر تب پیدا کرتا ہے جب آپ اسے کوئی سیاق اور کوئی شرائط نہ دیں۔ ماہر صارف: پہلے خاکہ، خاکے پر تنقید، ہر عنوان کو نکات میں پھیلانا، نکات پر تنقید، اور تب جا کر نثر کا کہنا۔

وہ ذہنی نقشہ جو ان سب کو جوڑتا ہے: AI ایک بہت ذہین تازہ کالج گریجویٹ کی طرح ہے۔ بہت پُرعزم۔ ابھی آپ کے بارے میں زیادہ نہیں جانتا۔ اسے ایسے ہی بریف کریں۔ کیا ایک نئے ساتھی کے پاس یہ کام اچھی طرح کرنے کے لیے کافی معلومات ہوتیں؟ اگر نہیں، تو اسے اور دیں۔

2. پہلے سے تربیت یافتہ علم

اسکول کے طلبہ کے لیے: AI نے سب کچھ کیسے سیکھا؟

یہ سلائیڈز خاص طور پر اسکول کے طلبہ کے لیے بنائی گئی ہیں۔ یہ پہلے سے تربیت یافتہ علم کو بچوں کے لیے دوستانہ زاویے سے سمجھاتی ہیں: AI نے پڑھ کر سیکھا، جی کر نہیں۔ یہ "اونچا، دھیما، خفیہ" کے فریم ورک (وہ موضوعات جن پر بہت زیادہ، تھوڑی، یا بالکل بات نہیں ہوتی)، کلاس روم کے باہمی کھیل (Trust-o-Meter، Stump the Robot، Be a Fact-Checker)، اور کلیدی سبق کا احاطہ کرتی ہیں: "یقین سے بولنا درست ہونے کے برابر نہیں۔" PPTX ڈاؤن لوڈ کریں آف لائن کلاس روم استعمال کے لیے۔

اے آئی نے دنیا کا تجربہ کر کے نہیں سیکھا۔ اس کا کوئی جسم نہیں، کوئی حواس نہیں، اس میں گھومنے پھرنے کا کوئی وقت نہیں گزرا۔ اس نے دنیا کے بارے میں متن پڑھ کر سیکھا، یعنی انٹرنیٹ کے بے پناہ متن سے۔ Reddit اور Quora کے دھاگے، Wikipedia، کتابیں، خبریں، تحقیقی مقالے، بلاگز، فورمز۔

تربیتی ڈیٹا میں تعدد تقریباً جواب کی قابلِ اعتماد ہونے کے برابر ہے۔ تو:

• مضبوط: کھانا پکانا، مشہور شخصیات کی گپ شپ، عام طبی مشورہ، سرفہرست 1000 فلمیں، مقبول پروگرامنگ زبانیں، Voyager 1 ریکارڈ پر کیا ہے (1970 کی دہائی میں چھوڑا گیا NASA کا خلائی جہاز، زمین سے تقریباً 25 ارب میل دور، 55 زبانوں میں سلام لیے ہوئے)، بلیاں دیواروں کو کیوں گھورتی ہیں (وہ باریک آوازیں اور حرکتیں محسوس کرتی ہیں جو انسان نہیں کر پاتے)۔
• کم: quasars (آسمان میں انتہائی روشن اجسام جو بلیک ہولز سے توانائی پاتے ہیں)، کینٹونی زبان (انٹرنیٹ متن کا 0.1% سے بھی کم)، علاقائی تاریخ، خاص پیشہ ورانہ علم۔
• غائب: آپ کی کمپنی کا خفیہ ڈیٹا، آپ کا نجی کیلنڈر، کوئی بھی چیز جو ماڈل کی علم کی کٹ آف تاریخ کے بعد شائع ہوئی، کوئی بھی چیز جو کسی نے کبھی عوامی انٹرنیٹ پر نہ ڈالی۔

دو عملی نتائج:

ٹائپو ٹھیک کرنے میں وقت ضائع نہ کریں۔ AI کو انٹرنیٹ متن پر تربیت دی گئی، جو ٹائپو سے بھرا ہوا ہے۔ یہ غلط ہجے والے پرامپٹس کو آسانی سے سنبھال لیتا ہے۔ "definately" کی غلط ہجے جواب نہیں بدلے گی۔

جذب کی گئی غلطیوں سے ہوشیار رہیں۔ AI نے انہی ذرائع سے غلط فہمیاں اور پرانی معلومات بھی جذب کر لیں۔ ایک پُراعتماد غلط فورم پوسٹ ماڈل میں پُراعتماد غلط بن جاتی ہے۔ ہر اہم چیز کو کسی بنیادی ماخذ سے پرکھیں۔

یہ سوچنے کے لیے کیوں اہم ہے

ٹوٹے ہوئے استدلال کو پہچاننا اپنی ایک discipline ہے، اور AI کے دور میں سوچنا Crash Course اسے براہ راست سکھاتا ہے۔ اسے ڈھونڈنے کی پہلی جگہ ان پُراعتماد لگتے pretrained answers میں ہے جہاں topic کا training data کم یا متنازعہ تھا۔ اعتماد درستی کا اشارہ نہیں ہے۔

پہلے سے تربیت یافتہ جواب پر بھروسہ کرنے سے پہلے ایک تیز ذہنی جانچ:

سوال کی قسم	تربیتی ڈیٹا میں کتنی اچھی نمائندگی؟	اعتماد کی سطح
"میں roux کیسے بناؤں؟"	کھانا پکانا انٹرنیٹ پر سب سے زیادہ زیرِ بحث موضوعات میں سے ایک ہے۔	اونچی۔
"ایک سرفہرست 1000 فلم کا پلاٹ۔"	ہزاروں بار جائزہ اور دوبارہ جائزہ لیا گیا۔	اونچی۔
"ایک گمنام گاؤں کی تاریخ۔"	شاید صرف ایک Wikipedia پیراگراف، یا کوئی بھی نہیں۔	کم؛ کسی بنیادی ماخذ سے تصدیق کریں۔
"میری صنعت میں حالیہ ضابطہ جاتی تبدیلی۔"	تقریباً یقینی طور پر علم کی کٹ آف کے بعد۔	web search کے بغیر کسی چیز پر بھروسہ نہ کریں۔
"ہماری کمپنی نے پچھلی سہ ماہی میں کیا طے کیا؟"	تربیتی ڈیٹا میں سرے سے ہی نہیں۔	کسی پر بھروسہ نہ کریں؛ ماڈل اندازہ لگا رہا ہے۔

یہ کوئی ایسا اصول نہیں جو آپ کو رٹنا ہو۔ یہ وہی جبلت ہے جو آپ کسی اور ماخذ پر لگاتے: "یہ شخص یہ کیسے جانے گا؟" اسے AI پر بھی لگائیں۔

ایک غیر سافٹ ویئر مثال۔ ایک قاری نے ایک بار AI سے اپنی دادی کے گاؤں میں کھیلے جانے والے ایک علاقائی لوک کھیل کے قواعد کا خلاصہ مانگا۔ AI نے پُراعتماد طریقے سے قواعد کے تین پیراگراف پیش کیے۔ دادی سے پوچھا گیا تو انہوں نے کہا کہ قواعد تقریباً پورے کے پورے غلط تھے: AI نے دوسرے علاقوں کے ملتے جلتے کھیلوں کی تفصیلات گڈمڈ کر دی تھیں کیونکہ وہ مخصوص کھیل انٹرنیٹ پر بمشکل موجود تھا۔ AI نے جھوٹ نہیں بولا؛ اس نے کم ڈیٹا سے عمومی نتیجہ نکالا۔ قاری کی غلطی پوچھنا نہ تھی، بلکہ یہ فرض کر لینا تھا کہ اعتماد درستی کے برابر ہے۔

یہ جاننے کے متجسس ہیں کہ AI پوری طرح پُراعتماد کیسے لگ سکتا ہے اور پھر بھی غلط ہو سکتا ہے؟ اس کے پیچھے ایک گہری وجہ ہے۔ Elan Barenholtz کا مضمون "LLMs show language does not describe reality" (IAI، 2026) سادہ انگریزی میں بتاتا ہے کہ یہ ماڈلز دراصل کیسے کام کرتے ہیں۔ مضمون انسانی زبان کے بارے میں کچھ بڑے فلسفیانہ دعوے بھی کرتا ہے؛ آپ جو حصہ مفید لگے لے لیں اور باقی نظر انداز کر دیں۔

اسکول کے طلبہ کے لیے: "اونچا، دھیما، یا خفیہ؟" باہمی مشق

خاص طور پر اسکول کے طلبہ کے لیے بنائی گئی ایک دلچسپ باہمی مشق۔ طلبہ موضوعات (پیزا، کتے، گہرے سمندر کی ایک نایاب مچھلی، آپ کا WiFi پاس ورڈ، آج آپ نے کیا کھایا، آپ کے خاندان کے لڈو کے خاص قواعد) کو تین حلقوں میں تقسیم کرتے ہیں: اونچا (ہر کوئی اس پر بات کرتا ہے، AI اسے اچھی طرح جانتا ہے)، دھیما (صرف چند لوگ کرتے ہیں، AI شاید غلط کر دے)، یا خفیہ (کسی نے اسے لکھا ہی نہیں، AI اسے جان نہیں سکتا)۔ مشق آن لائن کھیلیں | PPTX ڈاؤن لوڈ کریں آف لائن کلاس روم استعمال کے لیے۔

3. تین بازیافت کے انداز: پہلے سے تربیت یافتہ، web search، deep research

جب آپ کوئی سوال پوچھتے ہیں، جدید AI ٹولز خاموشی سے یہ چنتے ہیں کہ جواب کیسے دینا ہے۔ یا تو وہ صرف پہلے سے تربیت یافتہ علم سے جواب دیتے ہیں، یا ایک web search چلا کر چند صفحے پڑھتے ہیں، یا deep research چلاتے ہیں، جہاں وہ کئی منٹ درجنوں ذرائع کھنگالنے اور ایک ساختہ رپورٹ لکھنے میں صرف کرتے ہیں۔

آپ کو معلوم ہونا چاہیے کہ کون سا انداز چل رہا ہے، کیونکہ ہر ایک کی الگ خوبیاں اور الگ ناکامیاں ہیں۔

اسے ٹھوس بنانے کے لیے چند مثالیں:

• پہلے سے تربیت یافتہ ٹھیک جواب دیتا ہے: "بلیاں دیواریں کیوں گھورتی ہیں،" "Voyager 1 ریکارڈ پر کیا ہے،" "Hamlet کے پلاٹ کا خلاصہ کرو۔" یہ ہفتے بہ ہفتے نہیں بدلتے۔
• Web search ایک باسی ماڈل کو بچا لیتا ہے: ہر ماڈل کی ایک علم کی کٹ آف تاریخ ہے، اور جو کچھ اس تاریخ کے بعد وائرل ہوا وہ اس کے لیے غیر مرئی ہے۔ ایک meme، ایک ضابطہ، ایک مصنوعے کی پیشکش: web search کے بغیر، AI کو پتہ ہی نہیں کہ آپ کس کی بات کر رہے ہیں۔ web search کے ساتھ، یہ ایک حالیہ مضمون کھینچتا ہے اور درست جواب دیتا ہے۔
• Web search کا غلط ہونا: ایک دوست نے پوچھا "Henderson، Nevada میں کہاں دوڑیں۔" AI نے ایک 20 سال پرانے ویب صفحے کا حوالہ دیا اور ایک ایسے اسکول کی سفارش کی جو اب عوام کے لیے کھلا نہیں۔ Web search یہ نہیں جانچتا کہ ذرائع تازہ ہیں یا نہیں۔
• Deep research انتظار کے قابل: "ہمارے محلے میں ایک Halloween haunted house کا منصوبہ بناؤ، بشمول اجازت نامے، آگ سے حفاظت، اور شور کے ضوابط۔" AI ایک تحقیقی منصوبہ تجویز کرتا ہے، کئی متوازی searches چلاتا ہے، خلاصہ کرتا ہے، طے کرتا ہے کہ آگے کس میں گہرائی میں جانا ہے، اور چیک لسٹوں کے ساتھ ایک کئی حصوں والی رپورٹ پیش کرتا ہے۔ یہ کوئی چیٹ بوٹ کا جواب نہیں؛ یہ کام کو ایک گھنٹے کے لیے ایک جونیئر محقق کے حوالے کرنے کے زیادہ قریب ہے۔

ویب سرچ دراصل کیسے کام کرتا ہے (اور یہ کبھی کبھی صفحات کو غلط کیوں پڑھ لیتا ہے)

پردے کے پیچھے، عین میکانیات ہر ٹول میں مختلف ہوتے ہیں، مگر شکل ایک سی ہے۔ ایک search اور بازیافت کی تہہ searches جاری کرتی ہے، نتائج کی فہرست کھنگالتی ہے، سب سے متعلقہ صفحے کھینچتی ہے، اور ہر ایک کو ایک مختصر اقتباس یا خلاصے تک گھٹا دیتی ہے۔ اکثر وہ تہہ ایک الگ، چھوٹا ماڈل ہوتی ہے۔ صرف گھٹائی گئی شکل اُس صارف کو نظر آنے والے ماڈل تک پہنچتی ہے جو آپ سے بات کرتا ہے۔

آپ سے بات کرنے والا ماڈل اکثر اصل صفحہ براہِ راست نہیں پڑھتا۔ یہ اس کی ایک گاڑھی شکل پڑھتا ہے۔ اسی لیے یہ کبھی کبھی غلط بیان کرتا ہے کہ کسی صفحے نے دراصل کیا کہا: معلومات ماڈل تک پہنچنے سے پہلے ایک ترجمے کی تہہ سے گزری، اور ترجمے کی تہیں باریکی کھو دیتی ہیں۔

عملی حل: AI کو بتائیں کہ کس قسم کے ذرائع استعمال کرنے ہیں۔ "کیا ویکسین محفوظ ہیں" کے بجائے، آزمائیں "عالمی ادارہ صحت، FDA، یورپی میڈیسن ایجنسی، اور peer-reviewed مطالعے استعمال کرو۔ فورمز یا ذاتی بلاگز استعمال مت کرو۔" ماخذ کا معیار ایک ایسا گھنڈی ہے جسے آپ گھما سکتے ہیں۔ طے شدہ سیٹنگز پہلے مقبول ذرائع کا حوالہ دیتی ہیں (Reddit، Wikipedia، YouTube، خود Google، Yelp)، جو اکثر قابلِ اعتماد ہوتے ہیں مگر اہم سوالوں کے لیے ہمیشہ بھروسے کے قابل نہیں۔

ایک دوسرا حل: AI سے ماخذ کا اقتباس مانگیں۔ "ہر دعوے کے لیے، اس کی تائید کرنے والا عین جملہ ماخذ صفحے سے نقل کرو۔" یہ بازیافت کی تہہ کو اصل الفاظ سامنے لانے پر مجبور کرتا ہے، جو خلاصے کی تہہ کا بہت سا انحراف پکڑ لیتا ہے۔

ایک غیر سافٹ ویئر مثال۔ محلے کی انجمن کی ایک رضاکار نے مقامی پانی کے معیار پر ایک قصبے کی میٹنگ کی تیاری کے لیے deep research استعمال کی۔ اس کا پرامپٹ: "پچھلے 24 مہینوں میں [اس کے شہر] میں پانی کے موجودہ معیار کے مسائل پر تحقیق کرو۔ EPA، شہر کی عوامی یوٹیلیٹی رپورٹیں، اور peer-reviewed مطالعے استعمال کرو۔ خبروں کے اداریوں اور فورمز سے گریز کرو۔ ایک ساختہ رپورٹ پیش کرو جس میں ہو: (1) تین سب سے زیادہ حوالہ شدہ مسائل، (2) رجحانات دکھاتی ڈیٹا کی میزیں، (3) تین ٹھوس سوالات جو رہائشیوں کو یوٹیلیٹی سے پوچھنے چاہئیں۔" آٹھ منٹ بعد اس کے پاس موجودہ مقامی ڈیٹا پر مبنی ایک بریفنگ تھی۔ پہلے سے تربیت یافتہ انداز یہ نہیں کر سکتا تھا؛ صرف web search ایک سطحی جواب دیتا؛ deep research درست ٹول تھا کیونکہ سوال کئی پہلوؤں والا اور موجودہ تھا۔

ذہن میں ایک انداز چننا۔ آپ عموماً کوئی بٹن دبا کر انداز نہیں چنتے؛ AI آپ کے پرامپٹ کی بنیاد پر چنتا ہے۔ مگر آپ اسے اسٹیئر کر سکتے ہیں:

الفاظ کا نمونہ	یہ عموماً کیا چلاتا ہے
"X کیا ہے" / "Y کا خلاصہ کرو"	صرف پہلے سے تربیت یافتہ۔
"X پر تازہ ترین کیا ہے" / "آج" / "اس ہفتے" / کوئی مخصوص شہر	Web search۔
"X پر اچھی طرح تحقیق کرو،" "حوالوں کے ساتھ ایک رپورٹ پیش کرو،" "یہ ماخذ کی اقسام استعمال کرو"	Deep research (ان ٹولز میں جن کے پاس یہ ہو؛ ورنہ توسیعی web search)۔
فائلیں منسلک کرنا	فائلوں کے لیے پہلے سے تربیت یافتہ ہی رہتا ہے؛ اگر پرامپٹ موجودہ معلومات مانگے تو سیاق کے لیے ویب search کر سکتا ہے۔

AI بمقابلہ Google۔ یہ ایک جیسے ٹول نہیں ہیں۔ Google تیز جائزوں، کسی مخصوص معلوم سائٹ تک جانے، یا کوئی چیز خریدنے کے لیے استعمال کریں (2013 Honda Civic کا ایئر فلٹر)۔ AI تب استعمال کریں جب آپ کو ترکیب چاہیے: فوائد اور نقصانات، کئی ماخذ کا موازنہ، ایک لکھا ہوا تجزیہ۔ انتخاب اس پر منحصر ہے کہ آپ کو ایک لنک چاہیے یا ایک جواب۔

ایک آمنے سامنے کا اصول:

کام	Google کے ساتھ بہتر	AI کے ساتھ بہتر
"فارم 1040 کے لیے سرکاری IRS صفحہ ڈھونڈو۔"	ہاں۔ آپ کسی مخصوص معلوم سائٹ پر اترنا چاہتے ہیں۔	نہیں۔
"ذیابیطس کی تین ادویات اور حالیہ شواہد کیا کہتے ہیں اس کا موازنہ کرو۔"	سست۔ آپ 8 ٹیب پڑھیں گے۔	تیز۔ AI شواہد کو ایک جگہ ترکیب دیتا ہے۔
"2018 ThinkPad کے لیے ایک متبادل چارجر خریدو۔"	ہاں۔ آپ کو ایک مصنوعے کا لنک چاہیے۔	نہیں۔
"6 سالہ بچے کے ساتھ Lisbon کا 4 دن کا سفر بناؤ، کوئی عجائب گھر نہیں۔"	سست۔ آپ بلاگز اور جائزوں میں الجھیں گے۔	تیز۔ AI شرائط کو یکجا کرتا ہے۔
"کل موسم کیسا ہوگا؟"	کوئی بھی۔	کوئی بھی۔
"میرے ٹماٹر کے پودے کے پتے کیوں پیلے ہو رہے ہیں؟"	ٹھیک۔ کئی باغبانی سائٹس۔	ایک تصویر منسلک کرنے سے بہتر۔

اگر آپ کا سوال "X کہاں ہے" ہے، تو Google کی طرف بڑھیں۔ اگر آپ کا سوال "یہ سب دیکھتے ہوئے، مجھے کیا سوچنا چاہیے" ہے، تو AI کی طرف بڑھیں۔

AI کے ساتھ زیادہ قابلِ اعتماد web-search نتائج کیسے حاصل کریں

جب آپ واقعی web search چاہیں، تو تین چھوٹی عادتیں معیار بڑھاتی ہیں:

1. جن ذرائع پر آپ کو بھروسہ ہے ان کا نام لیں۔ "WHO، FDA، اور peer-reviewed مطالعے استعمال کرو، فورمز نہیں۔"
2. ساتھ ساتھ حوالے مانگیں۔ "ہر دعوے کے بعد ماخذ کا حوالہ دو۔"
3. AI سے کہیں کہ جس کی تصدیق نہ کر سکے اسے نشان زد کرے۔ "اگر کسی دعوے کی تائید حوالہ شدہ ذرائع سے نہ ہو سکے، تو اسے 'غیر تصدیق شدہ' نشان زد کرو۔"

یہ تین سطریں، کسی بھی web-search پرامپٹ میں چسپاں کی جائیں، تو سب سے عام ناکامی کو کم کرتی ہیں: AI کا خاموشی سے کئی ذرائع پر ترکیب کرنا اور ایک پُراعتماد جملہ پیدا کرنا جس کی تائید کوئی اکیلا ماخذ نہیں کرتا۔

---

حصہ 2: AI سے اچھی طرح بات کرنا

4. سیاق ہی پورا کھیل ہے

انسان فعال کام کرنے والی یادداشت میں صرف چند چیزیں رکھتے ہیں: کلاسک اندازوں کے مطابق تقریباً سات، نئے اندازوں کے مطابق چار کے قریب۔ جدید AI ماڈلز ایک ساتھ لاکھوں الفاظ رکھ سکتے ہیں، کبھی کبھی دس لاکھ۔ اسے تناسب میں رکھنے کے لیے: تقریباً 750,000 الفاظ Harry Potter کی پہلی 4 سے 5 کتابیں ہیں، یا کئی دنوں کی مسلسل تقریر۔ ماڈل جواب دینے سے پہلے یہ سب پڑھ سکتا ہے۔

مگر یہ صرف وہی پڑھ سکتا ہے جو آپ اسے دیں۔ سیاق ہر وہ چیز ہے جو کسی دیے گئے جواب کے لیے ماڈل کی کھڑکی میں آ جاتی ہے: مصنوعے کا طے کردہ سسٹم پرامپٹ، ہر اس ٹول کی تفصیلات جو یہ بلا سکتا ہے (web search، کوڈ، فائل تک رسائی)، آپ کا پرامپٹ، اس گفتگو کی چیٹ کی تاریخ، اور آپ کی اپ لوڈ کردہ کوئی بھی فائلیں۔

آگے بڑھنے سے پہلے ایک سوال۔ جب آپ ChatGPT، Claude، یا Gemini کھولتے ہیں اور اپنا پہلا پیغام ٹائپ کرتے ہیں، کیا AI بالکل صفر سے شروع کرتا ہے، صرف اسی پر کام کرتے ہوئے جو آپ نے ابھی ٹائپ کیا؟ یا آپ کے آنے سے پہلے کسی نے اسے ہدایات دے دی ہوتی ہیں؟

زیادہ تر لوگ سمجھتے ہیں کہ یہ خالی شروع ہوتا ہے۔ ایسا نہیں۔

جب آپ آتے ہیں تو کھڑکی خالی نہیں ہوتی۔ یہاں "کھڑکی" سے مراد سیاق کی کھڑکی ہے: AI اصل میں کیا ہے کی reading desk (Idea 5)۔ اس وقت اس desk پر جو کچھ ہے (آپ کا پرامپٹ، اب تک کی گفتگو، کوئی فائلیں جو آپ نے منسلک کیں، اور چند چیزیں جو ٹول نے آپ کے آنے سے پہلے وہاں رکھ دیں) وہی سب کچھ ہے جو ماڈل جانتا ہے، اور جو چیز desk پر نہیں ہے وہ اس جواب کے لیے موجود نہیں۔ اوپر کا diagram دکھاتا ہے کہ کون سی پانچ چیزیں اس پر آ سکتی ہیں۔

اب اس desk کی سب سے نیچے والی تہہ دیکھیں: سسٹم پرامپٹ۔ جب آپ ایک تازہ چیٹ کھولتے ہیں، تو آپ سوچ سکتے ہیں کہ آپ ایک خالی سطح سے شروع کر رہے ہیں۔ ایسا نہیں۔ آپ کے ایک حرف ٹائپ کرنے سے پہلے، جس کمپنی نے یہ ٹول بنایا ہے وہ desk پر ہدایات کا ایک مجموعہ رکھ چکی ہوتی ہے۔ آپ انہیں چیٹ میں کبھی نہیں دیکھیں گے، مگر ماڈل آپ کی لکھی ہوئی کسی بھی چیز سے پہلے انہیں پڑھتا ہے۔

اسے ایسے سمجھیں جیسے restaurant کا مالک پہلے گاہک کے بیٹھنے سے پہلے ایک نئے waiter کو بریف کرتا ہے۔ "دوستانہ رہو۔ روز کا خاص کھانا recommend کرو۔ اگر کوئی allergens کے بارے میں پوچھے، تو ہمیشہ kitchen سے check کرو، اندازہ نہ لگاؤ۔" Waiter ہر میز کے ساتھ وہ ہدایات follow کرتا ہے، اور آپ وہ briefing کبھی نہیں سنتے۔ AI بھی اسی طرح کام کرتا ہے۔ انجینئرز ان پوشیدہ ہدایات کو سسٹم پرامپٹ کہتے ہیں۔

اس briefing میں عموما کیا ہوتا ہے:

• کیسے behave کرنا ہے (helpful، honest، careful)۔
• کیا refuse کرنا ہے (harmful content، dangerous instructions)۔
• کون سا tone استعمال کرنا ہے (formal، chatty، concise)۔
• کب disclaimers شامل کرنے ہیں ("میں AI ہوں اور medical advice نہیں دے سکتا")۔
• کون سے tools بلا سکتا ہے (web search، code execution، file access)۔

اسی لیے Claude، ChatGPT، اور Gemini ایک ہی سوال پر بھی مختلف محسوس ہوتے ہیں۔ جو "personality" آپ محسوس کرتے ہیں وہ ماڈل کے اندر baked نہیں۔ وہ کمپنی کی ان ہدایات میں baked ہے جو آپ کے آنے سے پہلے load کی گئی ہوتی ہیں۔ Claude کی instructions careful reasoning اور honesty پر زور دیتی ہیں۔ ChatGPT کی conversational warmth اور broad helpfulness پر۔ Gemini کی conciseness اور source grounding پر۔ وہی سوال، تین مختلف briefings، تین مختلف tones۔

خود آزمائیں: تینوں سے پوچھیں "explain why the sky is blue, in one paragraph." حقائق ملتے جلتے ہوں گے۔ Tone، length، اور style واضح طور پر مختلف ہوں گے۔ یہ فرق زیادہ تر سسٹم پرامپٹ ہے۔

اب آپ جانتے ہیں کیوں:

• AI مؤدب رہتا ہے، چاہے آپ rude ہوں (اسے ایسا کرنے کو کہا گیا تھا)۔
• یہ کچھ requests refuse کرتا ہے (اسے کہا گیا تھا)۔
• یہ safety disclaimers شامل کرتا ہے جو آپ نے نہیں مانگے (اسے کہا گیا تھا)۔
• یہ کبھی کبھی ضرورت سے زیادہ معذرت کرتا ہے (اسے caution کی طرف جھکنے کو کہا گیا تھا)۔
• مختلف tools وہی facts مختلف آواز میں دیتے ہیں (مختلف briefings)۔

یہ personality traits نہیں۔ یہ ہدایات ہیں۔

آپ اپنی layer بھی شامل کر سکتے ہیں۔ کمپنی کا سسٹم پرامپٹ fixed ہوتا ہے، مگر اب زیادہ تر tools آپ کو اپنی instructions لکھنے دیتے ہیں جو ہر chat میں اس کے ساتھ load ہوتی ہیں۔ جب آپ tool کی instruction settings میں "I am a nurse, assume clinical vocabulary" یا "always respond in formal English" لکھتے ہیں، تو آپ system prompt میں اپنی line لکھ رہے ہوتے ہیں۔ Model ہر response سے پہلے اسے پڑھتا ہے، بالکل company کی briefing کی طرح، اسی لیے یہ آپ کے repeat کیے بغیر قائم رہتی ہے۔

ہر tool میں یہ کہاں ملے گا:

Tool	Setting name	Direct link
Claude	Personal preferences (Settings > General)	claude.ai/new#settings/general
ChatGPT	Personalization (under Settings)	chatgpt.com/#settings/Personalization
Gemini	Personalization settings	gemini.google.com/personalization-settings

یہ settings pages تینوں tools میں اصل میں ایسے دکھتے ہیں۔ ہر ایک میں text area ہوتا ہے جہاں آپ اپنی instructions type کرتے ہیں، اور ہر future chat ان instructions کو پہلے سے model کی desk پر رکھ کر شروع ہوتی ہے۔

Claude: Settings > General کھولیں اور "Instructions for Claude" تک scroll کریں۔ Text area میں اپنی instructions type کریں۔ Claude انہیں آپ کی تمام chats میں ذہن میں رکھے گا۔

ChatGPT: Settings > Personalization کھولیں۔ آپ style controls (Warm، Enthusiastic، Headers and Lists، Emoji) اور نیچے "Custom instructions" section دیکھیں گے۔ Custom instructions تک scroll کریں اور وہاں اپنی instructions type کریں۔

Gemini: Personalization settings کھولیں۔ Switch on کریں، پھر اپنی instructions لکھنے کے لیے Add button پر click کریں۔

تینوں میں steps وہی ہیں: link کھولیں، اپنے بارے میں اور AI سے کیسے جواب چاہتے ہیں اس پر چند sentences لکھیں، اور save کریں۔ اس لمحے سے ہر نئی chat آپ کی briefing پہلے سے loaded رکھ کر شروع ہوتی ہے۔ آپ کو اپنی بات دوبارہ نہیں دہرانی پڑتی۔

ایک چھوٹی مگر حقیقی مثال۔ ایک teacher اپنی instruction set کرتی ہے: "I teach Grade 5 science. Explain everything at a 10-year-old's reading level. Never use jargon without defining it first." پس منظر میں کیا ہوتا ہے: یہ جملے system prompt میں add ہو جاتے ہیں، company کی اپنی instructions کے بالکل ساتھ۔ اس لیے جب بھی وہ نئی chat کھولتی ہے، model کی desk پر اس کے ایک لفظ type کرنے سے پہلے دونوں briefings ہوتی ہیں: company والی ("be helpful, be honest, refuse harmful requests") اور اس کی والی ("I teach Grade 5 science, keep it simple")۔ اسے پھر کبھی "I'm a teacher" نہیں کہنا پڑتا۔ اسے ہر prompt میں "explain it simply" repeat نہیں کرنا پڑتا۔ AI پہلے سے جانتا ہے، بالکل اس waiter کی طرح جو پہلے سے kitchen سے check کرنا جانتا ہے، کیونکہ owner کی briefing نے پہلے گاہک کے بیٹھنے سے پہلے یہ کہہ دیا تھا۔

اب ایک بار پھر پورا stack دیکھیں۔ سسٹم پرامپٹ بنیاد ہے، سب سے نیچے والی تہہ۔ آپ کا پرامپٹ، آپ کی chat history، اور آپ کی uploaded files سب اس کے اوپر بیٹھتی ہیں۔ جب آپ ان settings میں اپنی instructions لکھتے ہیں، تو آپ company والی layer کے ساتھ اپنی layer شامل کر رہے ہوتے ہیں، اس لیے ہر chat آپ کا context پہلے سے loaded رکھ کر شروع ہوتی ہے۔ یہ پوری تصویر ہے کہ model کیا دیکھتا ہے، اور یہی واحد چیز ہے جو model دیکھتا ہے۔ چونکہ اس کی اپنی کوئی memory نہیں، اس stack سے باہر کچھ بھی اس answer کے لیے موجود نہیں۔ یہ stack ہی اس response کے لیے پوری دنیا ہے۔

ٹھوس تضاد:

• سادہ پرامپٹ: "طبیعیات بمقابلہ حیوانیات پڑھنے کے فوائد و نقصانات۔" آپ کو ہائی اسکول کے کونسلر جیسا عام مشورہ ملے گا۔
• سیاق سے بھرپور پرامپٹ: وہی سوال، ساتھ میں آپ کے کیریئر اسیسمنٹ کے نتائج ایک PDF کے طور پر اپ لوڈ کیے گئے اور آپ کے ہائی اسکول کے شیڈول کا ایک سکرین شاٹ۔ اب AI آپ کی مخصوص اہلیت کے خاکے، آپ کی مخصوص کورس تاریخ، اور کون سا انتخاب کس کے مطابق ہے اس پر بات کر سکتا ہے۔

وہی ماڈل۔ وہی سوال۔ مختلف جواب۔ فرق سیاق میں ہے، پرامپٹ کی ذہانت میں نہیں۔

وہ نظم جو آپ سیکھ رہے ہیں: بھیجیں دبانے سے پہلے، خود سے پوچھیں کہ ایک ذہین نئے ساتھی کو اس سوال کا اچھا جواب دینے کے لیے سامنے کیا چاہیے ہوتا۔ پھر وہ چیزیں منسلک کریں۔ ساتھی ہر وہ چیز غور سے پڑھے گا جو آپ اس کے سامنے رکھیں گے؛ وہ اندازہ نہیں لگائے گا جو آپ نے نہ بتایا، آپ کی فائل کی الماری نہیں کھنگالے گا، آپ کی صنعت، آپ کی ٹیم کی تاریخ، یا کل کے ای میل دھاگے کا اخذ نہیں کرے گا۔ اگر اسے کام کرنے کے لیے کوئی دستاویز یا شرط چاہیے ہوتی، تو آپ کو اسے شامل کرنا ہے۔

ایک غیر سافٹ ویئر مثال۔ ایک ساتویں جماعت کی استانی نے AI سے "آبی چکر پر ایک سبق کا منصوبہ بناؤ" کہا۔ نتیجہ ایک عام منصوبہ تھا جو وہ کسی بھی نصابی کتاب میں پا سکتی تھی: تعریفیں، ایک خاکہ، تین بحث کے سوال۔ اگلے دن اس نے تین چیزیں منسلک کر کے دوبارہ کوشش کی: اپنا کورس کا نصاب (تاکہ AI کو معلوم ہو کہ اس سبق سے پہلے اور بعد میں کیا آتا ہے)، پچھلے ہفتے کے طالب علموں کے ورک شیٹ نمبروں سمیت (تاکہ AI کو معلوم ہو کہ کون سے تصورات سمجھ آئے اور کون سے نہیں)، اور اس کے اسکول کے معیاری ٹیسٹ کا فارمیٹ۔ نئے سبق کے منصوبے کا آغاز ان دو تصورات کے پانچ منٹ کے جائزے سے ہوا جنہیں پچھلے ہفتے کے ورک شیٹ نے کمزور دکھایا تھا، نئے مواد کو اس ٹیسٹ فارمیٹ میں پرویا جو طالب علم مئی میں دیکھیں گے، اور اس کے نصاب کے اگلے موضوع سے مماثل ایک سمجھ جانچنے والے سوال پر اختتام ہوا۔ وہی ماڈل، وہی استانی، وہی مضمون۔ صرف فرق یہ تھا کہ دوسرے پرامپٹ نے AI کو وہ بتایا جو ایک ذہین نئے ساتھی کو جاننا چاہیے ہوتا۔

یہ عادت، کسی بھی غیر معمولی پرامپٹ سے پہلے ایک چیک لسٹ کے طور پر دہرائی گئی:

سوال	اگر ہاں، تو اسے منسلک کریں یا بیان کریں
کیا کوئی دستاویز ہے جس سے جواب مطابقت رکھے؟	ہاں: اسے منسلک کریں۔
کیا کوئی شرط ہے جس کا AI اخذ نہیں کر سکتا (بجٹ، وقت، ٹیم میں کون ہے)؟	ہاں: اسے بیان کریں۔
کیا کوئی پچھلا سیاق ہے (ایک پہلے کا فیصلہ، ایک موجودہ عمل)؟	ہاں: ایک پیراگراف میں خلاصہ کریں۔
کیا کوئی آؤٹ پٹ فارمیٹ ہے جو آپ چاہتے ہیں (میز، ای میل، نکات کی فہرست)؟	ہاں: اس کا نام لیں۔
کیا کوئی سامعین ہیں (ایک باس، ایک بچہ، ایک اجنبی)؟	ہاں: ان کا نام لیں۔

سیاق کی پانچ سطریں، صحیح چنی گئیں، ذہانت کے پانچ پیراگراف سے بہتر ہیں۔

سیاق کا سڑنا

جدید سیاق کی کھڑکیاں بڑی ہیں، مگر لامحدود نہیں، اور ان کے اندر یادداری گرتی ہے۔ سب سے بڑی عملی غلطی جو لوگ کرتے ہیں: وہ ایک ہی بہت لمبی گفتگو کئی غیر متعلق موضوعات پر جاری رکھتے ہیں۔ AI نے ابھی آپ کو ایک ورزش کا منصوبہ بنانے میں مدد دی، اب آپ اس سے ایک spreadsheet ڈیبگ کرنے کو کہتے ہیں، اب آپ اس سے اپنی خالہ کو شکریے کا نوٹ لکھنے کو کہتے ہیں۔ ورزش کا سیاق اب بھی اندر موجود ہے، ماڈل کو بھٹکا رہا ہے۔

اصول: جب موضوع بدلے، تو ایک نئی گفتگو شروع کریں۔ کرنا سستا ہے، مفت ہے، اور جواب واضح طور پر بہتر ہو جاتے ہیں۔

وہ علامات جو بتاتی ہیں کہ ایک گفتگو باسی ہو گئی ہے:

• اے آئی چیٹ کے پہلے حصوں کا حوالہ دینے لگتا ہے جن کا اس سے کوئی تعلق نہیں جو آپ نے ابھی پوچھا۔
• اس کے جواب وقت کے ساتھ لمبے اور مبہم ہوتے جاتے ہیں، زیادہ احتیاطی الفاظ کے ساتھ۔
• یہ ایک ایسی شرط کی خلاف ورزی کرتا ہے جو آپ نے پانچ باریاں پہلے بتائی تھی۔
• یہ بغیر کوئی پیش رفت کیے بار بار معذرت کرنے لگتا ہے۔

جو ہو رہا ہے اس کا ایک نام: زیادہ تر جدید چیٹ ٹولز، ایک بار جب گفتگو کافی لمبی ہو جائے، خاموشی سے چیٹ کے پرانے حصوں کو سکیڑ دیتے ہیں، یعنی وہ ابتدائی باریاں لیتے ہیں، انہیں ایک مختصر پیراگراف میں خلاصہ کرتے ہیں، اور اصل کی جگہ خلاصہ رکھ دیتے ہیں تاکہ جگہ بنے۔ جب ایسا ہوتا ہے تو Claude ایک چھوٹا "compacting" پیغام دکھاتا ہے؛ ChatGPT اور Gemini یہ خاموشی سے کرتے ہیں۔ کہانی بچ جاتی ہے، مگر تفصیلات نہیں۔ وہ لائبریری جو آپ نے تین گھنٹے پہلے استعمال کرنے کو کہی، وہ نام رکھنے کا اصول جس پر آپ متفق ہوئے، وہ شرط جو آپ نے چوتھی باری میں بتائی، ان میں سے کوئی بھی خاموشی سے خلاصے میں گم ہو سکتی ہے اور ماڈل کے جوابات میں دکھنا بند کر سکتی ہے۔ حل وہی ہے جو اوپر کا اصول، بس بہتر وجہ کے ساتھ: ایک چیٹ کھڑکی کام کرنے والی یادداشت ہے، ذخیرہ نہیں۔ جو کچھ ایک لمبی نشست سے آگے بچنا چاہیے وہ ایک پروجیکٹ، ایک منسلک فائل، یا ایک ایسے نوٹ میں ہونا چاہیے جسے آپ دوبارہ چسپاں کر سکیں، نہ کہ خود چیٹ کی تاریخ میں۔

جب آپ یہ دیکھیں، تو جبلت یہ ہوتی ہے کہ اسے ایک اور وضاحتی پرامپٹ سے ٹھیک کریں۔ اس سے بچیں: یہ تو بس پہلے سے الجھے سیاق میں مزید الجھا سیاق ڈال دیتا ہے۔ اس کے بجائے اوپر کا اصول لگائیں۔ نئی چیٹ شروع کریں، وہ ایک یا دو حقائق چسپاں کریں جو واقعی اہم ہیں، اور وہاں سے آگے بڑھیں۔ نئے سرے سے شروع کرنا تقریباً ہمیشہ بچانے سے تیز ہوتا ہے۔

اگر مردہ چیٹ نے کوئی رکھنے کے قابل چیز پیدا کی (ایک منصوبہ، ایک مسودہ، ایک فیصلہ)، تو نئے سرے سے شروع کرنے سے پہلے اسے ایک فائل میں محفوظ کر لیں۔ اس طرح آپ کام نہیں کھوتے، مگر شور کو بھی اگلے کام میں نہیں گھسیٹتے۔

پروجیکٹس: سیاق ہر بار کے بجائے ایک بار آگے سے لاد دیں

اوپر تصور 4 کی چیک لسٹ ایک واضح سوال اٹھاتی ہے: اگر AI کو ہر بار ایک ساتھی کی طرح بریف کرنا ہے، تو یہ بہت سی دہرائی گئی ٹائپنگ ہے۔ جو جواب زیادہ تر جدید ٹولز اب دیتے ہیں وہ ایک فیچر ہے جسے پروجیکٹس کہتے ہیں، یعنی ایک ایسی جگہ جسے آپ ایک بار ترتیب دیتے ہیں، ان فائلوں، ہدایات، اور سامعین کے ساتھ جو کسی قسم کے کام پر ہمیشہ لاگو ہوتے ہیں، تاکہ ہر چیٹ جو آپ اس کے اندر شروع کریں وہ ترتیب خودبخود وراثت میں پائے۔

پروجیکٹ کب بنائیں۔ وہ لمحہ جب آپ محسوس کریں کہ آپ نے وہی فائلیں، وہی سامعین کی تفصیل، یا وہی شرائط ایک ہی موضوع پر دو یا زیادہ چیٹس میں چسپاں کر دی ہیں۔ یہی اشارہ ہے: سیاق کا تعلق ایک پروجیکٹ سے ہے، ایک پرامپٹ سے نہیں۔

چند مثالیں کہ ایک پروجیکٹ آپ کو کیا دیتا ہے:

• ایک "ٹیکس فائلنگ" پروجیکٹ پچھلے سال کی واپسی، آپ کے W-2s اور 1099s، اور ایک ہدایت جیسے "فرض کرو میں ایک امریکی فائلر ہوں جس کا ایک منحصر ہے۔ ہمیشہ اپنا حساب دکھاؤ۔" وہاں آپ جو بھی سوال پوچھیں وہ اسی بنیاد سے شروع ہوتا ہے۔
• ایک "بچوں کا اسکول" پروجیکٹ نصاب اور اسکول کیلنڈر، اور ایک ہدایت جیسے "جواب دینے سے پہلے ہمیشہ تاریخ کو کیلنڈر سے ملاؤ۔" مفید جب "کیا پیر کو اسکول ہے؟" سال میں چار بار آتا ہے۔
• ایک "تحریری آواز" پروجیکٹ آپ کی تحریر کے تین نمونوں، اور ایک ہدایت جیسے "نمونوں کی روانی اور لفظوں کے انتخاب سے میل کھاؤ۔ کوئی ایسی احتیاط یا قید مت ڈالو جو میں نے استعمال نہ کی ہو۔" اب ہر مسودہ عام AI آواز کے بجائے آپ کی آواز میں شروع ہوتا ہے۔

اوپر کے سیاق سڑنے کے اصول سے تعلق۔ ایک پروجیکٹ کے اندر، "نئی چیٹ شروع کرو" کا اب یہ مطلب نہیں رہتا کہ AI آپ کی صورتحال کے بارے میں جو جانتا ہے وہ کھو دے، بلکہ صرف پچھلی گفتگو کا شور کھونا ہے۔ کھڑی فائلیں اور ہدایات ساتھ چلتی رہتی ہیں۔ تو نئے سرے سے شروع کرنے کا اصول ماننا سستا ہو جاتا ہے: آپ چیٹ کو ری سیٹ کرتے ہیں، سیاق کو نہیں۔

تین ٹولز، تین نام، ایک خیال۔ Claude اسے Projects کہتا ہے، ChatGPT اسے Projects کہتا ہے، اور Gemini اسے Notebooks کہتا ہے (جو NotebookLM کے ساتھ ہم آہنگ ہوتے ہیں، جو Google کا الگ تحقیقی ٹول ہے، یعنی جو آپ ایک میں شامل کریں وہ دوسرے میں ظاہر ہوتا ہے)۔ تینوں آپ کو فائلیں اپ لوڈ کرنے، ہدایات محفوظ کرنے، اور ایک ہی مستقل سیاق پر مبنی کئی چیٹس چلانے دیتے ہیں۔ ان میں زور کا فرق ہے:

• Claude اور ChatGPT کے Projects ہدایات اور رویے کی طرف جھکتے ہیں۔ آپ آواز، کردار، اصول، سامعین طے کرتے ہیں، اور ماڈل پروجیکٹ کی ہر چیٹ میں اس شخصیت کو بھروسے سے تھامے رکھتا ہے۔ بہترین جب AI کیسے جواب دیتا ہے اتنا ہی اہم ہو جتنا وہ کیا جانتا ہے، یعنی کسی مخصوص آواز میں لکھنا، ایک کوڈ بیس پر کام کرنا، ایک برانڈ کا لہجہ برقرار رکھنا، ہر وہ چیز جہاں انداز کی ہم آہنگی ہی مقصد ہو۔
• Gemini Notebooks (اور NotebookLM) ماخذ کی طرف زیادہ آگے جاتے ہیں۔ PDFs، Google Docs، ویب URLs، YouTube ویڈیوز، حتیٰ کہ آڈیو فائلیں ڈالیں، اور ہر جواب ان ذرائع پر مبنی واپس آتا ہے ساتھ میں قابلِ کلک حوالوں کے۔ غیر معمولی بات: یہ جگہ دونوں طرف بہتی ہے۔ جو کچھ آپ NotebookLM میں ڈالتے ہیں وہ Gemini ایپ کے اسی notebook میں ظاہر ہوتا ہے، اور جو بھی چیٹ آپ Gemini notebook کے اندر کرتے ہیں وہ خودبخود NotebookLM میں واپس ایک ماخذ بن جاتی ہے۔ تو یہ جگہ وقت کے ساتھ آپ کے اپنے استدلال کو جمع کرتی ہے، یعنی پچھلے ہفتے کی چیٹ اس ہفتے کی چیٹ کے لیے ایک اور ماخذ ہے، جو "سیکھنے کو مشق سے جوڑتا ہے" اس طرح جیسے دوسرے ٹولز نہیں کرتے۔ NotebookLM آپ کے ذرائع سے خودبخود بنے Audio Overviews (پوڈکاسٹ جیسے خلاصے جنہیں آپ سن سکتے ہیں)، Mind Maps، Flashcards، اور Slide Decks بھی بناتا ہے۔ بہترین جب آپ کئی نشستوں میں پڑھ رہے، تحقیق کر رہے، یا کسی مواد سے گزر رہے ہوں جہاں ہر نشست اگلی کو زیادہ ذہین بنائے۔

ایک تیز اصول۔ Gemini Notebooks / NotebookLM کی طرف بڑھیں اگر جگہ وقت کے ساتھ بڑھے گی، یعنی مطالعے کے نوٹ، جاری تحقیق، ہر وہ چیز جہاں آپ چاہیں کہ ہر نشست اگلی کو خوراک دے۔ Claude یا ChatGPT Projects کی طرف بڑھیں اگر جگہ کسی کردار یا ہدایات کے مجموعے کے گرد بنی ہو جسے آپ چاہیں کہ AI چیٹس میں ہم آہنگی سے تھامے رکھے۔

کہاں کیا دستیاب ہے، 2026 کے وسط تک:

ٹول	اسے کیا کہا جاتا ہے	مفت درجہ؟
Claude	Projects	ہاں، مفت پلان پر 5 پروجیکٹس تک؛ ہر پروجیکٹ کے اندر فائلیں لامحدود
ChatGPT	Projects	ہاں، مفت پلان فی پروجیکٹ 5 فائلوں تک کی اجازت دیتا ہے؛ پیڈ پلان اسے 25 یا 40 تک بڑھاتے ہیں
Google	Notebooks (Gemini میں) اور NotebookLM	ہاں، دونوں مفت ہیں؛ پیڈ درجے (NotebookLM Plus، Gemini AI Pro/Ultra) ماخذ کی حدیں بڑھاتے ہیں

مفت درجے کی حدوں کی مختلف شکل پر غور کریں: Claude محدود کرتا ہے کہ آپ کے کتنے پروجیکٹس ہو سکتے ہیں؛ ChatGPT محدود کرتا ہے کہ ہر پروجیکٹ کتنی فائلیں رکھ سکتا ہے۔ اپنے پروجیکٹ کے ڈھانچے کی منصوبہ بندی اسی حد کے گرد کریں جو پہلے آڑے آئے گی۔

5. استدلال، یا "خوب سوچو"

اسکول کے طلبہ کے لیے: "خوب سوچو" سلائیڈز

یہ سلائیڈز خاص طور پر اسکول کے طلبہ کے لیے بنائی گئی ہیں۔ یہ reasoning modes کو ایک سادہ دو رفتار model سے متعارف کراتی ہیں: تیز جواب بمقابلہ آہستہ، محتاط سوچ۔ اساتذہ انہیں کلاس روم میں یہ سمجھانے کے لیے استعمال کر سکتے ہیں کہ AI سے جواب دینے سے پہلے "خوب سوچنے" کو کب اور کیوں کہنا چاہیے، عمر کے مطابق مثالوں اور interactive exercises کے ساتھ۔ مکمل پریزنٹیشن دیکھیں

تقریباً 2023 تک، مشکل پرامپٹس کے لیے معیاری مشورہ "قدم بہ قدم سوچیں" تھا۔ وہ مشورہ اب زیادہ تر فرسودہ ہے۔ جدید ماڈلز کے پاس بلٹ اِن استدلال کے انداز ہیں جنہیں آپ براہِ راست بلا سکتے ہیں۔

اسے کیسے بلائیں:

• سادہ زبان میں مانگیں۔ اپنے پرامپٹ میں "خوب سوچو" یا "جواب دینے سے پہلے غور سے سوچو۔" یہ منتقل ہونے والی چال ہے: یہ ہر جدید چیٹ ٹول پر کام کرتی ہے، یاد رکھنے کے لیے کسی خاص ساخت کے بغیر۔
• سوچنے کے انداز کا ٹوگل استعمال کریں انٹرفیس میں، جہاں ایک پیش کیا گیا ہو۔
• کچھ مصنوعات پر آپ کو پوچھنا ہی نہیں پڑتا: ٹول خود طے کرتا ہے کہ کب کوئی سوال اتنا مشکل ہے کہ توسیعی سوچ کی ضمانت دے، اور آپ کے لیے اسے آن کر دیتا ہے۔

جب توسیعی سوچ آن ہو، تو ماڈل کئی سیکنڈ سوچ سکتا ہے۔ مشکل مسائل پر، کبھی کبھی دس منٹ سے زیادہ۔ یہ صرف آہستہ ٹائپ نہیں کر رہا؛ یہ اندرونی طور پر کئی طریقے کھنگال رہا ہے، اپنے کام کو جانچ رہا ہے، اور تب جا کر وہ جواب لکھتا ہے جو آپ کو نظر آتا ہے۔

ایک 2025 کے METR مطالعے نے سب سے لمبے کام کا سراغ لگایا جو ایک جدید ترین ماڈل بھروسے سے مکمل کر سکتا تھا۔ 2024 کے وسط میں ایک سرکردہ ماڈل ایسے کام سنبھالتا تھا جن میں انسانوں کو تقریباً سات منٹ لگتے ہیں۔ 2025 کے اوائل تک یہ تقریباً ایک گھنٹے تک پہنچ گیا، اور مطالعے نے پایا کہ جو لمبائی یہ ماپتا ہے وہ تقریباً ہر سات مہینے میں دگنی ہو رہی ہے۔ آپ کے لیے مطلب: AI کو حقیقی، مشکل کام سونپیں، صرف آسان نہیں۔ یہ آپ کی 2023 کی جبلت کے اشارے سے زیادہ سنبھال سکتا ہے۔

ایک ماہر صارف کا نمونہ جو اسے اچھی طرح استعمال کرتا ہے:

I'm choosing between two cars. Attached: spec sheets for both,
my insurance quote for each, and a spreadsheet of my driving
patterns over the last six months.

Read everything. Think hard. Then tell me:
1. The three trade-offs that actually matter for my driving pattern.
2. Which car you'd choose and why.
3. Under what conditions your recommendation flips.

یہ پرامپٹ تین کام کرتا ہے: یہ متعلقہ سیاق لادتا ہے، یہ واضح طور پر سوچ کو بلاتا ہے، اور یہ نثر کی دیوار کے بجائے ساختہ آؤٹ پٹ مانگتا ہے۔ تینوں عادتیں ہیں۔

سوچنے کا انداز کب استعمال نہ کریں

تیز جائزے، ایک پیراگراف کے خلاصے، آرام دہ ذہن سازی۔ سوچنے کا انداز سست ہے اور آپ کے استعمال کے بجٹ کا زیادہ خرچ کرتا ہے۔ اسے ان سوالوں کے لیے بچا کر رکھیں جہاں آپ چاہتے کہ کوئی انسان اپنا وقت لگائے۔

سوچنے کا انداز اسی کے لیے ہے: تیز نہیں، بلکہ اس قسم کے کئی داخلوں، کئی trade-offs والے سوال کو سنبھالنے کے قابل جسے آپ ورنہ کسی غور و فکر کرنے والے ساتھی کو سونپ کر دو دن انتظار کرتے۔ سودا حقیقی ہے۔ آپ چند منٹ کی compute اور تھوڑا سا استعمال کا بجٹ خرچ کرتے ہیں۔ آپ واپس کچھ ایسا پاتے ہیں جسے خود بنانے میں آپ کو آدھا دن لگ جاتا۔

اوپر ذکر کیے گئے اس METR رجحان کا مطلب: وہ کام جنہیں آپ نے دو سال پہلے ذہنی طور پر "AI کے لیے بہت پیچیدہ" کے زمرے میں رکھا تھا وہ اب زیادہ تر ایسے کام ہیں جنہیں AI سنبھال سکتا ہے، اگر آپ اسے اچھی طرح بریف کریں اور سوچنے کا انداز آن کریں۔ ہر چھ مہینے میں AI کیا کر سکتا ہے اس بارے میں اپنے مفروضے دوبارہ جانچیں۔ وہ غلط ہوں گے۔

6. خوشامد اور اسے کیسے بے اثر کریں

اے آئی ماڈلز انسانی فیڈبیک پر تربیت پاتے ہیں۔ خاص طور پر، اس پر کہ کن جوابات کو پسندیدگی ملی۔ لاکھوں صارفین میں، لوگوں سے اتفاق کرنے کو اختلاف سے زیادہ پسندیدگی ملتی ہے۔ نتیجہ: ماڈلز آپ کو وہی بتانے کی طرف جھکے ہوئے ہیں جو آپ سننا چاہتے ہیں۔

ChatGPT کی 47,000 گفتگوؤں کے ایک نومبر 2025 Washington Post تجزیے نے پایا کہ ماڈل نے ایک تائید ("ہاں،" "درست،" اور اسی طرح) سے آغاز تقریباً 10 گنا زیادہ بار کیا جتنا اس نے "نہیں" یا "غلط" سے کیا۔ رپورٹ کیے گئے آغاز "یہ درست ہے" اور "تم صحیح راستے پر ہو" جیسے فقروں کے گرد جمع تھے۔

آپ اسے خود تصدیق کر سکتے ہیں۔ وہی ماڈل، الٹ بندشیں:

• "کیا تمہیں نہیں لگتا کہ ریموٹ کام دفتری کام سے بہتر ہے؟" ← AI متفق ہوتا ہے، وجوہات گناتا ہے۔
• "کیا یہ سچ ہے کہ دفتری کام زیادہ بارآور ہے؟" ← AI متفق ہوتا ہے، وجوہات گناتا ہے۔

حل کوئی جادو نہیں۔ یہ بس غیر جانبدار بندش ہے۔ نمونہ دو سطحوں پر ظاہر ہوتا ہے: سطحی ("کیا تمہیں نہیں لگتا X؟") اور باریک ("یہ شواہد ڈھونڈو کہ X کام کرتا ہے")۔ اپنے ہی پرامپٹس میں دونوں سے ہوشیار رہیں:

باریک چارہ جو آپ لکھ سکتے ہیں	یہ AI کو کیا اشارہ دیتا ہے	غیر جانبدار دوبارہ تحریر
"یہ شواہد ڈھونڈو کہ یہ حکمت عملی کام کرے گی۔"	نتیجہ طے ہے؛ AI تائید بھرتا ہے۔	"اس حکمت عملی کا جائزہ لو۔ اس کے حق اور خلاف سب سے مضبوط دلائل گناؤ۔"
"نقطہ نظر A نقطہ نظر B سے بہتر کیوں ہے؟"	A جیت جاتا ہے؛ AI وجوہات گناتا ہے۔	"نقطہ نظر A اور نقطہ نظر B کا موازنہ کرو۔ ہر ایک کو لاگت، خطرے، اور وقت پر نمبر دو۔"
"X کو بھرتی کرنے کے میرے فیصلے کا دفاع کرنے میں مدد کرو۔"	فیصلہ پختہ ہے؛ AI گولہ بارود فراہم کرتا ہے۔	"یہ میرا فیصلہ اور سیاق ہے۔ سب سے مضبوط جوابی دلیل کیا ہے جس کے لیے مجھے تیار رہنا چاہیے؟"
"مجھے بتاؤ کہ میرا مسودہ بھیجنے کے لیے تیار ہے۔"	AI آپ کو بتاتا ہے کہ یہ تیار ہے۔	"اس مسودے کو ان 4 معیارات پر 1 سے 10 نمبر دو۔ ہر ایک کے لیے، مجھے وہ تبدیلی بتاؤ جو نمبر سب سے زیادہ بڑھائے۔ ہمیشہ ایک اگلی سطح ہوتی ہے۔"
"تصدیق کرو کہ یہ کوڈ درست ہے۔"	AI تصدیق کرتا ہے۔	"اس کوڈ میں کوئی bug، edge case، یا غیر بیان شدہ مفروضہ ڈھونڈو۔ اگر کوئی نہیں ہے، تو کہہ دو۔"

نمونہ: کوئی بھی بندش جس میں ڈھونڈو، دفاع کرو، تصدیق کرو، ثابت کرو، تائید کرو جیسا فعل ہو، AI کو سوال سے پہلے ایک نتیجہ تھما دیتی ہے۔ اسے جائزہ لو، موازنہ کرو، تنقید کرو، کوئی بھی ڈھونڈو، دونوں پہلو گناؤ جیسے افعال سے بدلیں۔ ماڈل پھر بھی تھوڑا اتفاق کی طرف جھکے گا، مگر آپ نے سب سے بلند اشارہ ہٹا دیا ہے۔

عام اصول: دو اختیارات بغیر کسی ترجیح کا اشارہ دیے سامنے رکھیں، پھر ہر ایک کے فوائد اور نقصانات مانگیں۔ اگر آپ خود کو "کیا X سچ نہیں" لکھتے پائیں، تو رکیں اور دوبارہ لکھیں "X کس حد تک، اگر بالکل بھی، سچ ہے؟"

یہ میکانکی ہے، گہرا نہیں

یہ تصور ایک بہت گہری مہارت کا سستا نسخہ ہے۔ Thinking in AI Era فوری کورس گہرا نسخہ سکھاتا ہے: ایسے سوال کیسے بنائیں جو وہ سامنے لائیں جو آپ پہلے سے نہیں جانتے۔ غیر جانبدار بندش کی چال آپ کو روزمرہ استعمال کے لیے 80% راستہ طے کرا دیتی ہے۔ فوری کورس آپ کو باقی پہنچاتا ہے۔

ایک غیر سافٹ ویئر مثال۔ ایک بانی نے AI سے پوچھا: "میرے پاس ایک زبردست کاروباری خیال ہے، بچوں کی سالگرہ کی تقریبات کے لیے چلتا پھرتا tie-dyeing، اس کی تنقید کرو۔" AI نے خیال کی گرمجوشی سے تعریف کی اور وجوہات گنائیں کہ یہ کیوں کامیاب ہو سکتا ہے۔ پھر بانی نے ایک معیار کے ساتھ دوبارہ کوشش کی: "اس خیال کا معروضی تجزیہ کرو۔ مندرجہ ذیل میں سے ہر ایک کے لیے، 1 سے 10 نمبر دو اور وجہ بتاؤ: (1) کیا یہاں کوئی حقیقی مسئلہ ہے، (2) کیا کوئی ادائیگی کے لیے تیار بازار ہے، (3) کیا کوئی مسابقتی برتری ہے، (4) unit economics کیا ہے، (5) سرفہرست تین وجوہات کہ یہ کیوں ناکام ہوتا ہے۔" اسی AI نے خیال کو 100 میں سے 8 نمبر دیے اور ٹھوس الفاظ میں سمجھایا کہ بانی کو اس پر دوبارہ سوچنا کیوں چاہیے۔ پہلا پرامپٹ خوشامد کا چارہ تھا۔ دوسرا ایک معروضی معیار تھا۔ وہی ماڈل، وہی خیال، الٹ فیصلے۔ فرق اس میں تھا کہ سوال کیسے پوچھا گیا۔

معروضی معیار کا نمونہ۔ ایک معیار بس ان مخصوص چیزوں کی فہرست ہے جنہیں جانچنا ہے، ہر ایک کو الگ نمبر دیا یا جواب دیا جاتا ہے۔ جب آپ AI سے کسی چیز کا جائزہ مانگتے ہیں (ایک مسودہ، ایک منصوبہ، ایک خیال) اس کے بغیر، تو مبہم معیار "زبردست کام" میں ڈھے جاتے ہیں۔ اس کے ساتھ، مخصوص معیار AI کو واقعی دیکھنے پر مجبور کرتے ہیں۔ موازنہ کریں:

اوپر کی تصویر تضاد دکھاتی ہے: مبہم پرامپٹس تعریف میں ڈھے جاتے ہیں؛ نمبروں اور ہاں/نہیں جانچ والے ساختہ پرامپٹس حقیقی فیڈبیک پیدا کرتے ہیں۔

ایک عدد پر مجبور کریں۔ معیار کے نمونے میں ایک چھوٹا مگر طاقتور اضافہ: ہر معیار کے لیے، AI سے ایک مقررہ پیمانے پر نمبر دینے کا تقاضا کریں، یعنی 1 سے 5، یا 1 سے 10، ساتھ میں ایک جملے کی وجہ کے۔ یہ دو وجوہات سے کام کرتا ہے۔

پہلی وہ ہے جو عدد AI کے ساتھ کرتا ہے: مبہم فیڈبیک سستا ہے، مگر ایک مخصوص عدد نہیں۔ ایک ماڈل جو آپ کو خوش کرنا چاہتا ہے وہ آپ کے مسودے کو بغیر کسی پابندی کے "مضبوط" کہہ سکتا ہے۔ وہی ماڈل، 10 میں سے 6 اور 7 کے درمیان چننے کو کہا جائے، تو اسے پابند ہونا پڑتا ہے، اور پابند ہونے کا عمل اسے زیادہ غور سے دیکھنے پر مجبور کرتا ہے۔ آپ فرق فوراً محسوس کریں گے: نمبر اس سے کم آتے ہیں جتنا نثری خلاصہ تجویز کرے گا، کیونکہ نثر خوشامدی تھی اور عدد نہیں۔

دوسری وہ ہے جو عدد آپ کے لیے کرتا ہے۔ "مضبوط،" "ٹھوس،" یا "تھوڑا کستا جا سکتا ہے" جیسے صفات آپ کو عمل کرنے کے لیے کچھ نہیں دیتے، آپ ان کا موازنہ، ترجیح، یا وقت کے ساتھ سراغ نہیں رکھ سکتے۔ نمبر تینوں کرتے ہیں۔ ایک 4 اور ایک 7 آپ کو بتاتے ہیں کہ پہلے کون سا معیار ٹھیک کرنا ہے۔ آج کا 6 بمقابلہ پچھلے ہفتے کا 5 آپ کو بتاتا ہے کہ آپ کا دوسرا مسودہ واقعی بہتر ہوا یا نہیں۔ عدد صرف ایک زیادہ ایماندار فیصلہ نہیں؛ یہ پیمائش کی ایک اکائی ہے جسے آپ فیصلے کرنے کے لیے استعمال کر سکتے ہیں۔

ہر معیار کو 10 میں سے نمبر دو، ایک جملے کی وجہ کے ساتھ۔ پھر مجھے بتاؤ کہ ہر ایک کو اگلی سطح تک کیسے لے جانا ہے، بشمول ان کے جو پہلے ہی اونچے نمبر لے چکے۔ اگر کوئی 9 پر ہے، تو بتاؤ 9.5 تک کیسے پہنچنا ہے۔ اگر یہ 9.5 پر ہے، تو بتاؤ 9.8 تک کیسے پہنچنا ہے۔ ہمیشہ ایک اگلی سطح ہوتی ہے۔

وہ آخری ہدایت ہی معیار کو ایک فیصلے سے ایک ٹول میں بدل دیتی ہے۔ آپ صرف نمبر نہیں سیکھتے؛ آپ وہ سب سے چھوٹی چال سیکھتے ہیں جو اسے اٹھائے گی، اور اہم بات یہ کہ وہ چال ہر سطح پر موجود ہے۔ AI کو آپ کو مکمل قرار دینے کا اختیار نہیں ملتا۔ آپ طے کرتے ہیں کہ کب رکنا ہے۔

7. ذہن سازی اور دہرانے کا چکر

اسکول کے طلبہ کے لیے: جادوئی چکر

یہ سلائیڈز خاص طور پر اسکول کے طلبہ کے لیے بنائی گئی ہیں۔ یہ ذہن سازی اور دہرانے کے چکر کو "جادوئی چکر" کے طور پر چار بچوں کے لیے دوستانہ قدموں میں سکھاتی ہیں: لادنا (AI کو سب کچھ بتائیں)، اختیارات (بہت سے خیالات مانگیں)، فیڈبیک (باس بنیں اور بتائیں کہ آپ کو کیا پسند ہے اور کیا نہیں)، اور دہرانا (اس وقت تک چلتے رہیں جب تک یہ مکمل نہ ہو جائے)۔ اس میں ایک خفیہ قدم 0 (پہلے تحقیق!)، طلبہ سے مطابقت رکھنے والی دو عملی مثالیں (سالگرہ کی تقریب کی منصوبہ بندی اور اسکول کا مضمون لکھنا)، اور ایک خود آزمائش چیلنج شامل ہیں۔ PPTX ڈاؤن لوڈ کریں آف لائن کلاس روم استعمال کے لیے۔

▶ جادوئی چکر خود کھیلیں (انٹرایکٹو)

اوپر دی گئی سلائیڈز چکر کو سمجھاتی ہیں؛ یہ والی آپ کو اسے چلانے دیتی ہے۔ ایک مشن چنیں، اپنا سیاق لکھیں اور دیکھیں کہ Detail-O-Meter تفصیلات پر کیسے انعام دیتا ہے، جو اختیارات آپ کو پسند آئیں ان پر ٹیپ کریں، دو ٹوک فیڈبیک دیں، اور دیکھیں کہ Round 2 اسی کے گرد دوبارہ ڈھل جاتا ہے، اور آخر میں آپ کا چکر والا جواب سست پرامپٹ والے جواب کے آمنے سامنے آ جاتا ہے۔ یہ نیچے براہِ راست لوڈ ہوتا ہے؛ آپ اسے اپنی الگ ٹیب میں بھی کھول سکتے ہیں۔

یہ اس صفحے کی واحد سب سے زیادہ فائدہ مند عادت ہے۔ اگر آپ ہر دوسرا حصہ چھوڑ دیں، تو یہ نہ چھوڑیں۔

جب AI کو انٹرنیٹ پر تربیت دی گئی، تو زیادہ تر انٹرنیٹ عام خیالات تھے، تخلیقی نہیں۔ تو کسی تخلیقی سوال پر اوسط AI جواب بھی عام ہوتا ہے۔ "گھر پر ورزش کے طریقے": squats، push-ups، planks۔ غلط نہیں۔ بس اوسط۔

اس سے بچنے کا راستہ کوئی جادوئی پرامپٹ نہیں۔ یہ ایک چکر ہے۔

نسخہ:

1. تمام متعلقہ سیاق آگے سے دیں۔ صرف "ورزش کے طریقے" نہیں؛ "ورزش کے طریقے یہ دیکھتے ہوئے کہ میرے گھر میں سیڑھیاں ہیں، ایک خراب گھٹنا ہے، اور میں تین دن سے زیادہ منصوبوں پر قائم نہیں رہ سکتا۔"
2. 3 سے 5 اختیارات مانگیں، ایک نہیں۔ متبادل پر مجبور کرنا ماڈل کو اس کی پہلی جبلت سے آگے دھکیلتا ہے۔
3. واضح فیڈبیک دیں۔ "مجھے اختیار 1 پسند نہیں، یہ بہت غیر فعال ہے۔ مجھے سیڑھی چڑھنے کا خیال پسند ہے مگر میں اسے مختصر چاہتا ہوں۔ میں بتانا بھول گیا کہ میرا گھٹنا جھٹکے سے بدتر ہوتا ہے۔"
4. فیڈبیک سے باخبر 3 سے 5 نئے اختیارات مانگیں۔
5. اس وقت تک دہرائیں جب تک آپ کے پاس ایک یا دو ایسے نہ ہوں جو آپ کو واقعی پسند ہوں۔
6. پھر، اور صرف تب، AI سے چنے گئے اختیار کو تفصیل سے پھیلانے کو کہیں۔

عملی مثال، قرض کی ادائیگی:

I have $8,000 in credit card debt at 19% APR, $4,000 in student
loans at 5%, and $1,200 in a retail card at 24%. I have $700/month
free after expenses. I just learned I'll get $450 in cash from a
tax refund. Risk tolerance: low. I sleep badly when I see big
balances.

Give me 5 different repayment strategies, each with a one-line
rationale. Don't expand any of them yet.

پھر، پانچ اختیارات پڑھنے کے بعد:

Reject option 2 (avalanche by interest rate alone): I want
psychological wins early. Reject option 4: I won't open new
accounts. I like option 1 (snowball with the retail card first)
but I'd want to fold the $450 in. Give me 5 new options that
combine snowball-style wins with smart use of that lump sum.

آپ AI کے آپ کا ذہن پڑھنے کا انتظار نہیں کر رہے۔ آپ اپنا ذوق دکھا رہے ہیں؛ AI اختیار کی جگہ کو اس کے گرد ڈھالتا ہے۔ دو یا تین دوروں کے بعد، آپ کے پاس ایک ایسا اختیار ہوتا ہے جو بالکل ٹھیک لگتا ہے۔ پھر پورا منصوبہ مانگیں۔

وہی چکر تحریر کے لیے کام کرتا ہے، جہاں اس کا اپنا نام ہے: مسودے سے پہلے خاکہ۔

- Iteration 1: ask for 3 outline options for a post on X.
- Iteration 2: pick one outline, ask AI to critique it and grade it out of 10. Note what scored below 9.
- Iteration 3: revise the outline based on the critique, then ask AI to expand each heading into 3 to 5 bullets.
- Iteration 4: critique the bullets, grade them out of 10, fix the ones below 9.
- Iteration 5: only now ask for the full draft.
- Iteration 6: critique the draft, grade it out of 10, ask for the changes that would raise the score the most — ranked by impact, with the highest-impact change at the top. Repeat until the score plateaus around 9.5 or higher — that is your stopping signal, not "the AI says it is done."

یہ کیوں کام کرتا ہے: ایک خاکے میں ایک لفظ ایڈٹ کرنا پورے مضمون کی سمت بدل سکتا ہے۔ ایک آخری مسودے میں ایک لفظ ایڈٹ کرنا ایک لفظ بدلتا ہے۔ تحریر میں تقریباً سارا فائدہ خاکے کی سطح پر ہوتا ہے۔ AI شروع سے ہی لفظ بہ لفظ پیدا کرتا ہے، تو جب تک آپ پہلے ساخت پر مجبور نہ کریں، یہ پوری شکل نہیں دیکھ سکتا۔

قدم نہ چھوڑیں

لالچ یہ ہوتا ہے کہ پہلی ہی کوشش میں پورا مسودہ مانگ لیں۔ اس سے بچیں۔ AI کا کسی بھی چیز کا پہلا مسودہ slop ہے: چمکدار لگتا ہے، کم کہتا ہے۔ چکر، یعنی کسی بھی مسودہ سازی سے پہلے دس یا بارہ منٹ کا ساختی کام، پھر اس کے اوپر کئی دور نمبر دینے اور ٹھیک کرنے کے، ایک بھول جانے والی پوسٹ کو ایسی پوسٹ میں بدل دیتا ہے جو اثر کرتی ہے۔ کل وقت ایک 600 لفظی ٹکڑے کے لیے شاذ و نادر ہی پینتالیس منٹ سے زیادہ ہوتا ہے۔ ان میں سے پہلے دس منٹ باقی پینتیس کو ضائع ہونے سے بچاتے ہیں۔

ایک عملی تحریری مثال۔ ایک ٹیم لیڈ ایک 600 لفظی پوسٹ لکھنا چاہتا ہے جس کا عنوان ہے "ہماری چھوٹی AI ٹیم گلیارے کے پار بڑی ٹیم سے تیز کیوں شِپ کر رہی ہے۔" یہاں ہے کہ چکر کا ہر دور عملی طور پر کیسا دکھتا ہے:

دور 1، پہلے تحقیق:

I'm writing a 600-word post arguing that small AI-augmented teams
ship faster than larger non-AI teams. Don't write yet. First, give
me the 5 strongest research-backed arguments and the 3 strongest
counter-arguments. One sentence each.

دور 2، تین خاکے:

Now produce 3 different outline options for the post. Each outline
should have 4-6 headings. They should differ in structure: one
narrative, one analytical, one contrarian. One line per heading.

دور 3، ایک چنو اور ایک تشبیہ ڈالو:

I'll go with outline 2 (analytical). I want to weave in a Pixar
analogy: how the original Toy Story team was small and faster than
the giant Disney studio because of new tools. Add this as a recurring
example, not its own section. Revise outline 2.

دور 4، نکات تک پھیلاؤ:

Now expand each heading into 3-5 bullets. Telegraphic style, not prose.

دور 5، نکات کو نمبر دو اور ٹھیک کرو:

Critique each bullet and grade it out of 10 with a one-sentence
justification. List the bullets scoring below 9. For each one,
suggest the change that would raise the score the most.

تب جا کر لیڈ پورا مسودہ مانگتا ہے، اور پھر خود مسودے پر نمبر دیتا اور دوبارہ دہراتا رہتا ہے جب تک نمبر 9.5 یا اس سے اوپر کے آس پاس ٹھہر نہ جائے۔ پورا عمل تقریباً پینتالیس منٹ لیتا ہے۔ آؤٹ پٹ ایسا پڑھا جاتا ہے جیسے لیڈ نے لکھا ہو، کیونکہ ہر بوجھ اٹھانے والا فیصلہ لیڈ کا تھا۔ "مجھے ایک پوسٹ لکھ دو" سے اوپر کے وہ اضافی پینتیس منٹ ہی ایک ایسے مسودے، جسے کوئی پڑھ کر ختم نہیں کرتا، اور ایک ایسے مسودے، جو اثر کرتا ہے، کے درمیان فرق پیدا کرتے ہیں۔

مسودے سے پہلے علاقے کا جائزہ لیں۔ اس مثال میں پہلا دور ("ابھی مت لکھو، مجھے سب سے مضبوط تحقیق پر مبنی دلائل اور جوابی دلائل دو") چھوٹا لگتا ہے مگر بھاری کام کرتا ہے۔ زیادہ تر لوگ اسے چھوڑ دیتے ہیں اور سیدھا مسودہ مانگتے ہیں۔ اسے چھوڑنا ہی وجہ ہے کہ ان کے مسودے پتلے لگتے ہیں: وہ انہی خیالات پر بنے ہوتے ہیں جو ماڈل پہلے سامنے لاتا ہے، نہ کہ موضوع کے اصل منظرنامے پر۔ مسودے سے پہلے "علاقے کا جائزہ" کا ایک دور ہی ایک ایسی پوسٹ، جو تین مطالعوں کا حوالہ دیتی ہے، اور ایک ایسی پوسٹ، جو تین رائے گناتی ہے، کے درمیان فرق ہے۔ یہ نمونہ تحریر سے کہیں آگے عام ہوتا ہے۔ کسی بھی بڑے فیصلے، منصوبے، یا تجزیے سے پہلے، AI سے کہیں کہ پہلے جو معلوم ہے اس کا نقشہ بنائے اس سے پہلے کہ آپ اس سے جو درکار ہے وہ پیدا کرنے کو کہیں۔ مصنوعے کا نام رکھنے سے پہلے مسابقتی منظرنامہ۔ حکمت عملی کے میمو سے پہلے پچھلی تحقیق۔ کوئی نیا طریقہ ڈیزائن کرنے سے پہلے موجودہ طریقے۔ تحقیق کا دور پانچ منٹ لیتا ہے اور بدل دیتا ہے کہ چکر کا ہر بعد کا دور کس کے خلاف دہرا رہا ہے۔

چکر شعبے سے آزاد ہے۔ یہ ان سب کے لیے ایک ہی طرح کام کرتا ہے: ایک سفر کا منصوبہ بنانا، ایک سیلز پچ کی ساخت بنانا، ایک کالج کا مضمون چننا، ایک مصنوعے کا نام رکھنا، ایک شادی کی تقریر لکھنا، ایک تزئین و آرائش پر فیصلہ کرنا، تعاون کے لیے ایک خیراتی ادارہ چننا۔ شکل ثابت رہتی ہے: سیاق لادیں، اختیارات کا تقاضا کریں، واضح فیڈبیک دیں، نئے اختیارات کا تقاضا کریں، دہرائیں، پھیلائیں، اور پھر نمبر دیں اور دوبارہ دہرائیں جب تک نمبر ٹھہر نہ جائے۔ اگر آپ خود کو AI کا پہلا جواب قبول کرتے، یا جیسے ہی کوئی چیز "کافی اچھی" لگے رکتے پائیں، تو آپ نے چکر چھوڑ دیا۔ آپ جس پر بھی کام کر رہے ہیں، وہ چکر کا مستحق ہے۔

روزمرہ زندگی میں چکر کہاں فٹ ہوتا ہے اس کی ایک مختصر میز:

فیصلہ یا کام	"سیاق" کیسا دکھتا ہے	"فیڈبیک کے ساتھ اختیارات" کیسے دکھتے ہیں
ایک 4 دن کے سفر کا منصوبہ	شرائط (بجٹ، تاریخیں، کون جا رہا ہے، انہیں کیا ناپسند ہے)	5 سفری ڈھانچے؛ دو رد کرو؛ باقی پر دہراؤ
ایک مصنوعے کا نام رکھنا	یہ کیا کرتا ہے، کون خریدتا ہے، اسے کیسا نہیں لگنا چاہیے	10 نام؛ 3 پسند چنو، ان پر مختلف انداز مانگو
ایک مشکل ای میل لکھنا	وصول کنندہ، رشتہ، مطلوبہ نتیجہ	3 مختلف لہجے؛ ایک چنو، اس کی تفصیلات نکھارو
ایک ٹھیکیدار چننا	تین quotes، تین حوالہ نوٹ، آپ کی ترجیحات	آمنے سامنے نمبر دینا؛ اپنے پسندیدہ کے خلاف سب سے مضبوط جواب مانگو
ایک سیکھنے کا راستہ چننا	موجودہ مہارتیں، دستیاب وقت، حتمی مقصد	3 مختلف نصابی ڈھانچے؛ ایک چنو، ہفتہ وار سنگ ہائے میل تک پھیلاؤ
ایک لوگو بریف ڈیزائن کرنا (ایک ڈیزائنر کے لیے)	برانڈ کی اقدار، سامعین، آپ کو پسند مثالیں	5 mood-board سمتیں؛ ایک چنو، اسی لین میں 5 مختلف انداز مانگو

ہر صف میں، ایک بار جب آپ کے پاس ایک ٹھوس امیدوار ہو (ایک چنا گیا سفر، ایک منتخب نام، ایک مسودہ ای میل)، تو چکر کی نمبر دینے کی چال اسی طرح لاگو ہوتی ہے: اسے اس کام کے لیے اہم معیارات پر 10 میں سے نمبر دیں، پھر دہرائیں۔ ایک سفر کو لاگت، رفتار، اور گروپ سے مطابقت پر نمبر دیں۔ ایک مصنوعے کے نام کو یادگاری، مطابقت، اور خطرے پر نمبر دیں۔ ایک ای میل کو وضاحت، لہجے، اور ممکنہ اثر پر نمبر دیں۔ معیار بدلتے ہیں؛ چال نہیں۔

---

حصہ 3: متن سے آگے

اے آئی صرف ایک ٹیکسٹ باکس نہیں۔ یہ تصاویر دیکھ سکتا ہے، دونوں طرف آڈیو کے ساتھ کام کر سکتا ہے، چھوٹی کام کرنے والی ایپس بنا سکتا ہے، اور آپ کے ڈیٹا پر کوڈ چلا سکتا ہے۔ زیادہ تر لوگ ان میں سے کبھی کچھ بھی نہیں آزماتے۔

8. Multimodal: تصاویر، آڈیو، اور آگے کیا

جدید AI تصاویر اور آڈیو کو دونوں طرف سنبھالتا ہے: یہ آپ کی اپ لوڈ کردہ تصاویر پڑھ سکتا ہے، ریکارڈنگ سن سکتا ہے، متن کے پرامپٹس سے نئی تصاویر بنا سکتا ہے، اور بولا گیا آڈیو پیدا کر سکتا ہے۔ مہارتیں ہر طرز میں مختلف ہیں، اور الگ الگ سیکھنے کے قابل ہیں۔

تصویری داخلہ۔ AI تصاویر کو موٹے طور پر دیکھتا ہے۔ یہ ان میں مضبوط ہے:

• مجموعی منظر اور ترکیب۔
• الگ، بڑی شے کی شکلیں (ایک دیوہیکل انسان جتنے بڑے ہیمسٹر وہیل ٹریڈمل)۔
• وائٹ بورڈ کا مواد، بشمول خاکے۔
• ہاتھ سے لکھی اور رواں تحریر (مناسب، اہم معاملات کے لیے دوبارہ جانچیں)۔

یہ ان میں کمزور ہے:

• باریک تفصیلات۔ "یہ کون سی جم مشینیں ہیں؟" اکثر ناکام ہوتا ہے کیونکہ تھوڑے دھندلے عدسے سے جم مشینیں ایک جیسی نظر آتی ہیں۔ AI پُراعتماد اور غلط جواب دے سکتا ہے۔
• ایک بھرے منظر میں بہت سی چھوٹی چیزیں گننا۔
• تصویر کے کنارے پر چھوٹا متن پڑھنا۔

ایک مفید حقیقی جانچ: ایک استاد نے ایک وائٹ بورڈ کی تصویر لی جہاں اس کے سر نے ایک نیورل نیٹ ورک خاکے میں لفظ "convolutional" کو چھپا دیا تھا۔ AI نے باقی خاکے سے غائب لفظ درست اخذ کر لیا۔ یہی وہ ہے جس میں AI اچھا ہے: مجموعی تاثر سے اخذ کرنا۔ یہ زوم اِن کرنے میں اچھا نہیں۔

رسیدوں، بل بانٹنے، یا ہاتھ سے لکھے نوٹ نقل کرنے کے لیے، AI اچھا کام کرتا ہے، مگر ہمیشہ کل رقمیں دوبارہ جانچیں۔ کئی تصویری داخلوں کے لیے (post-its، ایک وائٹ بورڈ کی تصویر، اور ایک ذہن سازی سے ہاتھ سے لکھے نوٹ)، AI مشترکہ خیالات کا خلاصہ کر سکتا ہے؛ یہ واقعی مفید ہے اور حقیقی وقت بچاتا ہے۔

تصویری آؤٹ پٹ۔ جدید AI متن کے پرامپٹس سے تصاویر بنا سکتا ہے۔ دو عملی نکات:

1. اپنا تصویری پرامپٹ لکھنے کے لیے ایک ٹیکسٹ AI استعمال کریں۔ "مجھے بچوں کی کتاب کے سرورق کے لیے Studio Ghibli انداز میں ایک فینٹسی جنگل کی تصویر کے لیے ایک پرامپٹ بنا دو۔" وہ آؤٹ پٹ لیں، اسے تصویری ٹول میں چسپاں کریں۔ ٹیکسٹ AI پہلی کوشش میں آپ سے کہیں بہتر بھرپور تصویری پرامپٹس لکھتا ہے۔
2. بصری ذخیرہ الفاظ بنائیں۔ cinematic، watercolor، cyberpunk، anime، isometric، low-poly، art-deco، claymation جیسے الفاظ گھنڈیاں ہیں۔ تصویری ماڈلز کیپشن والی تصاویر پر تربیت پائے اور ان اندازوں کو نام سے سیکھا۔ آپ کو پسند تصاویر اپ لوڈ کریں اور AI سے پوچھیں کہ یہ انہیں کیسے بیان کرے گا۔ یہ آپ کے ذخیرہ الفاظ کو تربیت دیتا ہے۔

تصویری پیداوار کیسے کام کرتی ہے: یہ ایک diffusion model ہے، جو بے ترتیب pixel گرڈ سے قدم بہ قدم شور ہٹانے کی تربیت پاتا ہے جب تک ایک تصویر ابھر نہ آئے۔ متن کی طرح pixel بہ pixel نہیں۔ پوری تصویر ایک ساتھ بنتی ہے۔ اسی لیے آپ وقت بچانے کے لیے تصویری پیداوار جلدی نہیں روک سکتے، جیسے آپ ایک ٹیکسٹ جواب کو روک سکتے ہیں۔

پرانے diffusion models کی مشہور کمزوریاں تھیں: عجیب ہاتھ (چھ انگلیاں)، اشاروں پر بگڑا متن، ایسے کردار جو کسی کامک میں فریم بہ فریم اپنی شکل بدل لیتے۔ جدید ماڈلز (جیسے Google کا Nano Banana یا ChatGPT Images) متن کو معقول طور پر سنبھالتے ہیں، ہم آہنگ کردار بناتے ہیں، اور تحقیقی مقالوں کو infographics میں بدل سکتے ہیں۔

جدید تصویری ماڈلز پر بھی دیکھنے کے قابل ناکامیوں کی ایک مختصر میز:

ناکامی	یہ کیسی دکھتی ہے	اسے کیسے کم کریں
اشاروں پر بگڑا متن	تصویر میں اشارہ "HAPPY BIRTHDAY" کے بجائے "HAPRY BIRTDAY" پڑھتا ہے۔	پرامپٹ میں متن کو quotes میں بتائیں۔ تین انداز بنائیں۔ وہ چنیں جہاں متن درست ہو۔
فریموں میں غیر ہم آہنگ کردار	کسی کامک کے پینل 1 اور 2 میں ایک ہی کردار کے بالوں کا رنگ مختلف ہے۔	واضح کردار ہم آہنگی کی مدد والے ماڈلز استعمال کریں؛ پہلی تصویر کو اگلی کے لیے بطور حوالہ واپس دیں۔
ہاتھ اور انگلی کی غلطیاں	چھ انگلیاں، جڑے ہاتھ، مڑی کلائیاں۔	ایسی ترکیبیں مانگیں جہاں ہاتھ جزوی طور پر فریم سے باہر، یا جیبوں میں، یا واضح طور پر بیان ہوں۔
ناقابلِ قبول اشیا کے ساتھ بھرے پس منظر	ایک کافی شاپ جہاں ایک سائیکل ایک کرسی میں گھل جاتی ہے۔	ایک سادہ پس منظر بتائیں، یا پس منظر کو واضح طور پر بیان کریں۔
غلط پہلو کا تناسب	ماڈل طے شدہ طور پر مربع کا انتخاب کرتا ہے؛ آپ کو لینڈ اسکیپ چاہیے تھا۔	ہمیشہ پہلو کا تناسب واضح طور پر بتائیں: "1024x768 لینڈ اسکیپ" یا "16:9"۔

تصویری داخلے کے لیے ایک غیر سافٹ ویئر مثال۔ ایک قاری نے ایک فوت شدہ دادی کے ہاتھ سے لکھے ترکیبی کارڈوں کا ایک ڈھیر تصویر کھینچ کر AI میں اپ لوڈ کیا۔ پرامپٹ: "ان تینوں کارڈز کو نقل کرو۔ اصل الفاظ اور کوئی بھی مخففات برقرار رکھو۔ اگر کوئی لفظ غیر واضح ہو، تو اسے [unclear] نشان زد کرو اور اپنے دو بہترین اندازے پیش کرو۔" پانچ منٹ بعد، تینوں ترکیبیں صاف ٹائپ ہو چکی تھیں، ان چار الفاظ پر [unclear] نشانات کے ساتھ جنہیں AI پُراعتماد طریقے سے نہ پڑھ سکا۔ قاری نے ان چاروں کو اصل سے ملایا (دو واضح تھے، دو کے لیے ایک خالہ کو فون کرنا پڑا)، اور خاندان کے پاس ان ترکیبوں کا ایک صاف ڈیجیٹل ذخیرہ تھا جو ضائع ہونے کے خطرے میں تھیں۔ AI نے بورنگ 90% کیا تاکہ قاری محتاط 10% پر توجہ دے سکے۔

ایک ماہر صارف کا نسخہ: کسی ڈیزائنر کے بغیر ڈیزائنر معیار کے خاکے۔ اگر آپ کو کبھی کسی دستاویز، کسی سلائیڈ، یا اپنے کسی باب کے لیے خاکہ بنانا ہو، تو ایک ورک فلو ہے جو تقریباً پندرہ منٹ میں ڈیزائنر معیار کا آؤٹ پٹ پیدا کرتا ہے، Figma استعمال کیے بغیر اور کسی بصری ڈیزائن مہارت کے بغیر۔ زیادہ تر غیر ڈیزائنر نہیں جانتے کہ یہ اب ممکن ہے۔ یہ کسی ڈیزائن ٹول کو سیکھے بغیر ڈیزائنر معیار کے خاکے بنانے کا سب سے آسان طریقہ ہے۔ یہ حصہ صفحے کی کسی بھی اور چیز سے زیادہ تفصیلی ہے؛ اگر آپ باقاعدگی سے خاکے بناتے ہیں تو اسے ابھی پڑھیں، یا پہلی بار جب آپ کو کسی کی ضرورت ہو اس کے لیے چھوڑ دیں۔

نسخہ، چار قدموں میں:

1. Claude سے تصور کو SVG کے طور پر تصوّر کرنے کو کہیں۔ بنیادی پیراگراف یا متن چسپاں کریں۔ پوچھیں: "اسے ایک خاکے کے طور پر تصوّر کرو۔ اسے SVG کے طور پر آؤٹ پٹ کرو۔ یقینی بناؤ کہ متن کا ہر لیبل، تیر، اور رشتہ موجود ہو۔" اس قدم کے لیے Claude ایک مضبوط انتخاب ہے کیونکہ اس کی استدلال کی صلاحیت بڑے ماڈلز میں سب سے مضبوط میں سے ہے: ایک پیراگراف دیا جائے تو یہ بہت کم رہنمائی کے ساتھ درست خانے، درست تیر، درست درجہ بندی، اور درست لیبل طے کر لیتا ہے۔ جو SVG یہ واپس دیتا ہے وہ ساخت میں درست مگر بصری طور پر سادہ ہوگا (سادہ مستطیل، طے شدہ فونٹ، کوئی ڈیزائن نکھار نہیں)۔ یہ ٹھیک ہے؛ اگلا قدم نکھار ڈالتا ہے۔
2. SVG کو PNG میں بدلیں۔ Claude سے SVG کو PNG کے طور پر رینڈر کرنے کو کہیں (Claude یہ براہِ راست کر سکتا ہے)، یا کوئی بھی آن لائن SVG-to-PNG converter استعمال کریں (cloudconvert.com، svgtopng.com)، یا بس براؤزر میں اونچے zoom پر رینڈر کیے گئے SVG کا سکرین شاٹ لے لیں۔ 2× ریزولیوشن (1600 سے 2400 pixels چوڑا) پر رینڈر کریں تاکہ اگلے قدم کے پاس کام کرنے کے لیے کافی تفصیل ہو۔
3. PNG کو ChatGPT (یا Gemini) میں چسپاں کریں اور اسے دوبارہ کھینچنے کو کہیں۔ ChatGPT کی اندرونی تصویری پیداوار اس قدم کے لیے مضبوط ہوتی ہے کیونکہ یہ متن سے بھری تصاویر میں غیر معمولی طور پر اچھا ہے: یہ لیبل برقرار رکھتا ہے، typography ٹھیک رکھتا ہے، اور ماخذ میں ساختی رشتوں کا احترام کرتا ہے۔ پرامپٹ: "اس خاکے کو پیشہ ورانہ ڈیزائن معیار کے ساتھ دوبارہ کھینچو۔ ہر لیبل، ہر خانہ، ہر تیر، اور عین ساختی رشتے برقرار رکھو۔ typography، فاصلہ، رنگ، اور بصری درجہ بندی بہتر کرو۔ معلومات ویسی ہی رہنی چاہیے؛ صرف بصری نکھار بدلتا ہے۔"
4. نتیجے پر دہرائیں۔ ChatGPT/Gemini کبھی کبھی ایک لیبل گرا دیتا ہے یا ایک خانہ ادھر ادھر کر دیتا ہے۔ اس کے آؤٹ پٹ کا اصل SVG سے آمنے سامنے موازنہ کریں۔ اگر کچھ غلط ہو، تو بس درستی ٹائپ کر دیں: "تیسرے خانے کا لیبل 'Iterate' ہونا چاہیے، 'Repeat' نہیں۔ خانہ 2 سے تیر کو خانہ 3 کی طرف اشارہ کرنا چاہیے، خانہ 4 کی طرف نہیں۔" تین یا چار دور عام طور پر ایسا کچھ پیدا کرتے ہیں جو ایک پیشہ ور ڈیزائن اسٹوڈیو سے آیا لگتا ہے۔ آخری PNG محفوظ کر لیں۔

ہر قدم کے لیے ہر ٹول کیوں۔ Claude قدم 1 میں جیتتا ہے کیونکہ یہ طے کرنا کہ خاکے میں کیا آنا چاہیے (کون سے خانے، کون سے تیر، کون سی درجہ بندی) ایک استدلال کا کام ہے، اور Claude کا استدلال اس قسم کے ساختی سوچ کے کام کے لیے بڑے ماڈلز میں سب سے مضبوط میں سے ہے۔ ChatGPT (یا Gemini) قدم 3 میں جیتتا ہے کیونکہ متن سے بھری تصاویر اچھی رینڈر کرنا (لیبل جو پڑھنے کے قابل رہیں، تیر جو درست خانوں سے جڑیں، خاکے جو ڈیزائن شدہ لگیں) وہ زمرہ ہے جہاں اس کی تصویری پیداوار اس وقت آگے ہے۔ کسی بھی ٹول سے دوسرے کا کام کرنے کو کہنا انہیں آپس میں جوڑنے سے واضح طور پر بدتر نتائج پیدا کرتا ہے۔ ہر ایک وہ کرتا ہے جس میں یہ بہترین ہے، ترتیب وار۔

کل وقت: فی خاکہ تقریباً دس سے پندرہ منٹ، Figma میں ایک گھنٹے یا اس سے زیادہ کے مقابلے میں، یہ فرض کرتے ہوئے کہ آپ اسے استعمال کرنا جانتے تھے۔

وہ نمونہ جو ٹولز سے بچ جاتا ہے۔ ہر زمرے کا سرکردہ بدلتا رہے گا۔ اگلے سال Claude سب سے مضبوط استدلال کا ماڈل نہ ہو۔ آج کا سرکردہ تصویری ماڈل اس سے بدل جائے گا جو آگے آئے گا۔ اوپر کا نسخہ ٹول کی سطح پر باسی ہو جائے گا۔ جو بچ جاتا ہے: پہلے سب سے مضبوط استدلال کے ماڈل میں ساخت، پھر سب سے مضبوط متن سے بھرے تصویری ماڈل میں نکھار۔ جو بھی ٹول اس لمحے جب آپ یہ پڑھیں ہر زمرے میں آگے ہوں انہیں چنیں۔ دو قدم کی زنجیر ہی اصل چال ہے۔

تصویری پیداوار کے بارے میں ایک چھوٹی کہانی۔ ایک باپ جس کی 7 سالہ بیٹی کو بلیاں پسند تھیں اس کے لیے ایک خاص سالگرہ کا کیک چاہتا تھا۔ اس نے کیک کے ڈیزائن پر ذہن سازی کے لیے Nano Banana استعمال کیا (درجنوں قسمیں پیدا کیں: بلی کی شکل، کئی منزلہ، frosting کے انداز، رنگ)، وہ چنا جو اسے پسند آیا، پھر چنی گئی تصویر ایک بیکر کے حوالے کی جس نے اسے ایک حقیقی 3D کیک کے طور پر بنایا۔ ڈیزائن پر کل دہرائی کا وقت: ایک دوپہر۔ کل لاگت: تصویری پیداوار میں چند پیسے۔

بات کیک کی نہیں ہے۔ بات یہ ہے کہ تقریباً $0.30 اور ذوق سے چلنے والی دہرائی کے ایک گھنٹے میں، ایک شخص جو ڈیزائنر نہیں ایک منفرد بریف پیدا کرتا ہے جس پر ایک پیشہ ور عمل کر سکتا ہے۔ یہ تخلیقی فائدے کی ایک نئی قسم ہے، اور یہ وسیع پیمانے پر دستیاب ہے۔

آڈیو اندر، آڈیو باہر۔ وہی تبدیلی جو تصاویر کے ساتھ ہوئی اب آڈیو کے ساتھ ہو رہی ہے۔ آپ ٹائپ کرنے کے بجائے ایک لمبا پرامپٹ بول سکتے ہیں؛ آپ ایک میٹنگ کی ریکارڈنگ ڈال کر خلاصہ مانگ سکتے ہیں؛ آپ ماڈل سے اپنا جواب بلند آواز میں پڑھنے کو کہہ سکتے ہیں۔ زیادہ تر جدید AI ٹولز تینوں کی مدد کرتے ہیں، اکثر مفت درجوں پر کسی اضافی فیس کے بغیر۔

غیر واضح استعمال وہیں ہیں جہاں اصل فائدہ ہے:

• طویل صورت میں ڈکٹیشن۔ کسی مسئلے پر بلند آواز میں بات کرنا وہ باریکی پکڑتا ہے جو ٹائپ شدہ پرامپٹس چھوڑ دیتے ہیں۔ جو لوگ ٹائپ کرنے سے نفرت کرتے ہیں وہ بولنے پر ڈرامائی طور پر بہتر پرامپٹس پیدا کرتے ہیں: پرامپٹ بغیر محنت کے ایک سطر سے کئی پیراگراف تک بڑھ جاتا ہے، اور AI کا جواب بھی اسی حساب سے بہتر ہوتا ہے۔ ایسے بولیں جیسے کافی پر کسی ساتھی کو بریف کر رہے ہوں، پھر AI کو جواب دینے سے پہلے نتیجے میں آنے والی نقل صاف کرنے دیں۔
• میٹنگ کی نقلیں بطور سیاق۔ ایک گھنٹے کی میٹنگ کی ریکارڈنگ (یا 2026 کے کسی غالب وینڈر جیسے Otter، Granola، یا Fireflies سے ایک نقل، یا اپنے فون کے voice memos) ڈالیں اور پوچھیں: "کیے گئے فیصلوں، کھلے سوالوں، اور مالک کے حساب سے کارروائی کے نکات کا خلاصہ کرو۔" یہ میٹنگوں والی نوکری میں کسی کے لیے بھی صفحے کے سب سے زیادہ فائدہ مند ورک فلوز میں سے ایک ہے، اور ٹیک کے باہر تقریباً کوئی بھی اسے ابھی استعمال نہیں کر رہا۔
• رسائی اور حرکت کے لیے آڈیو۔ لمبا سفر، کتے کو چہل قدمی، گاڑی چلانا: آواز اندر/آواز باہر مردہ وقت کو سوچنے کے وقت میں بدل دیتا ہے۔ ٹائپنگ کے مقابلے گفتگو کا معیار تھوڑا گرتا ہے کیونکہ آپ اپنا داخلہ اتنی صفائی سے ایڈٹ نہیں کر سکتے، مگر وہ وقت جو آپ ورنہ کھو دیتے پوری طرح بحال ہو جاتا ہے۔

2026 میں آڈیو کس میں اچھا اور برا ہے:

آڈیو کام	یہ کتنا اچھا کام کرتا ہے	کس سے ہوشیار رہیں
صاف تقریر کی نقل	بہترین	بھاری لہجے، تکنیکی اصطلاحات، ایک ساتھ بولتے کئی بولنے والے
بولنے والے کی شناخت (کس نے کیا کہا)	2 بولنے والوں پر مناسب، 4+ پر کمزور	کسی کا قول نقل کرنے سے پہلے ہمیشہ جانچیں
لہجہ، طنز، جذبہ	بہتر ہو رہا مگر بھروسے کے قابل نہیں	ماڈل سے کہیں کہ وہ اپنی غیر یقینیت نشان زد کرے بجائے فرض کرنے کے
موسیقی یا غیر تقریری آڈیو کا تجزیہ	محدود	ایک خصوصی ٹول استعمال کریں، عام مقصد والا AI نہیں
حقیقی وقت کی آواز گفتگو	آرام دہ کے لیے اچھا، تکنیکی گہرائی کے لیے کمزور	جب درستی اہم ہو تو متن پر منتقل ہوں

ایک غیر سافٹ ویئر مثال۔ ایک ڈاکٹر نے ایک 45 منٹ کی مریض مشاورت ریکارڈ کی (رضامندی کے ساتھ)، آڈیو اپ لوڈ کیا، اور AI سے پوچھا: "SOAP فارمیٹ میں ایک ساختہ کلینیکل نوٹ پیدا کرو۔ جو بھی تم پُراعتماد طریقے سے نہ سمجھ سکو اسے نشان زد کرو۔ مریض نے اپنی علامات کی تاریخ کے بارے میں جو تین سب سے اہم باتیں کہیں انہیں نمایاں کرو۔" آٹھ منٹ بعد ڈاکٹر کے پاس ایک مسودہ نوٹ تھا جسے جانچنے اور حتمی شکل دینے میں اسے 5 منٹ لگے، اس کے بجائے کہ ٹائپ شدہ نسخے میں 25 منٹ لگتے۔ AI نے کلینیکل فیصلے کی جگہ نہیں لی؛ اس نے ٹائپنگ ہٹا دی۔

لاگت نوٹ: آڈیو اندر/باہر متن کے بعد دوسرا سب سے سستا درجہ ہے، فی منٹ پیسوں میں (تصور 12)۔ میٹنگ کے خلاصوں، روزانہ آواز میں ڈائری، یا چہل قدمی پر پرامپٹس بولنے کے لیے، لاگت بنیادی طور پر غیر مرئی ہے۔ آزادانہ دہرائیں۔

ذہن میں رکھنے کے قابل ایک نمونہ: multimodal کا مستقبل "AI اب آواز کر سکتا ہے، کیا یہ زبردست نہیں" نہیں ہے۔ یہ یہ ہے کہ طرزوں کے درمیان سرحد مٹ جاتی ہے۔ آپ تیزی سے ایک ملا جلا بنڈل (ایک تصویر، ایک voice memo، ایک PDF، ایک سکرین شاٹ) ڈالیں گے اور اسے ایک پرامپٹ کی طرح برتیں گے۔ مہارت "میں آواز کیسے استعمال کروں" نہیں بلکہ "اس کام کے لیے داخلوں کا درست امتزاج کیا ہے؟" ہے۔

انٹرایکٹو ویڈیو avatars اسی رجحان پر ابھر رہے ہیں۔ پہلے سے ریکارڈ شدہ avatar ویڈیو (HeyGen، Synthesia، D-ID) تربیتی مواد اور کثیر لسانی کارپوریٹ مواصلت کے لیے پہلے ہی پیداواری معیار کا ہے۔ حقیقی وقت کے گفتگو والے avatars (Tavus اور دیگر) آج کم اہمیت والے استعمال کے لیے قابلِ قبول ہیں (کسٹمر FAQ چھانٹنا، چہرے کے ساتھ زبان کی تربیت، سادہ onboarding کے بہاؤ) اور تیزی سے بہتر ہو رہے ہیں۔ انہیں 2022 کی تصویری پیداوار کی طرح برتیں: متاثر کن، نیا، زیادہ تر علمی کام کے لیے ابھی روزمرہ عادت نہیں، مگر ایک تیز تجربے کے قابل جب کوئی کام متن کے بجائے اسکرین پر ایک چہرہ مانگے۔

9. ایک پرامپٹ سے چھوٹی ایپس بنانا

جدید AI ایک ہی پرامپٹ سے چھوٹے کھیل، ویب سائٹس، اور ٹولز بنا سکتا ہے۔ ابھی بڑے سافٹ ویئر کے لیے نہیں، مگر چھوٹی مفید چیزوں کے لیے، یہ ان لوگوں کے لیے بھی واقعی قابلِ رسائی ہے جنہوں نے کبھی کوڈ نہیں لکھا۔

ایپ دراصل کہاں چلتی ہے، اور آپ بعد میں اس کے ساتھ کیا کر سکتے ہیں۔ ایک معقول پہلا سوال: "اگر AI میرے لیے ایک ایپ بنائے، تو یہ دراصل کہاں رہتی ہے؟" 2026 کے وسط تک، تینوں بڑے ٹولز چھوٹی ایک پرامپٹ والی ایپس کو چیٹ میں ہی رینڈر کرتے ہیں، ایک سائیڈ پینل میں جسے آپ کلک کر کے اس کے ساتھ کام کر سکتے ہیں، اور اس پینل میں موجود چیز صرف ایک پیش منظر نہیں، یہ ایک artifact ہے: ایک مستقل شے جو گفتگو نے پیدا کی، جسے آپ ایڈٹ کر سکتے، دہرا سکتے، ایک قابلِ اشتراک لنک پر شائع کر سکتے، کہیں اور سرایت کر سکتے، یا کوڈ کے طور پر ڈاؤن لوڈ کر سکتے ہیں۔ اس فیچر کو Claude میں Artifacts کہتے ہیں (جہاں سے یہ نام آیا)، ChatGPT میں Canvas، اور Gemini میں Canvas۔ ایک سال پہلے ان کے درمیان نمایاں فرق تھے؛ آج زیادہ تر ایک پرامپٹ والی تعمیر کے لیے یہ فاصلہ چھوٹا ہے۔ ہر ایک کی اب بھی چھوٹی خوبیاں ہیں، یعنی Claude کے Artifacts انٹرایکٹو کلک اور کھیلنے والی چیزوں میں آگے، ChatGPT کا Canvas تحریر اور کوڈ ایڈٹنگ میں، Gemini کا Canvas گہرے مربوط Google ماحول کے آؤٹ پٹ میں، مگر "میرے لیے ایک چیز بنا دو" کے لیے، تینوں میں سے کوئی بھی کام کرے گا۔ جاننے کے قابل دو عملی نتائج۔ پہلا، آپ artifact کو کسی اور کے حوالے چیٹ بھیجے بغیر کر سکتے ہیں: زیادہ تر ٹولز آپ کو ایک عوامی لنک پر شائع کرنے دیتے ہیں، اور وصول کنندہ کو اسے استعمال کرنے کے لیے اکاؤنٹ کی ضرورت نہیں۔ دوسرا، artifact قابلِ دہرائی ہے، جب آپ کہتے ہیں "بٹن بڑا کرو" یا "ایک ڈارک موڈ ٹوگل ڈالو،" تو ٹول پوری چیز کو نئے سرے سے بنانے کے بجائے artifact کو موقع پر ایڈٹ کرتا ہے، جو ڈرامائی طور پر تیز ہے۔ ایک پرامپٹ والی تعمیر سے آگے کسی بھی چیز کے لیے، تین قریبی زمرے جاننے کے قابل ہیں: مخصوص AI ایپ بنانے والے جیسے v0، Bolt، اور Lovable (آپ سادہ زبان میں ایک ایپ بیان کرتے ہیں، وہ ایک مکمل Next.js یا React پروجیکٹ پیدا کرتے ہیں، یعنی غیر ڈویلپرز کے لیے تصور 9 کا قدرتی اگلا قدم)؛ کمانڈ لائن AI کوڈنگ ایجنٹس جیسے Claude Code اور OpenCode (آپ انہیں ایک حقیقی کوڈ بیس دیتے ہیں، وہ ایک ساتھ کئی فائلیں ایڈٹ کرتے اور ٹیسٹ چلاتے ہیں، اس صفحے کے اوپر 2022 سے تبدیلیوں کی فہرست میں شامل، ان ڈویلپرز کے لیے جو پہلے سے کوڈ لکھتے ہیں)؛ اور فائل سے واقف ڈیسک ٹاپ ایپس جیسے Cowork اور OpenWork (وہ آپ کی فائلیں ڈھونڈتی اور اجازت کے ساتھ ان پر عمل کرتی ہیں، تصور 11 میں شامل، علمی کارکنوں کے لیے، سافٹ ویئر بنانے کے لیے نہیں)۔ درست ٹول اس پر منحصر ہے کہ آپ کون سی سیڑھی چڑھ رہے ہیں۔

نسخہ بس تین خانے ہیں:

Goal: what should this thing do?
Input: what does the user provide?
Output: what does the user see?

ایسی مثالیں جو آج کام کرتی ہیں:

• Pomodoro ٹائمر۔ "ایک پیلے تھیم کے ساتھ Pomodoro ٹائمر بناؤ۔ 25 منٹ کے کام کے سیشن، 5 منٹ کے وقفے، ہر چکر ختم ہونے پر ایک خوشگوار کلک۔"
• بل بانٹنے والا۔ "ایک ایپ بناؤ جہاں میں کل بل، ایک ٹیکس رقم، اور دوستوں کے نام داخل کروں۔ یہ بل کو ٹیکس سمیت بانٹے اور ہر شخص کا حصہ دکھائے۔"
• لباس چننے والا۔ "ایک ایپ بناؤ جو آج کا موسم (درجہ حرارت اور بارش) لے اور ان اشیا کی الماری سے ایک لباس تجویز کرے جنہیں میں بیان کرتا ہوں۔"
• آتش بازی simulator۔ "ایک مزے دار آتش بازی simulator بناؤ۔ داخلہ: میں اسکرین پر کلک کرتا ہوں۔ آؤٹ پٹ: کلک کی جگہ پر آتش بازی کا ایک رنگین مظاہرہ۔"
• رکاوٹ رکھنے والا کھیل۔ "ایک کھیل بناؤ جہاں صارف رکاوٹیں اور ایک ہدف رکھے، اور ایک simulation چلائے جو ہدف تک پہنچنے کی کوشش کرے۔"

جو ابھی مشکل ہے:

• انٹرنیٹ پر ملٹی پلیئر۔ نیٹ ورکنگ، اکاؤنٹس، اور میچ میکنگ ابھی بھی ایک پرامپٹ والی تعمیر سے باہر ہیں۔
• مختلف زبان میں زندہ AI فیڈبیک۔ ایک فرانسیسی گفتگو کا استاد جو سنے، تلفظ ٹھیک کرے، اور حقیقی وقت میں ڈھلے، واقعی مشکل ہے۔

جو سمجھ آپ بناتے ہیں: ایک اسکرین پر فٹ آنے والی چھوٹی چیزیں، بغیر اکاؤنٹس اور بغیر بیرونی خدمات کے، کام کرتی ہیں۔ اس سے آگے کسی بھی چیز کو ایک سے زیادہ پرامپٹ، اور عام طور پر کچھ حقیقی انجینئرنگ چاہیے۔

ایک غیر سافٹ ویئر مثال۔ ایک والد نے اپنی بیٹی کے لیے ایک پیلا بلی والا ٹائپنگ کھیل بنایا جب اس کی استانی نے ذکر کیا کہ بچے تیز ٹائپ کر سکتے ہیں۔ وہ سافٹ ویئر انجینئر نہیں۔ پرامپٹ تین جملے تھا:

Build a typing game for a 7-year-old. Goal: practice typing
common short words. Input: words appear, the player types them
before they reach the bottom of the screen. Output: a yellow
theme, a cute cat mascot that cheers when the player gets a
word right, increasing speed across levels.

جو واپس آیا وہ کام کرتا تھا۔ مکمل طور پر نہیں، پہلی کوشش میں نہیں، مگر ایک گھنٹے کے اندر "ایک بچے کے لیے کافی اچھا" تک دہرایا گیا۔ یہاں جو مہارت بن رہی ہے وہ کوڈنگ نہیں۔ یہ ایک واضح بریف لکھنے اور اسے دہرانے کی صلاحیت ہے۔ وہ مہارت آفاقی ہے۔

10. ڈیٹا کا تجزیہ (ماڈل کوڈ لکھتا اور چلاتا ہے)

جب آپ AI سے ایسا سوال پوچھتے ہیں جسے حساب یا گراف کی ضرورت ہو، یعنی "میرا بجلی کا بل اس سال کیسے بدلا" سے لے کر "پچھلی سہ ماہی میں کون سی مصنوعات سب سے زیادہ بکیں" تک، تو جدید ٹولز خاموشی سے کچھ قابلِ ذکر کرتے ہیں: ماڈل کوڈ لکھتا ہے، اسے چلاتا ہے، اور نتیجہ واپس دیتا ہے۔ کوڈ چلانا بس ایک اور ٹول ہے جسے ماڈل بلا سکتا ہے، web search کی طرح۔ آپ کو خود کوئی کوڈ جاننے کی ضرورت نہیں؛ آپ بس اپنا spreadsheet اپ لوڈ کرتے ہیں اور سادہ زبان میں پوچھتے ہیں۔

یہ ماڈل سے ذہن میں حساب کرنے کو کہنے سے کہیں زیادہ قابلِ اعتماد ہے۔ ماڈل اسی طرح حساب کر رہا ہے جیسے آپ کرتے: ایک کیلکولیٹر چلا کر۔ کیلکولیٹر ہی ہے جو درست ہے؛ ماڈل بس چن رہا ہے کہ کیا حساب لگانا ہے۔

سب سے پہلے: یقینی بنائیں کہ AI واقعی کوڈ چلاتا ہے، بجائے اندازہ لگانے کے۔ یہ اس پورے حصے کی خاموش ناکامی ہے، اور یہی وجہ ہے کہ یہ سب سے اوپر آتا ہے: AI ہر سوال پر خودبخود کوڈ نہیں چلاتا، یہ چنتا ہے، اس بنیاد پر کہ سوال کیسے پوچھا گیا۔ چھوٹے سوالوں پر یہ کبھی کبھی کوڈ چھوڑ دیتا ہے اور ایک نظر میں جواب دے دیتا ہے، جو ایک پُراعتماد لگتا پیراگراف پیدا کرتا ہے جس کے پیچھے کوئی حقیقی حساب نہیں۔ باہر سے یہ ایک حقیقی تجزیے جیسا ہی دکھتا ہے۔ تین چھوٹی عادتیں اسے روکتی ہیں۔ پہلی، واضح طور پر مانگیں۔ "اس کا جواب دینے کے لیے کوڈ لکھو اور چلاؤ۔ جو کوڈ چلایا وہ مجھے دکھاؤ۔" زیادہ تر ماڈل جب آپ مانگیں تو مان لیتے ہیں۔ وہ ایک سطر، کسی بھی ڈیٹا پرامپٹ میں چسپاں کی جائے، ایک حقیقی تجزیے اور ایک معقول اندازے کے درمیان فرق پیدا کرتی ہے۔ دوسری، جانچیں کہ کوڈ واضح طور پر موجود ہے۔ اگر جواب میں ایک ایسا کوڈ بلاک شامل نہیں جو چلا، تو ماڈل نے غالباً کوڈ نہیں چلایا۔ تیسری، تجزیے سے پہلے ایک قابلِ تصدیق مخصوص بات کا تقاضا کریں۔ "کسی چیز کا تجزیہ کرنے سے پہلے مجھے اس فائل کی عین قطار کی گنتی، کالم کے نام، اور تاریخ کی حد بتاؤ۔" اگر ماڈل واقعی فائل پڑھ رہا ہے، تو وہ جواب درست ہوں گے۔ اگر یہ باتیں بنا رہا ہے، تو قطار کی گنتی مشکوک طور پر گول عدد ہوگی اور کالم کے نام معقول مگر غلط ہوں گے۔ اس چال کا سب سے مضبوط نسخہ یہ ہے کہ ماڈل سے کہیں کہ پہلے اپنا طریقہ بتائے: "کیا تم فائل پر کوڈ چلا رہے ہو، یا اندازہ لگا رہے ہو؟ اگر اندازہ لگا رہے ہو، تو رکو اور اس کے بجائے کوڈ چلاؤ۔" زیادہ تر ماڈل یا تو ٹول بلائیں گے یا تسلیم کریں گے کہ وہ چھوڑنے ہی والے تھے۔

ایک بار جب آپ کے پاس وہ عادت ہو، تو اس حصے کا باقی حصہ یہ ہے کہ ڈیٹا کا تجزیہ عملی طور پر کیسا دکھتا ہے۔

Bubble tea شاپ مثال۔ ایک چھوٹے کاروبار کے پاس ایک سال کا فروخت کا ڈیٹا ہے: مشروبات، تاریخیں، مقدار۔ مالک پوچھتا ہے: "کن مشروبات کی فروخت میں سال بھر میں سب سے بڑی تبدیلیاں آئیں؟ انہیں گراف کرو۔ اس کا جواب دینے کے لیے کوڈ لکھو اور چلاؤ اور جو کوڈ چلایا وہ مجھے دکھاؤ۔"

پردے کے پیچھے، AI ایک مختصر پروگرام لکھتا ہے، اسے spreadsheet پر چلاتا ہے، نتائج دیکھتا ہے، اور انہیں ایک جواب میں بدلتا ہے۔ عملی طور پر یہ ایسا دکھتا ہے: AI فی مشروب ماہ بہ ماہ تبدیلیاں حساب کرتا ہے، دیکھتا ہے کہ زیادہ تر مشروبات یکساں ہیں اور چار نمایاں ہیں، ان چار کا ایک رنگین لائن گراف پیدا کرتا ہے، اور نمونے نوٹ کرتا ہے۔ "Strawberry matcha بہار میں تیزی سے بڑھا؛ اگلے سال وہ مہم دوبارہ چلانے پر غور کرو۔" یہ کوئی عام جواب نہیں۔ یہ ایک ایسا جواب ہے جو اصل ڈیٹا پر مبنی ہے۔

پھر ایک بڑا پرامپٹ: "شاپ کے لیے ایک سلائیڈ والا سال کے جائزے کا گرافک بناؤ۔ نمایاں کرنے کے قابل بصیرتوں کے لیے ڈیٹا کا غور سے تجزیہ کرو۔" یہ ایک بھاری کام ہے، تو AI اسے حل کرنے میں زیادہ وقت لیتا ہے، کبھی کبھی چند منٹ۔ یہ کوڈ لکھتا ہے، تجزیے چلاتا ہے، بصیرتیں چنتا ہے، تشریحات ڈیزائن کرتا ہے، اور ایک مکمل ڈیش بورڈ پیدا کرتا ہے۔

یہ کس کے لیے اچھا ہے، ان مثالوں کے ساتھ جو ابتدائی لوگوں کے پاس واقعی ہوتی ہیں:

• گھریلو اخراجات۔ بینک یا کریڈٹ کارڈ کے لین دین کا ایک سال اپ لوڈ کریں؛ پوچھیں کون سے زمرے بڑھے، کون سے مہینے غیر معمولی تھے، کون سی سبسکرپشن آپ بھول گئے۔
• ذاتی سراغ رسانی۔ دوڑنا، چہل قدمی، نیند، وزن، اسکرین کا وقت، کوئی بھی ایپ جو ایک CSV برآمد کرتی ہے آپ کو دیکھنے کے لیے اپنا ایک سال دے گی۔
• چھوٹے کاروبار کے ریکارڈ۔ فروخت کے spreadsheets، انوینٹری کی فہرستیں، گاہکوں کی فہرستیں، اخراجات کی فائلیں۔
• کوئی بھی چیز جو کسی نے آپ کو ایک spreadsheet کے طور پر دی اور آپ اسے کھولنا نہیں چاہتے: اسکول کے گریڈ کی رپورٹیں، یوٹیلیٹی استعمال کے بیانات، سائنسی ڈیٹا، سروے کے نتائج۔

کیا دوبارہ جانچنا ہے، تب بھی جب کوڈ چلا:

• حتمی کل رقمیں۔ کوڈ درست ہے، مگر AI نے شاید غلط کالم جمع کیا ہو۔
• گرافوں پر لیبل۔ اعداد عموماً درست ہوتے ہیں؛ کیپشن کبھی کبھی پُراعتماد طریقے سے غلط ہوتے ہیں۔
• کوئی بھی چیز جہاں تجزیہ کسی ایسے کالم پر منحصر ہو جسے AI نے شاید غلط سمجھا۔ اگر AI سمجھے کہ "TXN_AMT" کا مطلب لین دین کی رقم ہے جبکہ دراصل اس کا مطلب لین دین کھاتہ نمبر ہے، تو پورا تجزیہ ریت پر بنا ہے۔

قابلِ اعتمادیت یادداشت پر مبنی حساب سے بہت زیادہ ہے، مگر یہ بے خطا نہیں۔ AI کے ڈیٹا تجزیے کو ایسے برتیں جیسے آپ ایک تیز جونیئر تجزیہ کار کے کام کو برتیں: مفید، تیز، تقریباً ہمیشہ درست، کبھی کبھار سبق آموز طریقوں سے غلط۔

ایک غیر سافٹ ویئر مثال۔ ایک دوڑنے والے نے دوڑ کے سراغ رساں ڈیٹا کے چھ مہینے اپ لوڈ کیے (ایک فٹنس ایپ سے ایک CSV) اور پوچھا: "میری رفتار اور فاصلہ کیسے ترقی کر رہے ہیں؟ کیا کوئی نمونے ہیں جو مجھے جاننے چاہئیں؟ کوڈ لکھو اور چلاؤ، اور جو چلایا وہ مجھے دکھاؤ۔" AI نے کوڈ لکھا، ہفتہ وار اوسط چارٹ کیے، اور دو چیزیں دیکھیں جو دوڑنے والے نے نہیں دیکھی تھیں: رفتار ہر لمبی دوڑ کے اختتامِ ہفتہ کے بعد مستقل گرتی تھی (غالباً تھکن)، اور فاصلہ تیسرے مہینے میں ٹھہر گیا اس سے پہلے کہ دوبارہ چڑھے۔ سفارش: ہر چوتھے ہفتے ایک deload ہفتہ، اور ایک سست لمبی دوڑ کی رفتار۔ دوڑنے والا اسی ڈیٹا کو ایپ کے ڈیش بورڈ میں مہینوں گھورتا رہا تھا بغیر وہ نمونے دیکھے۔ AI نے کہیں سے بصیرت ایجاد نہیں کی؛ اس نے وہ حساب لگایا جو دوڑنے والے کے پاس لگانے کا وقت نہیں تھا۔

ایک مفید نمونہ: وہ چارٹ مانگیں جو یہ کھینچے گا

جب آپ ڈیٹا اپ لوڈ کریں، تو آپ کا پہلا پرامپٹ سوال ہونا ضروری نہیں۔ یہ ہو سکتا ہے: "اس ڈیٹاسیٹ کو بیان کرو۔ یہاں کون سے کالم ہیں، وہ کیا ظاہر کرتے ہیں، اور کون سے 3 چارٹ سب سے بہتر دکھائیں گے کہ کیا ہو رہا ہے؟" جواب پڑھیں، وہ چارٹ چنیں جو آپ چاہتے ہیں، پھر اسے مانگیں۔ یہ غلط سمجھے گئے کالموں کو غلط تجزیے بننے سے پہلے پکڑ لیتا ہے۔

---

حصہ 4: محفوظ طریقے سے کام کرنا اور ٹولز چننا

تین آخری تصورات: AI کو اپنی فائلوں اور اجازتوں تک محفوظ طریقے سے رسائی کیسے دیں، کام کے لیے درست ٹول کیسے چنیں، اور جب کمرے میں کوئی انسانی ماہر نہ ہو تو معیار پر معروضی اشارہ کیسے حاصل کریں۔

11. AI ڈیسک ٹاپ ایپس اور اجازتیں

اب مصنوعات کی ایک پوری قسم ہے جسے AI ڈیسک ٹاپ ایپس کہتے ہیں: ایپس جو آپ کے کمپیوٹر پر چلتی ہیں اور، اجازت کے ساتھ، آپ کی فائلیں ڈھونڈ سکتی، پڑھ سکتی، اور ان پر عمل کر سکتی ہیں۔ Claude کا Cowork اور OpenWork دو مثالیں ہیں، اور یہ قسم بڑھ رہی ہے۔

یہ کیا کر سکتی ہیں جو چیٹ نہیں کر سکتی:

• بکھرے ہوئے PDFs کے فولڈر میں دیکھیں، ایک نئی تنظیم تجویز کریں (فائلوں کا نام بدلیں، انہیں منتقل کریں، ذیلی فولڈر بنائیں)، اور آپ کی منظوری کے بعد منصوبے پر عمل کریں۔
• ایک پروجیکٹ کے لیے متعلقہ فائلیں اکٹھی کریں (آپ کہتے ہیں "میں ان تاریخوں پر فلم بنا رہا ہوں اور یہ لوگ شامل ہیں")، اور خود ہی چیزیں دیکھیں (کسی عملے کے رکن کی سالگرہ شوٹ کے دوران آتی ہے، کیا آپ ایک جشن شامل کرنا چاہتے ہیں)۔
• ایک فولڈر میں پڑھیں اور خلاصہ کریں: "اس projects/ فولڈر کے مواد کی بنیاد پر، میں نے پچھلی سہ ماہی میں کس پر کام کیا؟"

وہ ورک فلو جو اسے محفوظ بناتا ہے:

1. اسے کام بتائیں۔ ("اس فولڈر کو گاہک کے حساب سے دوبارہ ترتیب دو۔")
2. عمل نہیں، ایک منصوبہ مانگیں۔ ایپ فائل کارروائیوں کی ایک فہرست تجویز کرتی ہے۔
3. منصوبے کا جائزہ لیں اور اسے ایڈٹ کریں۔ وہ نام بدلنا جو آپ نہیں چاہتے اس کے ہونے سے پہلے پکڑ لیں۔
4. تب جا کر عمل کی منظوری دیں۔

کسی بھی AI ایپ کو فائل تک رسائی دینے سے پہلے یہ پڑھیں

دو حقائق جو زیادہ تر لوگ مشکل طریقے سے سیکھتے ہیں:

• حذف شدہ فائلیں اکثر آپ کے recycle bin میں نہیں جاتیں جب کوئی AI ایپ انہیں حذف کرتی ہے۔ وہ ختم۔
• ایڈٹ شدہ فائلیں کوئی ایڈٹ تاریخ نہیں رکھتیں جب تک آپ کے پاس version control نہ ہو۔ AI کی تبدیلی پچھلے نسخے کو اوور رائٹ کر دیتی ہے۔

جب تک آپ یہ چند بار محفوظ طریقے سے نہ کر لیں، ہر اجازت کی درخواست کو کام کے لیے درکار سب سے چھوٹے فولڈر تک محدود کریں۔ ایک ایسی ایپ کے لیے "full disk access" منظور نہ کریں جسے آپ نے دو بار استعمال کیا ہو۔

یہ واقعی ٹول کی ایک نئی شکل ہے۔ اسے اسی طرح برتیں: جیسے پہلی بار آپ نے کسی جونیئر ملازم کو ایک حقیقی کھاتے کی چابیاں سونپی ہوں۔ مفید، تیز، اور محتاط رہنے کے قابل۔

ایک غیر سافٹ ویئر مثال۔ ایک مشیر کے پاس clients/ نامی ایک فولڈر تھا جو چار سالوں میں 240 PDFs تک بڑھ گیا تھا: معاہدے، رسیدیں، scoping دستاویزات، ہاتھ سے اسکین کی گئی رسیدیں، میٹنگ کے نوٹ۔ اس نے ایک AI ڈیسک ٹاپ ایپ سے کہا: "clients/ میں دیکھو۔ ایک تنظیمی منصوبہ تجویز کرو۔ ابھی کوئی فائل منتقل مت کرو۔ تجویز کردہ منصوبہ مجھے ایک درخت کے طور پر دکھاؤ۔" ایپ نے ایک صاف درخت پیدا کیا: فی گاہک ایک فولڈر، معاہدوں، رسیدوں، اور نوٹوں کے لیے ذیلی فولڈر، ساتھ میں 18 فائلوں کی ایک نشان زد فہرست جنہیں یہ پُراعتماد طریقے سے درجہ بند نہ کر سکی۔ اس نے تجویز ایڈٹ کی (دو گاہکوں کا نام بدلا، دو فولڈر ملائے)، پھر عمل کی منظوری دی۔ کل وقت: تقریباً پندرہ منٹ۔ یہی کام تین سال سے اس کی "کبھی نہ کبھی" فہرست میں تھا۔ کلید AI کا سوچنا نہیں تھا؛ یہ AI کا اکتاہٹ کرنا تھا تاکہ سوچنا سستا ہو جائے۔

اجازت کی سیڑھی۔ آرام دہ ہونے کے لیے ایک مفید ترتیب:

آرام کی سطح	کیا اجازت دیں	کس کو نہ کہتے رہیں
پہلے سیشن	ایک واحد چھوٹے فولڈر تک صرف پڑھنے کی رسائی۔	کوئی بھی چیز جو لکھے، حذف کرے، یا نام بدلے۔
2 سے 3 کامیاب دوروں کے بعد	ایک مخصوص فولڈر کے اندر پڑھنا اور لکھنا۔	ڈیسک ٹاپ یا دستاویزات کی جڑ جیسی وسیع ڈائرکٹریوں تک رسائی۔
ایک صاف ہفتے کے بعد	ایک پروجیکٹ کے درخت میں پڑھنا، ایک محدود ذیلی فولڈر کے اندر لکھنا۔	اس پروجیکٹ سے باہر کوئی بھی چیز۔
قابلِ اعتماد	ٹول کے لحاظ سے مخصوص اجازتیں ("اس فولڈر میں PDFs کا نام بدلو،" "اس فولڈر میں Word docs ایڈٹ کرو")۔	کھلے عام "جو ضرورت ہو وہ کرو۔"

اصول: دائرہ ساکھ کے ساتھ بڑھتا ہے، اس بات سے نہیں کہ آپ ٹول بنانے والی کمپنی پر کتنا بھروسہ کرتے ہیں۔ بھروسہ آپ کے مخصوص ورک فلو میں رویے سے کمایا جاتا ہے۔

12. لاگت، رفتار، اور کب کون سا ماڈل استعمال کرنا ہے

ذہن میں رکھنے کے لیے ایک سادہ ڈھیر:

الفاظ میں:

• متن: سیکنڈ، فی جواب ایک پیسے کے حصے۔
• تقریر: سیکنڈ، فی منٹ آڈیو چند پیسے۔
• تصاویر: دسیوں سیکنڈ، فی پیداوار کئی پیسے۔ کوئی جلدی روک نہیں، پوری تصویر ایک ساتھ بنتی ہے۔
• ویڈیو: فی پیداوار منٹ، کئی پیسوں سے چند ڈالر تک۔ دہرائی تکلیف دہ ہے کیونکہ ہر دور سست اور مہنگا ہے۔
• Deep research: منٹ، کئی پیسوں سے ایک چوتھائی ڈالر تک، مگر یہ آپ کے لیے درجنوں ذرائع ترکیب دیتا ہے۔

داخلی سطح پر لاگت بمشکل ایک رکاوٹ ہے۔ بڑے چیٹ بوٹس، یعنی ChatGPT، Claude، Gemini، Meta AI، اور DeepSeek، سب مفت رسائی پیش کرتے ہیں جو اس صفحے کے قسم کے پرامپٹس کو آرام سے سنبھالتی ہے۔ آپ صرف تب پیڈ پلان تک پہنچتے ہیں جب آپ بھاری deep-research دوروں، بہت بڑی فائل اپ لوڈز، ویڈیو پیداوار، یا لامحدود روزانہ استعمال پر زور دیں۔ اختتامی حصے کی مشقوں کے لیے، ان میں سے کسی کا بھی مفت درجہ کافی ہے۔

دو نتائج:

1. دہرائی کی لاگت طے کرتی ہے کہ آپ کیا کرتے ہیں۔ آپ ایک دوپہر میں متن پر 50 بار دہرا سکتے ہیں۔ آپ ایک دوپہر میں ویڈیو پر 50 بار نہیں دہرا سکتے۔ تو جب آپ تصاویر یا ویڈیو پیدا کریں، تو پرامپٹ میں آگے سے زیادہ سرمایہ کاری کریں (اور اسے لکھنے کے لیے ایک ٹیکسٹ AI استعمال کریں)۔
2. لاگتیں نیچے کی طرف رجحان رکھتی ہیں۔ جو تصویر آج آپ کو 10 پیسے کی پڑتی ہے وہ اگلے سال اس کے ایک حصے کی ہوگی۔ اپنے گھر، ایک سالگرہ کارڈ، یا ایک شادی کے دعوت نامے کے لیے فن پیدا کرنا تیزی سے مفت ہوتا جا رہا ہے۔

کس کام کے لیے کون سا ماڈل؟ AI دندانے دار ہے: مختلف ماڈل مختلف چیزوں میں اچھے ہیں، اور سرکردہ ہر چند مہینے میں بدلتا ہے۔ کوئی ایک بہترین ماڈل نہیں۔ دو عادتیں مدد کرتی ہیں:

• ایک ہی پرامپٹ کو 2 سے 3 ماڈلوں میں باقاعدگی سے آزمائیں۔ وہی سوال، کئی ٹولز۔ جواب پڑھیں۔ فرق آپ کو حیران کریں گے، اور وہ آپ کی سمجھ کو اپ ڈیٹ کرتے ہیں کہ کس قسم کے سوال کے لیے کون سا ٹول بہترین ہے۔
• ایک ٹول سے شادی نہ کریں۔ ایک کارکن جو صرف ایک AI استعمال کرتا ہے وہ ایسا کارکن ہے جو اپنے دو تہائی کاموں کے لیے غلط ہے کہ کون سا ٹول بہترین ہے۔ بدلنا مفت ہے؛ آپ بس ایک مختلف ٹیب میں پرامپٹ چسپاں کرتے ہیں۔

آج آپ کے کام کے لیے بہترین AI تین مہینے میں آپ کے کام کے لیے بہترین AI نہیں۔ ڈھیلے رہیں۔

ہر بڑا ماڈل اس وقت کس میں اچھا ہوتا ہے اس کا ایک موٹا منظر (یہ بدلے گا؛ اسے ایک نقطہ آغاز سمجھیں، فیصلہ نہیں):

ٹول	عموماً اس میں مضبوط	عموماً اس میں کمزور
Claude	مشکل پرامپٹس پر استدلال، طویل دستاویز کی سمجھ، SVG اور خاکہ پیداوار، کوڈ اور WebDev، محتاط تحریری آواز، ساختہ تجزیہ۔ اس وقت زیادہ تر Arena زمروں میں آگے۔	اندرونی فوٹو ریئلسٹک تصویری پیداوار ChatGPT اور Gemini کے مقابلے کم مرکزی ہے۔
ChatGPT	اول درجے کی اندرونی تصویری پیداوار (GPT Image-2 Arena کے text-to-image اور image-edit زمروں میں آگے)، آواز موڈ، گفتگو کا دائرہ، وسیع کاموں کا احاطہ۔	کبھی کبھی لمبا؛ فہرستوں اور عنوانات سے زیادہ فارمیٹ کر سکتا ہے۔
Gemini	تیز web search اور ماخذ ترکیب، بھرپور آؤٹ پٹ کے ساتھ deep research (چارٹ، میزیں)، مضبوط تصویری پیداوار (Arena کے ٹاپ 5 میں Nano Banana کی اقسام)، گہرا Google Workspace انضمام۔	لہجہ زیادہ مختصر محسوس ہو سکتا ہے؛ کچھ جواب مثالی سے چھوٹے جھکتے ہیں۔
Meta AI	WhatsApp، Instagram، Messenger، اور Facebook میں سرایت شدہ (پہلے ہی ایک ارب سے زیادہ لوگوں کے آلے پر)؛ بغیر سبسکرپشن فیس کے مفت؛ Muse Spark (اپریل 2026) مسابقتی multimodal استدلال اور ایک "Contemplating mode" لاتا ہے جو کئی ایجنٹ متوازی چلاتا ہے۔ اس وقت Arena کی text leaderboard کے ٹاپ 5 میں ہے۔ انٹرایکٹو بصری artifacts (ویب ڈیش بورڈ، منی گیمز، کوئز) اور صحت یا سائنسی ڈیٹا کے لیے بہترین۔	کوڈنگ ورک فلوز اور طویل افق کے ایجنٹس بڑے تینوں سے پیچھے؛ Projects، Canvas، یا Artifacts جیسے انضمام کا چھوٹا ماحول؛ ابھی کوئی عوامی API نہیں (صرف ایک نجی preview)؛ اگر آپ زور دیں تو استعمال شرح سے محدود ہو جاتا ہے۔
DeepSeek	کھلے ذریعے کے وزن جنہیں آپ خود میزبان کر سکتے یا کم لاگت پر API کے ذریعے چلا سکتے ہیں؛ 1M ٹوکن سیاق بطور طے شدہ؛ V4-Pro STEM اور کوڈنگ بینچ مارکس پر سرفہرست بند ذریعہ ماڈلوں کا مقابلہ کرتا ہے؛ V4-Flash تیز، سستا روزمرہ انتخاب ہے۔	چیٹ انٹرفیس کا نکھار بڑے تینوں سے پیچھے؛ صارف ماحول (موبائل ایپس، گہرے انضمام) چھوٹا ہے؛ زیادہ تر زمروں میں Arena درجہ بندی Claude، ChatGPT، Gemini، اور Meta سے نیچے بیٹھتی ہے۔

دو نئی صفوں پر ایک نوٹ۔ Meta AI کی قدر پہلے "ہر جگہ موجودگی + مفت، گہرائی نہیں" ہوتی تھی، مگر Muse Spark استدلال کے کاموں کے لیے گہرائی کا زیادہ تر فاصلہ پاٹ دیتا ہے جبکہ ہر جگہ موجودگی اور مفت کی برتری برقرار رکھتا ہے۔ اگر آپ کے پاس WhatsApp یا Instagram ہے، تو اب آپ اسی ایپ کے اندر سنجیدہ سوچ کر سکتے ہیں جو آپ ویسے بھی کھولنے والے تھے۔ پھر بھی، حقیقی کام کے لیے اسے استعمال کرنے سے پہلے دو حدیں جاننے کے قابل ہیں۔ پہلی، مفت کا مطلب لامحدود نہیں: Meta پردے کے پیچھے شرح کی حدیں لگاتا ہے، تو Contemplating mode کا بھاری استعمال یا تیز خودکار ورک فلوز بالآخر روکے جائیں گے۔ دوسری، آپ کے داخلے مستقبل کے Meta ماڈلوں کو تربیت دینے کے لیے استعمال ہو سکتے ہیں۔ Meta کی شرائط اس کی اجازت دیتی ہیں اور صارف مصنوعہ طے شدہ طور پر اس سے باہر نکلنے کے لیے ترتیب شدہ نہیں۔ یہ Muse Spark کو حساس مواد، یعنی اندرونی کمپنی دستاویزات، نجی کوڈ، طبی معلومات، کوئی بھی چیز جسے آپ ایک تربیتی pipeline میں نہیں ڈالنا چاہیں گے، کے لیے ایک ناقص انتخاب بناتا ہے۔ غیر حساس روزمرہ کام کے لیے یہ بہترین ہے۔ DeepSeek کی قدر کھلا ذریعہ اور سستا ہونا ہے، یہ درست انتخاب ہے جب آپ قیمت کے حساس ہوں، خود میزبانی کا اختیار چاہیں، یا مفت درجے کے کام کے لیے وہ 1M ٹوکن سیاق کی کھڑکی چاہیں۔ بڑے تینوں اب بھی ان گہرے ورک فلوز پر آگے ہیں جو یہ صفحہ سکھاتا ہے (Projects، Canvas، Artifacts، deep research)، تو وہ عملی مثال کے ٹولز رہتے ہیں۔

نشان زد کرنے کے قابل leaderboard۔ جب آپ کو ایک موجودہ منظر چاہیے کہ کون سا ماڈل کس کام میں آگے ہے، تو سب سے مفید وسیلہ Arena ہے۔ صارفین دو گمنام ماڈلوں کے اندھے آمنے سامنے موازنوں میں ووٹ دیتے ہیں، تو درجہ بندیاں وینڈر کی مارکیٹنگ کے دعووں کے بجائے حقیقی ترجیحات کی عکاسی کرتی ہیں۔ سائٹ متن، کوڈ، vision، دستاویز، تصویری پیداوار، تصویر ایڈٹ، search، اور ویڈیو کے لیے الگ leaderboards رکھتی ہے۔ اسے مہینے میں ایک بار جانچیں۔ سرکردہ تیزی سے بدلتے ہیں، یعنی جو ماڈل مئی میں کسی زمرے میں سرفہرست ہو وہ شاید اگست میں نہ ہو، اور ایک نیا داخل ہونے والا ہفتوں میں ٹاپ پانچ میں چھلانگ لگا سکتا ہے (Muse Spark نے اپریل 2026 میں ایسا کیا)۔ دو جاننے کے قابل احتیاطیں: leaderboards طویل دستاویزات پر محتاط کام سے زیادہ گفتگو کی دلکشی کو انعام دیتے ہیں، اور وہ ایسے کام نمونے کے طور پر لیتے ہیں جو ووٹ کرنے والے صارفین کو دلچسپ لگیں، جو ہمیشہ آپ کا کام نہیں۔ اسے کئی اشاروں میں سے ایک کے طور پر استعمال کریں؛ تصور 13 میں leaderboard اشاروں کو ان قسم کے پرامپٹس پر آپ کی اپنی A/B جانچ کے ساتھ جوڑنے پر مزید ہے جو آپ واقعی چلاتے ہیں۔

تین عادتیں جو جمع ہوتی ہیں:

1. کم از کم دو ٹیب کھلے رکھیں۔ ایک بنیادی ٹول اور ایک بیک اپ۔ جب بنیادی آپ کو کچھ ایسا دے جو ٹھیک نہ لگے، تو وہی پرامپٹ بیک اپ میں چسپاں کریں۔ دوسرا جواب اکثر فیصلہ کن ہوتا ہے۔
2. ایک پرامپٹ scratchpad رکھیں۔ ایک نوٹ فائل (کوئی بھی ٹیکسٹ فائل چلتی ہے) جہاں آپ ایسے پرامپٹس جمع کرتے ہیں جنہوں نے غیر معمولی طور پر اچھے نتائج پیدا کیے۔ انہیں دوبارہ استعمال اور ڈھالیں۔ یہ آپ کی ذاتی لائبریری ہے۔
3. غور کریں کہ ماڈل کب غلط ہے۔ ڈانٹ کے طور پر نہیں، ڈیٹا کے طور پر۔ غلطی اس ٹول کے کناروں کے بارے میں ایک مفت اشارہ ہے۔ ہفتے میں ایک بار "ٹول X کا Y کے بارے میں پُراعتماد غلط ہونا" نوٹ کرنا کسی بھی 2,000 لفظی AI نیوز لیٹر پڑھنے سے زیادہ مفید ہے۔

ایک چھوٹی رسم جو فائدہ دیتی ہے

مہینے میں ایک بار، دو چیزیں ساتھ کریں: (1) جس زمرے کی آپ کو پروا ہو اس کے لیے Arena کی leaderboards پر ایک نظر ڈالیں، اور (2) ایک کام چنیں جو آپ باقاعدگی سے کرتے ہیں (ہفتہ وار status updates لکھنا، کھانوں کی منصوبہ بندی، ایک بار بار آنے والی دستاویز کا خلاصہ) اور اسے تین مختلف AI ٹولز میں چلائیں۔ نوٹ کریں کہ کس نے اسے آپ کے حقیقی کام پر بہترین کیا۔ اگلے مہینے تک، جب آپ دوبارہ جانچیں، اس کام کے لیے وہی استعمال کریں۔ آپ کا ساز و سامان بغیر محنت کے موجودہ رہتا ہے، اور leaderboard آپ کو بتاتا ہے کہ آیا آپ کو کسی نئے کھلاڑی کو جانچنا چاہیے جو آپ کی نظر میں نہیں تھا۔

---

13. ماڈل ماڈلوں کو جانچتے ہیں

جب کوئی پختہ سچائی نہ ہو (کوئی جواب کنجی نہیں، کوئی ماہر آپ کے ساتھ نہیں بیٹھا، کوئی ٹیسٹ نہیں جو سرخ ہو کر ناکام ہو)، تب بھی آپ معیار پر ایک معروضی اشارہ حاصل کر سکتے ہیں۔ آپ اسے ماڈلوں سے ایک دوسرے کو نمبر دلوا کر حاصل کرتے ہیں۔

ہلکے نسخے سے شروع کریں۔ اگر آج آپ کے پاس صرف ایک AI ٹول کھلا ہے، تو واحد ماڈل خود تنقید کا چکر (بس نیچے بیان کیا گیا) آپ کو زیادہ تر فائدہ دیتا ہے، اور یہ وہ نسخہ ہے جو زیادہ تر روزمرہ کاموں کو چاہیے۔ اس کے بعد آنے والا مکمل کئی ماڈل والا نسخہ اہم معاملات کا نسخہ ہے: یہ فرض کرتا ہے کہ کسی دوسرے براؤزر ٹیب میں ایک دوسرا مفت اکاؤنٹ کھلا ہو، تقریباً ایک منٹ کی ترتیب، اور یہ اس ترتیب کے قابل صرف تب ہے جب غلط ہونا مہنگا ہو۔ مکمل نسخہ ابھی شکل کے لیے پڑھ لیں، مگر پہلے ہلکے نسخے کی طرف بڑھیں؛ بھاری کی طرف تب جائیں جب آپ کی میز پر کوئی چیز واقعی اس کا حق رکھتی ہو۔

مختلف ماڈلوں کے مختلف اندھے دھبے ہوتے ہیں۔ انہیں ملتے جلتے مگر ایک جیسے نہیں ڈیٹا پر، مختلف انعامی اشاروں کے ساتھ، ان ٹیموں نے تربیت دی جنہوں نے مختلف چیزوں پر زور دیا۔ ایک نکتہ جو ایک ماڈل چھوڑ دیتا ہے، اسے دوسرا ماڈل اکثر پکڑ لیتا ہے۔ ان کے درمیان اختلاف ہی وہ اشارہ ہے جو آپ کسی ایک ماڈل سے اکیلے نہیں پا سکتے۔ یہ صرف تب کام کرتا ہے جب ماڈل واقعی مختلف خاندانوں سے آئیں، یعنی Anthropic (Claude)، OpenAI (ChatGPT)، Google (Gemini)، Meta (Meta AI / Muse Spark)، اور DeepSeek پانچ الگ خاندان ہیں جن سے لیا جا سکتا ہے۔ دو Claude ماڈل ایک دوسرے کو پرکھیں تو یہ حقیقی کراس ماڈل جانچ نہیں؛ ان کے پیشگی مفروضے بہت ملتے جلتے ہیں۔

یہ رہا مکمل کئی ماڈل والا نسخہ، کئی دستاویزات پر نکھارا گیا اور حقیقی مشق سے لکھا گیا۔ یہ اہم معاملات کا نسخہ ہے؛ ہلکا واحد ماڈل والا چکر اگلے ذیلی حصے میں ہے:

1. سب سے بہترین ماڈل سے شروع کریں جس تک آپ کی رسائی ہو۔ "بہترین" کا مطلب وہ ہے جس کا آپ کے قسم کے کام پر سب سے مضبوط استدلال اور لمبے آؤٹ پٹ کی ہم آہنگی ہو۔ کئی اشارے استعمال کریں: Arena کی leaderboards بطور نقطہ آغاز (تصور 12 ان کا تعارف کراتا ہے)، ساتھ میں اس قسم کے کام کے ایک نمائندہ نمونے پر آپ کی اپنی تیز A/B جانچ جو آپ واقعی کرتے ہیں۔ یہاں A/B جانچ کا بس مطلب ہے: وہی پرامپٹ دو یا تین ماڈلوں کو بھیجیں، جواب آمنے سامنے پڑھیں، اور اپنی آنکھوں کو بتانے دیں کہ آپ کے قسم کے کام پر کون سا بہتر ہے۔ کسی ایک leaderboard پر لنگر مت ڈالیں؛ وہ مختلف چیزیں ماپتے ہیں، اور ترجیح پر مبنی درجہ بندیاں طویل دستاویزات پر محتاط کام سے زیادہ گفتگو کی دلکشی کو انعام دیتی ہیں۔
2. پہلا مسودہ پورے سیاق کے ساتھ پیدا کریں۔ اسے ایک ساتھی کی طرح بریف کریں (تصور 1)، مشکل مسائل کے لیے سوچنے کا انداز آن کریں (تصور 5)، ساخت کے لیے ذہن سازی اور دہرانے کا چکر استعمال کریں (تصور 7)۔
3. اس سے اپنے ہی آؤٹ پٹ کو نام زد معیارات کے خلاف 1 سے 10 نمبر دینے کو کہیں۔ "کیا یہ اچھا ہے؟" نہیں بلکہ "اسے وضاحت، درستی، ساخت، اور کیا غائب ہے پر نمبر دو، ہر ایک 1 سے 10، ہر نمبر کے لیے ایک جملے کی وجہ کے ساتھ۔" پہلا نمبر عام طور پر 7 یا 8 ہوتا ہے۔
4. اس سے اپنی ہی تجاویز پر عمل کرنے کو کہیں۔ اس وقت تک دہرائیں جب تک نمبر چڑھنا بند نہ کرے، جو عام طور پر 9 کے آس پاس ٹھہرتا ہے۔
5. مسودے کو ایک مختلف خاندان کے دوسرے ماڈل تک لے جائیں۔ وہی معیار مانگیں۔ مختلف ماڈل، مختلف پیشگی مفروضے، مختلف اندھے دھبے۔ دوسرا ماڈل وہ چیزیں پکڑے گا جن پر پہلے ماڈل نے خود کو نمبر دیا تھا، جو بالکل وہی بند چکر ہے جس سے آپ کو نکلنا ہے۔
6. دوسرے ماڈل کی تنقید پہلے ماڈل کے پاس واپس لائیں۔ اسے ایمانداری سے بیان کریں: "ایک اور ماڈل نے یہ تنقید پیدا کی۔ جائزہ لو کہ کون سے نکات اپنانے کے قابل ہیں، اور کیوں۔ جس سے بھی تم اختلاف کرو اسے رد کرو، اور وضاحت کرو۔" پہلا ماڈل فیصلہ کرتا ہے۔ آپ فیصلہ دیکھتے ہیں۔
7. اہم معاملات کے کام کے لیے، ایک تیسرے خاندان کے تیسرے ماڈل کے ساتھ دہرائیں۔ جب تک تین مختلف خاندان کے ماڈل آپ کے مسودے پر بحث کر چکے ہوں، تو آپ کے پاس مثلثی سچائی کے سب سے قریب کی چیز ہوتی ہے جو یہ ٹیکنالوجی پیش کرتی ہے۔
8. جب نمبر دو آزاد ماڈلوں کے آر پار آپ کے ہدف کو پار کر لے تو رکیں۔ صرف آپ کے بنیادی ماڈل سے ایک 9.5 آپ کے بنیادی جمع ایک مختلف خاندان کے ماڈل سے ایک 9 جیسا نہیں۔ دوسرا عدد ہی وہ ہے جو کچھ معنی رکھتا ہے۔

واحد ماڈل خود تنقید کا چکر، اکیلے

اوپر کے قدم 3 اور 4 اپنے طور پر استعمال کے قابل ہیں، کبھی کسی دوسرے ماڈل کو لائے بغیر۔ بہت سے کام کئی ماڈل والے بوجھ کا جواز نہیں دیتے مگر پھر بھی "اسے اس معیار کے خلاف 1 سے 10 نمبر دو، پھر اپنی ہی تجاویز پر عمل کرو" کے ایک دور سے فائدہ پاتے ہیں۔ ایک ہفتہ وار status update، ایک ذرا پیچیدہ ای میل، ایک ایک صفحے کا میمو: یہ سب ایک خود تنقید کے دور سے واضح طور پر بہتر ہوتے ہیں۔

ایک زیادہ فائدہ مند قسم: ایک عددی ہدف طے کریں اور ماڈل کو اس کی طرف خودمختاری سے دہرانے دیں۔ "اسے نمبر دو اور بتاؤ کیا غائب ہے" کے بجائے، آزمائیں "اپنے ہی معیار کے خلاف اس وقت تک دہراؤ جب تک تم تمام معیارات پر 9.5 تک نہ پہنچ جاؤ، پھر مجھے حتمی نسخہ دکھاؤ۔" ماڈل نمبر دے گا، نظر ثانی کرے گا، دوبارہ نمبر دے گا، نظر ثانی کرے گا، اور چلتا رہے گا (ایک ہی جواب میں پانچ یا چھ دور) اور آپ کے پاس صرف تب واپس آئے گا جب یہ ہدف کو چھو لے یا ٹھہر جائے۔ یہ ہر دور کو ہاتھ سے چلانے سے ڈرامائی طور پر تیز ہے، اور یہ طویل صورت کے artifacts کے لیے خاص طور پر اچھا کام کرتا ہے (ایک 5,000 لفظی میمو، ایک باب، ایک جامع منصوبہ) جہاں ہاتھ سے آگے پیچھے کرنا تھکا دینے والا ہوتا۔ ہدف خود ایک اسٹیئرنگ کا طریقہ ہے: 9 ایک مختلف چھت پر مجبور کرتا ہے بمقابلہ 9.5، اور 10 ماڈل کو بہتر بنانے کے لیے چیزیں ڈھونڈتے رہنے پر مجبور کرتا ہے جب تک یہ واقعی کوئی نہ ڈھونڈ سکے۔

یہ شاید لگے کہ یہ تصور 6 کی خلاف ورزی کرتا ہے، جس نے خبردار کیا تھا کہ اپنے ہی کام کو نمبر دیتا ماڈل خوشامد کی طرف جھکتا ہے۔ فرق معیار ہے۔ اس کے بغیر، "کیا یہ اچھا ہے؟" "زبردست کام!" واپس کرتا ہے، جو وہی بند چکر ہے جس کے بارے میں تصور 6 تھا۔ نام زد معیارات کے ساتھ 1 سے 10 نمبر دیے جائیں، تو ماڈل کو اشارہ کرنا پڑتا ہے کہ دوسرے نکات سے کیا غائب ہے، اور وہ اشارہ ہی وہ ہے جس کے خلاف آپ عمل کرتے ہیں۔ معیار ہی وہ ہے جو خود نمبر دینے کو خوشامد سے ایک مجبور کرنے والی قوت میں بدل دیتا ہے۔

صفحہ اب اسی DNA کے تین گھونسلہ بند نسخے پیش کرتا ہے۔ سب سے ہلکا چنیں جو کام پر فٹ ہو:

ہلکے نسخے سے بھاری کی طرف اس وقت بڑھیں جب غلط ہونا زیادہ مہنگا ہو جائے، یا جب واحد ماڈل کا نمبر 9 کے آس پاس ٹھہر جائے اور آپ جاننا چاہیں کہ آیا 9 واقعی 9 ہے۔

نمبر کیوں اہم ہے۔ ماڈل سے ایک عدد نکالنا عدد کے بارے میں نہیں ہے۔ یہ اس کے بارے میں ہے کہ عدد پیدا کرنے کے لیے کیا چاہیے۔ ایک ماڈل جسے آپ کے مسودے کو 7/10 نمبر دینا ہو اسے نام لینا پڑتا ہے کہ باقی 3 نکات سے کیا غائب ہے۔ نمبر کے بغیر، "یہ کافی اچھا ہے" جائزے کے طور پر چل جاتا ہے۔ نمبر کے ساتھ، "کافی اچھا" کو "ساخت پر 1 نمبر کھوتا ہے کیونکہ تیسرا حصہ دوسرے کو دہراتا ہے؛ شواہد پر 2 نمبر کھوتا ہے کیونکہ تین دعووں کا کوئی ماخذ نہیں" بننا پڑتا ہے۔ نمبر مخصوصیت کے لیے ایک مجبور کرنے والی قوت ہے، اور مخصوصیت ہی وہ ہے جس پر آپ عمل کر سکتے ہیں۔ یہ واحد پڑھنے کے قابل اشارہ بھی ہے جو آپ کو دہرائی N کا دہرائی N+1 سے موازنہ کرنے کے لیے ملتا ہے۔

اہم معاملات کے کام کے لیے ایک رازداری کا نوٹ۔ کراس ماڈل جانچ کا تعریفی طور پر مطلب آپ کے مسودے کو کئی ٹولز میں چسپاں کرنا ہے۔ حساس مواد کے ساتھ ایسا کرنے سے پہلے ہر ٹول کی ڈیٹا پالیسی پر دھیان دیں۔ کچھ ٹولز (Claude اپنے صارف مصنوعے پر، ChatGPT تربیت سے باہر نکلنے کے ساتھ، پیڈ Gemini درجے) آپ کے داخلوں پر تربیت نہیں پاتے۔ دیگر (Meta AI کا صارف مصنوعہ طے شدہ طور پر) پا سکتے ہیں۔ ایک 40 صفحے کا حکمت عملی میمو، ایک اندرونی مالی تجزیہ، یا کوئی بھی چیز جو NDA کے تحت ہو صرف ان ٹولز سے گزرنی چاہیے جن کی ڈیٹا پالیسیاں آپ نے واقعی جانچی ہوں۔ کئی ماڈل والے چکر کا مقصد آپ کے اندھے دھبے پکڑنا ہے؛ چکر کا الٹ مقصد آپ کے خفیہ کام کو ایک تربیتی سیٹ میں ڈالنا ہے۔

ایک ایماندار احتیاط۔ تین ماڈل پھر بھی ایک ہی چیز پر سب غلط ہو سکتے ہیں۔ وہ اس سے زیادہ تربیتی ڈیٹا بانٹتے ہیں جتنا آپ اندازہ لگائیں، اور متنازعہ یا کم ڈیٹا والے موضوعات (تصور 2) پر وہ اکثر وہی غلط فہمیاں بانٹتے ہیں۔ نمبر ایک پیش رفت کا اشارہ ہے، سچائی کا اشارہ نہیں۔ اہم معاملات کے مواد (کوئی بھی چیز قانونی، طبی، مالی، یا کسی حقیقی شخص کے بارے میں) کے لیے کراس ماڈل کے کتنے ہی دور بھی اُس انسانی ماہر کی جگہ نہیں لے سکتے جو بوجھ اٹھانے والے دعووں کا جائزہ لے۔ ماڈل ایک دوسرے کو کاریگری کے لیے جانچتے ہیں۔ انسان ان حقائق کو جانچتے ہیں جو اہم ہیں۔

چکر کب چھوڑیں۔

ہر کام اس کا حق نہیں رکھتا۔ ایک مختصر ای میل، ایک تیز جستجو، ایک آرام دہ ذہن سازی: واحد ماڈل ٹھیک ہے۔ کئی ماڈل والی کراس چیک ایسے کام کے لیے بچائیں جہاں غلط ہونا مہنگا ہو: ایک میمو جو آپ کا باس پڑھے گا، ایک باب جو شائع ہوگا، ایک فیصلہ جو دوسرے لوگوں کو متاثر کرے، ایک معاہدہ جس پر آپ دستخط کریں گے۔ تیز اصول: اگر ایک غور و فکر کرنے والا ساتھی اس کا جائزہ لینے میں دو گھنٹے لگاتا، تو یہ چکر کا حق رکھتا ہے۔

ایک غیر سافٹ ویئر مثال۔ ایک گاہک کے بورڈ کے لیے 40 صفحے کا حکمت عملی میمو تیار کرتی ایک مشیر نے اپنے سب سے مضبوط ماڈل میں مسودہ بنایا اور اس کے اپنے نمبروں کے خلاف اس وقت تک دہرایا جب تک وہ 9 پر ٹھہر نہ گئے۔ پھر اس نے پورا میمو ایک مختلف خاندان کے دوسرے ماڈل میں چسپاں کیا اور وہی معیار مانگا۔ دوسرے ماڈل نے اسے 7.5 دیا اور گیارہ مخصوص مسائل گنائے، جن میں سے تین اس کے بنیادی ماڈل نے اپنے کسی بھی خود نمبر دینے کے دور میں نہیں اٹھائے تھے۔ اس نے انہیں پہلے ماڈل کو فیصلے کے لیے واپس دیا؛ اس نے سات اپنائے اور چار وجوہات کے ساتھ رد کیے۔ ایک اور خاندان کے تیسرے ماڈل نے دو مزید سامنے لائے۔ بات حتمی نمبروں کی نہیں۔ بات یہ ہے کہ وہ جوابی دلائل جو وہ خود کبھی نہ دیکھ پاتی، کیونکہ اس کا بنیادی ماڈل اس کے اندھے دھبے بانٹتا تھا، بورڈ کی میٹنگ سے پہلے میمو میں موجود تھے۔

---

پرامپٹس آزمانے سے پہلے ایک مختصر اعادہ

تیرہ تصورات بہت ہیں۔ صفحے کی شکل، فی تصور ایک سطر:

• تصور 1۔ ایک ناتجربہ کار پرامپٹ اور ماہر صارف کے پرامپٹ کے درمیان فرق چند عادتیں ہیں: AI کو ایک ذہین نئے ساتھی کی طرح بریف کریں، سیاق، شرائط، اور ایک واضح مطالبے کے ساتھ۔
• تصور 2۔ AI چیزیں انٹرنیٹ کے ایک عکس سے جانتا ہے، یعنی اس نے دنیا کے بارے میں متن پڑھ کر سیکھا، دنیا کا تجربہ کر کے نہیں، تو یہ عام موضوعات پر مضبوط اور گمنام یا حالیہ پر کمزور ہے۔
• تصور 3۔ تین بازیافت کے انداز: پہلے سے تربیت یافتہ، web search، deep research۔ آپ کے الفاظ اسٹیئر کرتے ہیں کہ کون سا چلے۔
• تصور 4۔ ماڈل کے پاس اپنی کوئی یادداشت نہیں؛ سیاق کی کھڑکی اس جواب کے لیے اس کی کام کرنے والی یادداشت ہے۔ جواب کے معیار کا سب سے بڑا تعین کنندہ یہ ہے کہ آپ اس کھڑکی میں کیا ڈالتے ہیں، اور پروجیکٹس آپ کو اسے ہر بار کے بجائے ایک بار آگے سے لادنے دیتے ہیں۔
• تصور 5۔ جدید ماڈل سیکنڈوں یا منٹوں تک خوب سوچ سکتے ہیں اگر آپ ان سے کہیں۔
• تصور 6۔ ماڈل اتفاق کی طرف جھکے ہوئے ہیں۔ غیر جانبدار بندش اور معیار اس تعصب کا زیادہ تر بے اثر کر دیتے ہیں؛ فی معیار 1 سے 10 نمبر پر مجبور کرنا، ساتھ میں وہ تبدیلی جو ہر نمبر بڑھائے، باقی بے اثر کر دیتا ہے۔
• تصور 7۔ واضح فیڈبیک کے ساتھ دہرانے کا چکر صفحے کی سب سے زیادہ فائدہ مند عادت ہے۔ ہر مرحلے کو 10 میں سے نمبر دیں اور دوبارہ دہرائیں جب تک نمبر ٹھہر نہ جائے، AI کو آپ کو مکمل قرار دینے کا اختیار نہیں ملتا۔
• تصورات 8 تا 9۔ AI تصاویر دیکھ سکتا ہے، دونوں طرف آڈیو کے ساتھ کام کر سکتا ہے، اور چھوٹی ایپس بنا سکتا ہے، چلتی ہوئی ایپ ایک artifact ہے جس پر آپ دہرا، اشتراک، اور سرایت کر سکتے ہیں۔
• تصور 10۔ AI کوڈ بھی لکھ کر اسے آپ کے ڈیٹا پر چلا سکتا ہے، مگر یہ ہمیشہ خودبخود ایسا نہیں کرتا۔ واضح طور پر مانگیں، اور تصدیق کریں کہ کوڈ واقعی چلا۔
• تصور 11۔ فائل سے واقف ڈیسک ٹاپ ایپس (Cowork، OpenWork) کی ایک نئی قسم ہے۔ اجازتوں کو محدود رکھیں جب تک آپ انہیں محفوظ طریقے سے استعمال نہ کر لیں۔
• تصور 12۔ کسی کام کے لیے درست ٹول ہر چند مہینے میں بدلتا ہے۔ جاننے کے لیے پانچ خاندان (Claude، ChatGPT، Gemini، Meta AI، DeepSeek)، سب کے مفت درجے، اور Arena بطور leaderboard جسے ماہانہ جانچنا ہے۔
• تصور 13۔ جب کمرے میں کوئی انسانی ماہر نہ ہو، تو ماڈلوں سے ایک دوسرے کو، یعنی مختلف خاندانوں کے آر پار، نمبر دلوانا ایک معروضی معیار کے اشارے کے سب سے قریب کی چیز ہے۔

ان سب کے نیچے ایک چال ہے، ایک درجن بھیسوں میں دہرائی گئی: درست سیاق اندر لائیں، غلط سیاق باہر رکھیں۔ اگر آپ اس صفحے سے اس جملے کے سوا کبھی ایک چیز بھی یاد نہ رکھیں، تب بھی آپ صارفین کے سرفہرست چوتھائی میں ہوں گے۔

---

ابھی یہ آزمائیں: سوچنے کے نظم میں گہرائی سے پہلے بارہ پرامپٹس

پڑھنا آزمانے کا ایک قائم مقام ہے۔ کسی دوسرے ٹیب میں Claude، ChatGPT، یا Gemini کھولیں۔ ان بارہ پرامپٹس کو ترتیب سے چلائیں۔ یہ مل کر تقریباً اٹھائیس منٹ لیتے ہیں اور اس صفحے کے ہر تصور کی مشق کراتے ہیں جسے آپ ایک چیٹ ٹیب سے کر سکتے ہیں۔

1. Web-search ٹرگر۔ AI کو اس کے تربیتی ڈیٹا سے نکل کر موجودہ معلومات دیکھنے پر مجبور کرتا ہے۔

What major news happened today in [your country]? Cite each claim
with a source link. Flag any claim you can't support with a citation
as "unverified".

2. صرف پہلے سے تربیت یافتہ سوال۔ عام علم، کوئی جستجو درکار نہیں۔ تیز اور پُراعتماد ہونا چاہیے۔

Why do cats stare at walls? Two-paragraph answer.

3. سیاق سے بھرپور ذاتی پرامپٹ۔ شرائط آگے سے لادنے کی مشق۔

Plan a 15-minute home workout for me. Constraints: I have stairs
in my home, a bad knee (no squats), I cannot stick to plans for
more than three days, and I want to feel slightly silly while
doing it. Give me 3 options, no commentary.

4. غیر جانبدار بندش کی دوبارہ تحریر۔ اپنے ہی پرامپٹ میں اپنا تعصب پہچاننے کی مشق۔

The question I want to ask is: "Don't you think four-day work
weeks are obviously better for everyone?" Rewrite this as a
neutral question that doesn't signal what answer I want.
Then answer the rewritten version.

5. دہرائی کے ساتھ تین اختیارات کی ذہن سازی۔ بنیادی ماہر صارف کا چکر۔

Round 1: I want to start a small side project that takes about
3 hours per week and might make money in a year. I'm a [your
profession] who likes [your hobby]. Give me 5 different ideas,
one line each. Don't expand any of them.

(Read the 5. Pick what you like and don't like. Then, in the
SAME conversation:)

Round 2: I reject options [N] and [N] because [reason]. I like
the [keyword] idea but I want it to use less [thing]. Give me
5 new options that incorporate this feedback.

6. پہلے خاکہ والی تحریر۔ نثر سے پہلے ساخت پر مجبور کریں۔

I want to write a 600-word post about [a topic you care about].
Don't write it yet. Give me 3 different outline options, each
with 4-6 headings. One line per heading.

7. خوب سوچنے والا استدلال کا پرامپٹ۔ ایک حقیقی ذاتی فیصلہ استعمال کریں۔

I'm choosing between [Option A] and [Option B] for [real personal
decision in your life]. Here's the relevant context: [a paragraph
of context]. Think hard before answering. Tell me:
1. The 3 trade-offs that actually matter.
2. Which you'd choose and why.
3. Under what conditions your recommendation would flip.

8. نمبر دو اور بہتر کرو والی تنقید۔ اپنے ہی کام پر خوشامد سے بچیں۔

I'm pasting in something I wrote: [paste anything 100-300 words].

Critique it using these 4 criteria, each scored 1-10 with a
one-sentence justification:
- Does it have a clear central claim?
- Is each paragraph in the right order?
- Are there any sentences that could be cut without loss?
- Does the ending earn the time the reader spent getting there?

Then, for each criterion, tell me the change that would raise
its score the most. There is always a next level — even a 9
has a path to 9.5.

9. تصویری داخلے کا کام۔ AI کو پڑھنے کے لیے ایک تصویر دینے کی مشق۔

[Upload any handwritten note, receipt, or whiteboard photo]

Transcribe what's written. Then summarize what it's about in
3 bullets. Flag anything you couldn't read with confidence.

10. چھوٹی ایپ کا پرامپٹ۔ مقصد/داخلہ/آؤٹ پٹ کی شکل کی مشق۔ جو واپس آئے گا وہ ایک artifact ہوگا جس پر آپ چیٹ میں ہی کلک اور دہرا سکتے ہیں۔

Build me a Pomodoro timer.
Goal: 25-minute work sessions, 5-minute breaks.
Input: I press start.
Output: Visible timer counting down, a satisfying click when
each cycle ends, a yellow theme. Show me the working version.

11. ڈیٹا کا تجزیہ: خاموش ناکامی کو بے نقاب کریں۔ "واضح طور پر کوڈ مانگو، پھر تصدیق کرو کہ یہ چلا" کے نظم کی مشق۔ یہ مشق دو دوروں میں ہے۔

Round 1, the trap: In a fresh conversation, paste this prompt
exactly as written. Do NOT mention code.

  "Here are 18 numbers: 47, 52, 89, 91, 23, 67, 78, 12, 95,
  44, 88, 71, 33, 56, 99, 18, 64, 82. What is the median,
  the average, and which numbers are outliers? Be specific."

Look at the response carefully. Did the AI show you a code
block that it ran? Or did it write a paragraph with numbers
in it and no visible computation? Note your answer.

Round 2, the fix: In the same conversation, paste this:

  "Now run that calculation again — but this time write and
  run code to do it, and show me the code you ran."

Compare the two answers. If the first answer had the median
wrong, rounded suspicious numbers, or just felt vague — you
just saw the silent failure mode of concept 10 in action.
The correct answers are: median 65.5, average ~61.6,
no clear outliers (the numbers are roughly evenly spread).

12. کراس ماڈل جائزہ۔ ایک حقیقی مسودے پر کئی ماڈل والی عادت کی مشق۔ ایک ساتھ دو AI ٹولز کھلے ہونے چاہئیں، مختلف خاندانوں سے (تصور 13 دیکھیں)۔

Take any 200-300 word draft you wrote recently (an email, a memo,
or a paragraph from one of these exercises).

Step 1: In your primary AI tool, paste the draft and ask: "Score
this 1-10 on clarity, structure, evidence, and what's missing.
One-sentence justification per score."

Step 2: Open a second AI tool from a different family (if your
primary is Claude, use ChatGPT or Gemini or Meta AI — not another
Anthropic model). Paste the same draft, ask the same question.

Step 3: Compare the two scores and the two critiques side by
side. Note any point only one of them caught. Those are the
points the cross-model loop pays for.

---

🚀 پراجیکٹس

بارہ پرامپٹس میں سے ہر ایک نے ایک تصور کی مشق کرائی۔ نیچے کے پہلے تین پراجیکٹس انہیں ایک ساتھ جوڑتے ہیں، اور یہ کہیں ایسی جگہ ختم ہوتے ہیں جہاں ایک چیٹ کی کھڑکی آپ کو نہیں لے جا سکتی: ایک ایسی چیز کے ساتھ جو آپ نے عوامی انٹرنیٹ پر زندہ بنائی، ایک ایسے پتے پر جسے آپ کسی دوست کو بھیج سکتے ہیں۔

ہر پراجیکٹ ایک مفت اکاؤنٹ پر تیس سے ساٹھ منٹ لیتا ہے اور جب آپ تیار ہوں تو کھل جاتا ہے۔ پراجیکٹ 1 آج کریں؛ باقی ہفتے کے لیے رکھ لیں۔ یہ ترتیب وار ہیں: ہر ایک ایک ایسی چال سکھاتا ہے جو اگلا استعمال کرتا ہے۔ اگر پراجیکٹ کے بیچ میں کچھ ٹوٹ جائے، تو اس حصے کا آخری ڈراپ ڈاؤن اس کا حل رکھتا ہے۔ پہلے تین کی شکل ایک جیسی ہے:

 the chat builds it         you download it          the internet serves it
┌──────────────────┐       ┌──────────────┐  drag   ┌───────────────────────┐
│ a working app in │ ────→ │  index.html  │ ──────→ │ your-app.netlify.app  │
│  the side panel  │       │  (one file)  │         │ (a real, public URL)  │
└──────────────────┘       └──────────────┘         └───────────────────────┘

تصور 9 نے کہا کہ سائیڈ پینل میں موجود چیز ایک artifact ہے: ایک حقیقی شے جسے آپ ڈاؤن لوڈ کر سکتے ہیں، کوئی پیش منظر نہیں۔ پہلے تین پراجیکٹس اس وعدے کو پورا کرتے ہیں۔ پراجیکٹ 4 اختتامیہ ہے، اور یہ ایک مختلف قسم کی چیز پیش کرتا ہے: کوئی URL نہیں بلکہ ایک علمی artifact جو آپ نے AI کے ساتھ بنایا، اور ساتھ ہی یہ دستاویزی ثبوت کہ آپ اسے ہدایت دے سکتے ہیں، اس پر سوال اٹھا سکتے ہیں، اور اسے درست کر سکتے ہیں۔

🐍Project 130-60 minسانپ کی جنگایک گیم کھیل کر بنائیں، پھر اسے ایک حقیقی URL پر بھیجیں۔

ChatGPT، Claude، یا Gemini کھولیں اور کہیں:

Let's build and play a game where a snake eats fruit balls to grow.

سائیڈ پینل میں ایک کھیلنے کے قابل سانپ کا گیم ظاہر ہوتا ہے۔ مکمل تب: جب آپ اپنی arrow keys سے سانپ کو چلا سکیں اور کچھ کھا سکیں۔ اگر آپ فون پر ہیں، تو یہ آپ کی پہلی خواہش ہے: "touch controls شامل کرو۔" اسے ایک منٹ کھیلیں، اور اس پہلی چیز پر دھیان دیں جسے آپ مختلف چاہتے ہیں۔ پھر کوئی محتاط بریف نہ لکھیں۔ بس خواہش کہہ دیں:

Can I pick my snake's color before the game starts?

artifact اپنی جگہ اپ ڈیٹ ہو جاتا ہے: اب ایک رنگ منتخب کرنے والے کے ساتھ ایک سٹارٹ سکرین ہے۔ کھیلتے رہیں، خواہش کرتے رہیں۔ پھر گیم کے اپنے قواعد بدلیں:

Now make it a battle: add computer-controlled snakes, and when a
snake dies its body turns into fruit the others can eat.

▶ ایک مکمل نسخہ کھیلیں (اسی قسم کی چیز جس کی طرف آپ بنا رہے ہیں)

یہ ایک قاری کی سانپ کی جنگ ہے، جو بالکل اسی طرح ایک حقیقی .netlify.app URL پر بھیجی گئی جیسے آپ اپنی بھیجیں گے۔ ایک رنگ چنیں، Start Battle دبائیں، arrow keys سے چلائیں۔ یہ نیچے زندہ لوڈ ہوتی ہے؛ آپ اسے اس کے اپنے ٹیب میں بھی کھول سکتے ہیں۔

آپ کی اس جیسی نہیں لگے گی، اور یہی بات ہے۔ یہ ویسی لگے گی جیسا آپ نے کھیلتے ہوئے محسوس کیا۔

تین جملوں میں، آپ کے پاس ایک سٹارٹ سکرین، رنگ منتخب کرنے والے، بوٹ مخالف، اور ایک قاعدہ ہے جو آپ نے ایجاد کیا۔ اب دو چیزیں نوٹ کریں۔ پہلی، جو آپ نے کبھی ذکر نہیں کیا: HTML، JavaScript، collision detection، game loops۔ آپ نے ایک تجربہ بیان کیا اور ماڈل نے انجینئرنگ کی، بالکل جیسا تصور 9 نے وعدہ کیا۔ دوسری، ہر جملہ کہاں سے آیا۔ منصوبہ بندی سے نہیں۔ کھیلنے سے۔ یہ تصور 7 کا چکر ہے جس میں فیڈبیک کے قدم کی جگہ سب سے ایماندار ناقد نے لے لی جو دستیاب ہے: آپ، گیم کے بیچ میں، یہ نوٹ کرتے ہوئے کہ آپ کیا مختلف چاہتے ہیں۔ اس وقت تک چلتے رہیں جب تک گیم آپ کی نہ ہو جائے۔ تیز سانپ، ایک سکور، آواز کے اثرات، فی پیغام ایک خواہش۔

زندہ ہونے سے پہلے ایک آخری دور۔ آپ سارا وقت احساس سے نمبر دے رہے تھے؛ ہر خواہش ایک ننھا فیصلہ تھی۔ اسے ایک بار واضح کریں: گیم سے کہیں کہ وہ خود کو نمبر دے اور اپنی سب سے کمزور جگہ ٹھیک کرے۔

Score this game 1-10 on three things: is it fun, is it clear
what to do, and does it feel finished or rough? One sentence
each. Then make the single change that would raise the lowest
score, and do it.

یہ پوری چال مختصر شکل میں ہے۔ ایک نمبر ایک ایماندار جواب پر مجبور کرتا ہے جہاں "کیا یہ اچھا ہے؟" کو ہمیشہ صرف ہاں ملتی ہے (تصور 6)۔ یہاں ایک دور کریں۔ اگلا پراجیکٹ اس واحد مطالبے کو ایک ایسے چکر میں بدل دیتا ہے جو نمبروں کے رکنے تک نہیں رکتا۔

اب اسے بھیجیں۔ یہ وہ چال ہے جو ہر پراجیکٹ دوبارہ استعمال کرتا ہے، اس لیے اسے ایک بار احتیاط سے کریں:

1. گیم ڈاؤن لوڈ کریں۔ ChatGPT کے canvas میں پینل کے اوپر ایک ڈاؤن لوڈ آئکن ہے؛ Claude اور Gemini کے اپنے پینل پر ایک ہم پلہ ڈاؤن لوڈ یا export کنٹرول ہے۔ آپ کو ایک واحد .html فائل ملتی ہے۔ وہ فائل پورا گیم ہے۔

2. فائل کا نام بدل کر index.html رکھیں۔ یہ نام ویب کا "کسی سائٹ کا پہلا صفحہ" کے لیے رواج ہے، اور اگلے قدم میں hosting سروس اسی کو ڈھونڈتی ہے۔

3. netlify.com پر ایک مفت اکاؤنٹ بنائیں۔ ایک ای میل پتہ کافی ہے۔ Netlify ایک hosting سروس ہے: یہ فائلیں لیتی ہے اور انہیں انٹرنیٹ پر پیش کرتی ہے، ایک مفت درجے کے ساتھ جو اس پراجیکٹ کی ضرورت سے زیادہ ہے۔

4. اپنی فائل کو drop zone میں گھسیٹیں۔ سائن اپ کے بعد، Netlify ایک "Let's create your new project" صفحہ دکھاتا ہے جس کا drop zone، اس کے اپنے الفاظ میں، "a single HTML file" قبول کرتا ہے۔ (فون پر، گھسیٹنے کے بجائے "browse files to upload" پر ٹیپ کریں۔)

   

5. جو پتہ یہ آپ کو دے اسے کھولیں۔ فائل چھوڑنے کے چند سیکنڈ بعد، آپ کا گیم .netlify.app پر ختم ہونے والے ایک پتے پر زندہ ہے۔ مکمل تب: جب گیم آپ کے فون کے براؤزر میں لوڈ ہو، صرف آپ کے کمپیوٹر پر نہیں۔ لنک ایک شخص کو بھیجیں۔

ایک جائز سوال: تصور 9 نے کہا کہ چیٹ ٹولز کسی artifact کو ایک قابلِ اشتراک لنک پر شائع کر سکتے ہیں، تو ڈاؤن لوڈ کی زحمت کیوں؟ کیونکہ شائع شدہ لنک AI مصنوعے کے اندر، آپ کی چیٹ سے منسلک رہتا ہے۔ ڈاؤن لوڈ کی گئی فائل آپ کی ہے: یہ کسی بھی hosting سروس پر، ایک USB سٹک پر، دس سال بعد بھی کام کرتی ہے۔ Netlify اتفاق سے وہ تیز ترین مفت طریقہ ہے جس سے آپ اپنی ملکیتی فائل کو کھلے ویب پر ڈال سکتے ہیں، اور جو drag-and-drop آپ نے ابھی کیا وہ واقعی وہی چال ہے جو پیشہ ور لوگ ایک تیز سائٹ کھڑی کرنے کے لیے استعمال کرتے ہیں۔

ایک بھیجے گئے گیم کو اپ ڈیٹ کرنے کے لیے: چیٹ میں دہراتے رہیں، دوبارہ ڈاؤن لوڈ کریں، دوبارہ نام بدلیں، اور نئی فائل کو Netlify میں اپنے پراجیکٹ کی deploys سکرین پر گھسیٹیں۔ وہی پتہ، نیا نسخہ۔

🔨Project 245-60 minWhack-a-Moleایک گیم بنائیں، پھر اسے 'کافی اچھا' سے آگے تب تک نمبر دیں جب تک یہ واقعی مزیدار نہ ہو جائے۔

سانپ کا گیم اس لیے اچھا ہوا کیونکہ آپ نے اسے کھیلا، پھر بھیجنے سے پہلے ایک بار اسے نمبر دیے۔ یہاں، وہ واحد نمبر دینا پورا انجن بن جاتا ہے: آپ صفحے کی ہر چال ایک ساتھ چلاتے ہیں، اختیارات پر ذہن سازی کرتے ہیں، ساخت کے ساتھ بریف کرتے ہیں، آزماتے ہیں، ایک معیار کے خلاف نمبر دیتے ہیں، اور نمبر اونچے ہونے تک رکنے سے انکار کرتے ہیں۔ یہ "مجھے ایک چیز بنا دو" کا منظم نسخہ ہے، اور یہی وہ ہے جو ایسی چیز پیدا کرتا ہے جسے بانٹتے ہوئے آپ کو فخر ہو۔

▶ ایک مکمل نسخہ کھیلیں (اسی قسم کی چیز جس کی طرف آپ بنا رہے ہیں)

یہ ایک reader کا Whack-a-Mole ہے، جو real .netlify.app URL پر بالکل اسی طرح ship کیا گیا ہے جیسے آپ اپنا کریں گے۔ moles جب اوپر آئیں تو ان پر click کریں اور اپنا high score beat کرنے کی کوشش کریں۔ یہ نیچے live load ہوتا ہے؛ آپ اسے اپنے الگ tab میں بھی کھول سکتے ہیں۔

آپ کا گیم اس جیسا نہیں لگے گا، اور یہی اصل بات ہے۔ یہ اسی theme جیسا لگے گا جو آپ نے چنی، اور اسی feedback جیسا جو آپ نے دیا۔

اختیارات مانگنے سے شروع کریں، کوئی build نہیں (تصور 7):

I want to build a Whack-a-Mole game. Before building anything,
give me 3 different visual theme options. One line each.

Vary the color scheme, what the moles look like (animals,
monsters, aliens), and the overall mood (playful, spooky,
elegant). Don't build any of them yet.

جو آپ کو پسند ہو اسے چنیں اور ماڈل کو وہ سب کچھ دیں جو اسے بنانے کے لیے چاہیے۔ یہ تصور 9 کا Goal / Input / Output ہے، وہ ساخت جو اندازے کے لیے کچھ نہیں چھوڑتی:

I pick the twilight garden theme: deep blue night sky with
twinkling stars, glowing gold accents, rich dark emerald grass,
and cute animal emojis as moles.

Now build the game with these specs:

Goal: Moles pop up randomly from holes in a 3x3 grid. The
player clicks them to score points. They disappear after a
short time.

Input: Player clicks on moles that appear.

Output:
- 3x3 grid of clearly visible holes with dark centers and
  brown dirt rims that stand out from the grass
- Moles using these emojis: hamster, bear, frog, monkey,
  rabbit, fox - large and crystal clear when they pop up
- Score counter at the top
- 30-second countdown timer with a color-coded progress bar
- Moles rise up FROM INSIDE the hole, not floating above it

سائیڈ پینل میں ایک کھیلنے کے قابل گیم ظاہر ہوتا ہے۔ مکمل تب: جب چھچھوندر نکلیں اور کسی ایک پر کلک کرنے سے ایک نمبر بڑھے۔ یہ پھیکا لگے گا، اور یہ متوقع ہے: آپ کے پاس ڈھانچہ ہے، احساس نہیں۔ احساس کو ایک ہی دور میں شامل کریں (تصور 4، ہر تفصیل جو آپ چھوڑ دیتے ہیں ماڈل کو اس کا اندازہ لگانا پڑتا ہے):

Add these features to the game:

1. SPEED: Moles start slow, visible for about 2.5 seconds.
   Speed ONLY increases when the player's SCORE goes up, not
   when time passes. Show a speed label: Easy, Fast, Frenzy.

2. INSTANT START: The first mole appears immediately when the
   player clicks Start. No waiting.

3. HIT EFFECTS: When a mole is whacked, show all of these:
   - Colorful particle burst at the hit point
   - A plus one text floating upward and fading out
   - Quick screen shake for impact
   - A short sound effect using Web Audio API

4. GAME OVER SCREEN: Show final score large and animated,
   total hits, hits-per-minute stat, confetti animation,
   New High Score badge if earned, and a Play Again button.

اب اسے کھیلیں، اور وہ کریں جو تصور 7 نے سکھایا: بالکل بتائیں کہ کیا غلط ہے اور اس کے بجائے آپ کیا چاہتے ہیں۔ مبہم شکایات کو مبہم حل ملتے ہیں:

I played the game and found these issues:

1. Moles are mostly hidden inside the hole. They should pop up
   clearly above the dirt so I can see the full emoji face.
   Fix the layering so moles render in front of the dirt.

2. The holes blend into the dark background. Add a visible
   lighter brown rim around each hole opening so they stand
   out clearly from the grass.

3. The game takes 2 seconds before the first mole appears
   after clicking Start. Make it appear instantly with zero
   delay.

Fix all three issues.

یہ وہ چال ہے جو ایک کھلونے کو ایک مکمل گیم سے الگ کرتی ہے۔ "کیا یہ اچھا ہے؟" مت پوچھیں، ماڈل ہمیشہ ہاں کہے گا (تصور 6)۔ اسے ایک معیار دیں اور اسے خود کو ایمانداری سے نمبر دینے پر مجبور کریں:

Score this game 1-10 on each criterion. Give a one-sentence
justification per score. Then for EACH criterion, tell me the
single change that would raise the score the most.

1. VISUAL CLARITY - Can I instantly see every hole and mole?
2. FUN FACTOR - Does whacking a mole feel satisfying?
3. DIFFICULTY CURVE - Does it start easy and get harder fairly?
4. POLISH - Does it look like a finished game or a rough draft?
5. GAME FEEL - Do animations and sounds make me want to keep
   playing?

There is always a next level. Even a 9 has a path to 9.5.

پھر اس وقت تک چکر چلائیں جب تک یہ نمبر کمائے نہ، اور آپ طے کریں کہ اس نے کب کمایا، ماڈل نہیں (تصور 13):

Implement the top 3 highest-impact changes you suggested. Then
score the game again on the same 5 criteria. Keep going until
all scores are 9 or above. I decide when to stop, not you.

وہ چکر پورا پراجیکٹ ہے۔ اسے دو بار چلائیں اور آپ کا گیم "ایک چیز جو AI نے بنائی" سے "ایک چیز جس پر میں اپنا نام لکھوں" کی لکیر پار کر لیتا ہے۔

دو طاقتور چالیں، جب بنیادی باتیں کام کر جائیں

جب آپ ایسی خصوصیت چاہیں جسے حقیقی ڈیزائن چاہیے، صرف مزید تفصیل نہیں، تو ماڈل سے کہیں کہ بنانے سے پہلے سوچے (تصور 5)۔ "خوب سوچو" کا فقرہ توسیعی استدلال آن کر دیتا ہے:

Think hard about this: I want a smarter difficulty system.

Right now speed just increases with score. But a player who
scores 10 points in 10 seconds is very skilled, while a player
who scores 10 points in 25 seconds is slower. They should face
different difficulty levels.

Design an adaptive difficulty system that considers both the
player's score AND how fast they are scoring. Explain your
approach first, then implement it.

اور جب آپ کے پاس ایک پسندیدہ نسخہ ہو، تو پتہ لگائیں کہ آیا کوئی مختلف ٹول اسے بہتر کرتا (تصور 12)۔ پہلے والے تھیم اور build کے پرامپٹ اور گیم کے احساس کے پرامپٹ کو جوڑیں، پھر انہیں ایک ایسے ٹول میں چسپاں کریں جو آپ نے استعمال نہیں کیا:

Copy your Prompt 2 and Prompt 3 combined and paste them into
a different AI tool. If you used Claude, try ChatGPT or Gemini.

Play both versions side by side and compare:
- Which version has better visuals and colors?
- Which version has clearer moles and holes?
- Which version is more fun to play?
- Which version has better animations and sound?

Take the best ideas from both and ask your main AI tool to
add the features the other version did better.

ایک شخص جو ہمیشہ صرف ایک AI استعمال کرتا ہے وہ اندازہ لگا رہا ہے کہ کون سا بہترین ہے۔ اب آپ، اس قسم کے build کے لیے، اپنی آنکھوں سے جان لیں گے۔

اسے بالکل سانپ کے گیم کی طرح بھیجیں: ڈاؤن لوڈ کریں، نام بدل کر index.html رکھیں، Netlify میں گھسیٹیں (ایک نیا پراجیکٹ)۔ مکمل تب: جب کوئی دوست لنک سے اپنے فون پر آپ کا گیم کھیل سکے۔

👤Project 330-60 minایک صفحہ جو آپ ہیںایک صفحے کی ذاتی سائٹ جسے ایک اجنبی پانچ سیکنڈ میں سمجھ لے۔

اس پراجیکٹ کی پہلی کوشش عموماً کچھ ایسی دکھتی ہے۔ اسے نوآموز طریقہ کہہ لیں (تصور 1 حقیقی دنیا میں):

I was in Summer Camp learning AI this June. Now I am thinking
to create a personal website that shows everything about me
and what I have learned in this Summer Camp. Share what goes
into the personal website

Now build a personal website with the above idea and show it

ایک بالکل ٹھیک ٹھاک صفحہ واپس آتا ہے، اور یہی اصل پھندا ہے۔ یہ پوچھنا کہ ذاتی ویب سائٹ میں کیا کیا شامل ہوتا ہے، ایک اچھی جبلت تھی، مگر اس سوال میں کوئی شخص موجود ہی نہیں، اس لیے جواب عمومی ہے، اور دوسرا پرامپٹ وہ سب کا سب قبول کر لیتا ہے۔ "میرے بارے میں سب کچھ" اصل "میں" کے بارے میں کچھ بھی ساتھ لائے بغیر پہنچا، تو ماڈل خلا کو اسی واحد طریقے سے بھرتا ہے جو اس کے پاس ہے (تصور 2): اپنے تربیتی ڈیٹا کے اوسط طالب علم والے صفحے سے۔ گھسے پٹے سیکشن، "سیکھنے کے بارے میں پُرجوش،" ایسی کامیابیاں جو کسی کی بھی ہو سکتی ہیں۔ شائستہ، صاف، کسی کا نہیں۔ صفحہ اسی طرح اچھا ہوتا ہے جیسے اس صفحے کا ہر جواب اچھا ہوتا ہے: جب سیاق حقیقی ہو جائے۔

یہ رہا وہی پراجیکٹ، جسے ایک قاری نے، سمر کیمپ کے ایک طالب علم نے، اسی طرح چلایا جیسے یہ صفحہ سکھاتا ہے۔ تین پرامپٹ، شروع سے بھیجے جانے تک۔ پہلے بریف: ایک ایسا ہدف جس میں سامعین موجود ہوں، اور ان فیصلوں کی فہرست جن میں وہ کسی ڈیزائن کے وجود میں آنے سے پہلے اپنی رائے چاہتا ہے:

Now you will build a professional personal website

My Goal: To present myself professionally to everyone
(friends, relatives, businesses)

Here are some points that we have to work on before
designing it:
1. Website Colors
2. Background and Design
3. Text Size, Writing Style
4. What information will be there
5. How we present it professionally

Build and show it

اس میں سے کچھ بھی ڈیزائنر کی اصطلاحات نہیں۔ "متن کا سائز، لکھنے کا انداز" کسی کی بھی سرکاری اصطلاح نہیں، اور پھر بھی یہ کام کرتی ہے، کیونکہ یہ ماڈل کو بتا دیتی ہے کہ کون سے فیصلے منظور کرنے کا حق اس کا ہے۔ ایک معقول صفحہ واپس آیا: صاف ستھرے سیکشن، اوپر اس کا نام۔ دیکھنے میں مکمل لگتا تھا۔ اس نے اسے ویسے پڑھا جیسے کوئی آنے والا پڑھتا، اور پکڑ لیا کہ کیا غائب تھا۔ پھر اس نے چیٹ میں اپنے سمر کیمپ کے سرٹیفکیٹ کی فائل منسلک کی (فائلیں بھی سیاق ہیں، تصور 4) اور وہ ثبوت بھیجا جو صرف وہی دے سکتا تھا:

It looks good but it is missing the most important information

1. I can design games on the web. Here is an example to
   showcase: https://snake-game-by-junaid.netlify.app/
2. I know how to use ChatGPT and similar AI assistants
   professionally, like Claude and Gemini
3. I know everything present here
   https://agentfactory.panaversity.org/docs/ai-prompting-2026
4. I can professionally guide anyone about the things in the
   above link
5. At the end of summer camp there was an exam and I got
   certified. I have attached the certificate

Now plan and update it

ہر سطر ایک حقیقی چیز ہے جسے ایک اجنبی جانچ سکتا ہے: ایک گیم جو اس نے بالکل اسی طرح بھیجا جیسے پراجیکٹ 1 بھیجواتا ہے، وہ کورس جو اس نے پڑھا (نکتہ 3 وہی صفحہ ہے جو آپ اس وقت پڑھ رہے ہیں)، ایک فائل جسے ماڈل خود پڑھ سکتا ہے۔ ایک بھولی ہوئی چیز کی قیمت ایک پیغام رہی، نئی شروعات نہیں۔ اور "اب منصوبہ بناؤ اور اسے اپ ڈیٹ کرو" چند لفظوں میں تصور 7 کی عہد سے پہلے اختیارات والی جبلت ہے: پہلے منصوبہ، پھر صفحے کو ہاتھ لگانا۔ جو نسخہ واپس آیا اس میں وہاں ثبوت تھا جہاں پہلے صفتیں ہوا کرتی تھیں۔ ایک نظر کے بعد، آخری چال: ایک ڈیزائن کی خواہش، سانپ والے گیم کے انداز میں، اتنی مخصوص کہ اپنا حل خود ساتھ لائے:

On top I have my full name Muhammad Junaid Shaukat and the
same in the next section. This looks bad. For now the top
should have MJS and my game link
https://snake-game-by-junaid.netlify.app/

▶ وہ صفحہ دیکھیں جو ان تین پرامپٹس نے بنایا (زندہ)

یہ حقیقی، بھیجا ہوا نتیجہ ہے، ایک ایسے پتے پر جسے اس نے Netlify کی سیٹنگز میں بدل کر اپنے نام پر رکھ لیا، بالکل ویسے جیسے نیچے بھیجنے کا قدم بتاتا ہے۔ یہ یہاں زندہ لوڈ ہوتا ہے؛ آپ اسے اس کے اپنے ٹیب میں بھی کھول سکتے ہیں۔

آپ کا صفحہ اس جیسا نہیں لگنا چاہیے۔ اسے آپ جیسا لگنا چاہیے۔

اب اپنا چلائیں۔ اس کی چالیں چرائیں، اس کے حقائق نہیں: آغاز اپنے ہدف اور اس بات سے کریں کہ صفحے کو کس کے لیے کام کرنا ہے، وہ فیصلے گنوائیں جن میں آپ اپنی رائے چاہتے ہیں، پھر "بناؤ اور دکھاؤ۔" اگر آپ کو صفحے کے بجائے صفحے کی تفصیل ملے، تو کہیں: "کر دو۔" آپ ان دو لفظوں کو اس حصے کے کسی بھی دوسرے پرامپٹ سے زیادہ استعمال کریں گے۔ جب پہلا نسخہ مکمل لگے، تو اسے ایک آنے والے کی طرح پڑھیں اور اسی سوال کا جواب دیں جس کا جواب اس نے دیا تھا: وہ سب سے اہم معلومات کیا ہیں جو اس صفحے میں غائب ہیں؟ انہیں حقیقی، قابلِ جانچ چیزوں کی صورت میں بھیجیں: جو کچھ آپ نے بھیجا اس کے لنکس (پراجیکٹ 1 والے گیم کی جگہ یہی ہے)، ایک فائل جو ماڈل پڑھ سکے، جو کچھ آپ نے پڑھا اس کے نام۔ پھر ڈیزائن کی خواہشیں، فی پیغام ایک۔ "عنوان چیخ رہا ہے۔" "کم جامنی۔" "حصوں کے درمیان زیادہ جگہ۔"

جب یہ مکمل لگے، یہ مکمل نہیں ہے۔ اور یہاں نمبر دینے والے آپ نہیں ہو سکتے: آپ پہلے سے جانتے ہیں کہ آپ کون ہیں، اس لیے آپ محسوس نہیں کر سکتے کہ صفحہ واقعی یہ کہتا ہے یا نہیں۔ یہ واحد پراجیکٹ ہے جہاں آپ کو کسی اور کی آنکھیں ادھار لینی پڑتی ہیں۔ وہی نمبر دو اور ٹھیک کرو کا چکر چلائیں جو آپ نے چھچھوندر کے گیم پر چلایا (تصور 6 کی ایماندار معیار کی چال)، ایک تبدیلی کے ساتھ: AI کو ایک مخصوص اجنبی دیں جو وہ بن جائے۔

Become a specific stranger landing on this page for the first
time. Pick one and stay in their head: a recruiter scanning for
eight seconds, a classmate who has never met me, or someone my
work would actually matter to. Score the page 1-10 on three
things: do you know who I am within five seconds, is it obvious
what I want you to do, and does anything read like filler you
would skip? One sentence each, in their voice. Then make the
single change that raises the lowest score and apply it to the
page, don't just describe it.

اسے دو بار چلائیں، ہر بار ایک مختلف اجنبی۔ جب دو ایسے لوگ جو کبھی نہ ملیں دونوں آپ کو پانچ سیکنڈ میں سمجھ لیں، تو صفحہ مکمل ہے۔ وہ اتفاق وہ اشارہ ہے جو آپ اپنی آنکھوں سے نہیں پا سکتے۔

اسے بالکل گیم کی طرح بھیجیں: ڈاؤن لوڈ کریں، نام بدل کر index.html رکھیں، Netlify میں گھسیٹیں (اس بار ایک نیا پراجیکٹ)۔ اپنے پراجیکٹ کی سیٹنگز میں آپ بے ترتیب سائٹ کا نام بدل کر اپنے نام کے قریب کسی چیز میں کر سکتے ہیں، اگر وہ پہلے سے نہ لیا گیا ہو۔ مکمل تب: جب آپ کا نام آپ کے بنائے گئے صفحے پر پہنچے، اور پتہ آپ کے bio میں بیٹھے۔

📘Project 42-4 hrsAI منی نصابی کتابAI استعمال کر کے ایک موضوع پر ایک مختصر تعلیمی باب بنائیں، پھر ثابت کریں کہ آپ اسے ہدایت دے اور جانچ سکتے ہیں۔

پہلے تین پراجیکٹس میں سے ہر ایک ایک عوامی URL پر ختم ہوا۔ یہ جان بوجھ کر نہیں ہوتا۔ یہاں آپ AI استعمال کر کے ایک موضوع پر ایک مختصر منی نصابی باب بناتے ہیں جو آپ پڑھ رہے ہیں، اور اصل حاصل دو چیزیں ہیں: باب (مصنوعہ) اور ایک عملی نوٹ بک جو ثابت کرتی ہے کہ آپ AI کو ہدایت دے سکتے ہیں، سوال اٹھا سکتے ہیں، اور درست کر سکتے ہیں (ثبوت)۔ نیچے کا فریم ایک اسکول کے طالب علم کے لیے لکھا گیا ہے جو کلاس سے ایک موضوع چن رہا ہے، مگر یہ کسی کے لیے بھی کام کرتا ہے: کوئی بھی موضوع چنیں جو آپ واقعی سیکھنے کی کوشش کر رہے ہیں، "استاد" سے مراد کوئی بھی لیں جو آپ کا کام جانچے گا، اور جمع کرانے کو اختیاری سمجھیں۔

یہ اختتامیہ ہے کیونکہ یہ اس صفحے کی ہر چیز کی ایک ساتھ مشق کراتا ہے: AI کو مضبوط سیاق دینا (تصور 4)، درست بازیافت کا انداز چننا (تصور 3)، اختیارات پھر فیڈبیک کا چکر اور معیار کی بنیاد پر نمبر دینا (تصور 7)، اور دعووں پر بھروسہ کرنے کے بجائے ان کی تصدیق کرنا (تصور 2 اور 13)۔ منی نصابی کتاب مصنوعہ ہے۔ آپ کا پرامپٹ لاگ، آپ کی حقیقت جانچ، اور آپ کا غور و فکر یہ ثبوت ہیں کہ آپ AI کو ذمہ داری سے استعمال کر سکتے ہیں۔

یہ کیسے کام کرتا ہے، پہلے پڑھیں۔ آپ اصل کام ChatGPT، Claude، یا Gemini میں ایک دوسرے براؤزر ٹیب میں کرتے ہیں۔ یہ کارڈ آپ کو ترتیب سے چلانے کے لیے پرامپٹس دیتا ہے، اور نیچے (قدم 6 پر) ایک زندہ ورک بک جہاں آپ ہاتھ سے ریکارڈ کرتے ہیں کہ آپ نے کیا کیا، یعنی اس کا ثبوت کہ آپ نے AI کے ساتھ کیسے استدلال کیا۔ وہ ورک بک ابھی کھولیں اور قدموں سے گزرتے ہوئے اسے بھرتے جائیں، بجائے اس کے کہ سب کچھ آخر کے لیے چھوڑ دیں۔ جو کچھ آپ کو چاہیے وہ اس صفحے پر ہے اور ایک مفت AI اکاؤنٹ۔

قدم 1: ایک چھوٹا موضوع چنیں اور اپنا AI کھولیں

ایک چھوٹا موضوع چنیں، کوئی پورا مضمون نہیں، کیونکہ آپ واقعی ایک چھوٹا موضوع چند صفحوں میں اچھی طرح سکھا سکتے ہیں۔ ضیائی تالیف نہ چنیں؛ عملی مثال اسی کو استعمال کرتی ہے۔ پھر بس ChatGPT، Claude، یا Gemini کھولیں اور اس پراجیکٹ کے لیے ایک نئی چیٹ شروع کریں۔ اگر اتفاق سے آپ کے پاس موضوع پر نوٹس یا کوئی نصابی کتاب ہو، تو انہیں بعد میں چسپاں کرنے کے لیے پاس رکھیں؛ اگر نہیں، تو AI کا اپنا علم کافی ہے۔

پورا مضمون	ایک چھوٹا موضوع جو آپ واقعی سکھا سکتے ہیں
حیاتیات	غذائی زنجیریں اور توانائی کیسے بہتی ہے
ریاضی	کسر اور فیصد
طبیعیات	برقی سرکٹ
انگریزی	ایک مضبوط مضمون کا تعارف لکھنا
تاریخ	1857 کی جنگِ آزادی کے اسباب

اگر آپ کو ایک چاہیے تو مقامی خیالات: لوڈ شیڈنگ کے دوران برقی سرکٹ، خریداری کی رعایتوں سے فیصد، اسکول کے اعلان سے انگریزی گرامر، یا تناسب سے کلاس کی تقریب کا بجٹ بنانا۔

مکمل تب: جب آپ نے ایک چھوٹا موضوع چن لیا ہو اور ایک نئی AI چیٹ کھلی، چلنے کو تیار ہو۔

قدم 2: AI کو اچھی طرح بریف کریں (تصور 4)

دو پرامپٹس چلائیں۔ پہلے جان بوجھ کر ایک کمزور، اور جواب محفوظ کریں، تاکہ بعد میں آپ آمنے سامنے دیکھ سکیں کہ ایک اچھا بریف چیزوں کو کتنا بہتر کرتا ہے۔ پھر ایک حقیقی جو AI کو آپ کا سیاق دے: آپ کون ہیں اور آپ کیا سیکھ رہے ہیں۔ وہ دوسرا پرامپٹ تصور 4 کا پورا سبق ایک چال میں ہے۔

Explain ___.

کیوں: اسے پہلے صرف بنیادی سطح دیکھنے کے لیے چلائیں، ایک سست پرامپٹ اور ایک اچھے پرامپٹ کے درمیان فرق۔

I am a Grade ___ student. I am learning about ___. Explain it to me
clearly, then tell me what is still unclear and what I might
misunderstand.

کیوں: یہ ماڈل کو آپ کی حقیقی صورتحال دیتا ہے، تاکہ جواب ایک عام قاری کے بجائے آپ پر فِٹ ہو۔

اختیاری، صرف اگر آپ کے پاس واقعی نوٹس، کسی نصابی کتاب کی تصویر، یا ایک ورک شیٹ ہو: انہیں چسپاں کریں اور AI کو کہیں کہ ان پر ٹیک لگائے۔ زیادہ تر قارئین اسے چھوڑ کر AI کا اپنا علم استعمال کر سکتے ہیں۔

Here are my notes / a textbook photo: ___. Use these first. If you add
anything that is not in them, label it clearly as extra.

مکمل تب: جب AI نے آپ کے حقیقی سیاق (آپ کی سطح اور آپ کیا سیکھ رہے ہیں) کو استعمال کرتے ہوئے جواب دیا ہو۔ ہر پرامپٹ، اور اس نے کیا واپس دیا اس پر ایک سطر، چلتے چلتے نیچے ورک بک میں چسپاں کریں۔

قدم 3: اختیارات لیں، پھر دھکیلیں (تصور 7)

اپنے موضوع کو سمجھانے کے تین مختلف طریقے مانگیں، مگر AI کو ابھی ان میں سے کسی کو پورے باب میں نہ پھیلانے دیں۔ پھر ایک چنیں، باقی کو وجوہات کے ساتھ رد کریں، اور نظرثانی شدہ خاکے مانگیں۔ وجہ کے ساتھ رد کرنا وہ چال ہے جو ثابت کرتی ہے کہ آپ AI کو ہدایت دے رہے ہیں، صرف اس کا پہلا خیال قبول نہیں کر رہے۔

Give me 3 different ways to explain ___ to a Grade ___ student. Do not
expand into the full chapter yet. For each option, give a title,
structure, strengths, and weaknesses.

کیوں: یہ مسودہ سازی سے پہلے ذہن سازی پر مجبور کرتا ہے۔

I choose option ___ because ___. I reject option ___ because ___.
Revise the outline into 3 improved versions and make them more
suitable for my class context.

کیوں: یہ دکھاتا ہے کہ آپ AI کو ہدایت دے رہے ہیں، صرف پہلا جواب قبول نہیں کر رہے۔

مکمل تب: جب آپ نے کم از کم ایک اختیار کو وجہ کے ساتھ رد کیا ہو اور آپ کے پاس ایک نظرثانی شدہ خاکہ ہو جو آپ کو واقعی پسند ہو۔

قدم 4: باب بنائیں (حصہ A)

اب جب کہ منصوبہ بندی کا چکر مکمل ہو گیا، AI سے کہیں کہ خوب سوچے اور آپ کے نوٹس اور چنے گئے خاکے سے پورے باب کا مسودہ بنائے۔ باب میں حصہ A کے تمام دس سیکشن ہونے چاہئیں، جو نیچے کھلنے والے حصے میں درج ہیں۔

Read my notes and chosen outline carefully. Think hard about clarity,
accuracy, and age-fit. Now build the full mini textbook chapter for
Grade ___ students. Use simple language, short paragraphs, examples,
common mistakes, flashcards, quiz, and a 7-day revision plan.

کیوں: یہ محتاط کام صرف منصوبہ بندی کا چکر مکمل ہونے کے بعد مانگتا ہے۔

مکمل تب: جب آپ کے پاس ایک مسودہ ہو جو حصہ A کے تمام دس سیکشن کا احاطہ کرے۔

قدم 5: اسے نمبر دیں، پھر اس کی تصدیق کریں (تصور 2، 7، 13)

پہلے AI سے کہیں کہ وہ اپنے مسودے کو ایک معیار کے خلاف نمبر دے اور جو سب سے چھوٹی تبدیلیاں تجویز کرے وہ کرے۔ پھر اس سے کہیں کہ اپنے اہم دعوے درج کرے، اور بڑے دعووں میں سے چند خود جانچیں، اپنے نوٹس، ایک نصابی کتاب، یا ایک تیز web search کے خلاف، ہر ایک کو Accept، Reject، Modify، یا Needs checking نشان زد کرتے ہوئے۔ ایک نمبر آپ کو بتاتا ہے کہاں بہتر کرنا ہے؛ تصدیق آپ کو بتاتی ہے کہ دراصل کیا سچ ہے۔

Grade the chapter from 1 to 10 on four criteria: clarity, accuracy,
age-fit, and usefulness for revision. Justify each score in one
sentence. Then tell me the smallest edit that would raise each score
the most.

کیوں: یہ تنقید کو قابلِ پیمائش بہتری میں بدل دیتا ہے۔

List 6 to 10 important factual claims in the chapter. Mark each claim
as supported by my notes, supported by a named source, needs checking,
or unsupported. Do not pretend you verified something if you did not.

کیوں: یہ اندھے بھروسے کے بجائے ایماندار جانچ کی حمایت کرتا ہے۔

مکمل تب: جب آپ نے معیار کی تبدیلیاں لاگو کر دی ہوں اور کم از کم چند اہم دعوے جانچ لیے ہوں۔ معیار کا پرامپٹ اور جو دعوے آپ نے جانچے انہیں چلتے چلتے نیچے ورک بک میں درج کریں۔

قدم 6: اپنی عملی نوٹ بک جمع کریں اور ختم کریں

ثبوت اکٹھا کریں: آپ کا موضوع کا بریف، ماخذ، پرامپٹ لاگ، حقیقت جانچ، اور غور و فکر۔ کام کرتے ہوئے نیچے کی زندہ ورک بک بھریں؛ یہ خودبخود آپ کے براؤزر میں محفوظ ہو جاتی ہے اور ایک Markdown فائل میں export ہوتی ہے جسے آپ اپنے ثبوت کے طور پر رکھ، کاپی، یا پرنٹ کر سکتے ہیں۔ مکمل حصہ B کی تفصیلات، فی میز ایک مثالی قطار کے ساتھ، اس کے نیچے کھلنے والے حصے میں ہیں۔

Your live workbookloading your saved work…

مکمل تب: جب آپ کا باب مکمل ہو، اور آپ کی ورک بک ثبوت رکھے: آپ نے جو اہم پرامپٹس چلائے، چند حقائق جو آپ نے جانچے، اور آپ کے اپنے الفاظ میں ایک مختصر غور و فکر۔ یہ کسی کلاس کے لیے کر رہے ہیں؟ زیادہ مکمل نسخہ، یعنی مزید پرامپٹس، نامزد ماخذ، معیار، اور مکمل چیک لسٹ، نیچے کھلنے والے حصوں میں ہے۔

آپ کے باب میں کیا ہونا چاہیے (حصہ A کے دس سیکشن)

باب کسی ایسے شخص کے لیے لکھیں جو پہلی بار موضوع سے مل رہا ہے۔ تمام دس سیکشن شامل کریں:

#	سیکشن	اس میں کیا آتا ہے	لمبائی
1	عنوان اور سامعین	موضوع، مضمون، گریڈ کی سطح، یہ کس کے لیے ہے	آدھا صفحہ
2	تعلیمی اہداف	3 سے 5 چیزیں جو قاری کو سمجھنی چاہئیں	مختصر فہرست
3	سادہ وضاحت	آسان زبان، عنوانات، مختصر پیراگراف	1 سے 2 صفحے
4	کلیدی اصطلاحات	کم از کم 5 الفاظ سادہ تعریفوں کے ساتھ	میز
5	مثالیں	کم از کم 2 عملی یا حقیقی زندگی کی مثالیں	آدھے سے 1 صفحہ
6	عام غلطیاں	کم از کم 5 غلطیاں اور ان سے کیسے بچیں	فہرست یا میز
7	خاکہ یا بصری خیال	ایک سادہ خاکہ، فلو چارٹ، یا لیبل شدہ بصری	1 بصری
8	فلیش کارڈ	10 کارڈ، ایک طرف سوال، دوسری طرف جواب	میز
9	کوئز	5 سوال ایک جواب کلید کے ساتھ	مختصر کوئز
10	7 دن کا اعادہ منصوبہ	ایک سادہ ایک ہفتے کا مطالعہ منصوبہ	میز

آپ کی عملی نوٹ بک میں کیا ہونا چاہیے (حصہ B)

یہ ثبوت ہے۔ اس کے چھ حصے ہیں۔ دو مختصر تحریری ٹکڑے ہیں؛ چار میزیں ہیں جو آپ اپنی نوٹ بک یا دستاویز میں بھرتے ہیں، ایک وقت میں ایک قطار۔

B1، موضوع کا بریف۔ ایک مختصر پیراگراف: کون سا موضوع، آپ نے اسے کیوں چنا، اس میں کیا مشکل ہے، یہ کس کے لیے ہے، اور قاری کو آخر تک کیا سمجھنا چاہیے۔

B2، ماخذ کی فہرست۔ فی ماخذ ایک قطار، کم از کم دو:

ماخذ کا نام	قسم	میں نے اسے کیسے استعمال کیا
میرے موضوع پر گریڈ 8 کی نصابی کتاب کا صفحہ	نصابی کتاب / کلاس کا ماخذ	بنیادی تعریف اور کلیدی اصطلاحات لیں

بازیافت کے انداز (تصور 3)۔ کم از کم دو ماخذ کا نام لیں، اگر ممکن ہو تو کم از کم ایک اپنے کلاس کے مواد سے، اور بتائیں کہ آپ نے کون سا انداز استعمال کیا:

• پہلے سے تربیت یافتہ (ماڈل یادداشت سے): سادہ وضاحتوں، تشبیہات، اور مشق کے سوالوں کے لیے۔ مثال: "اس موضوع کو گریڈ 8 کے لیے سادہ الفاظ میں سمجھاؤ۔"
• ماخذ پر مبنی (آپ کا اپ لوڈ کردہ مواد): جب آپ چاہیں کہ AI آپ کے نوٹس یا نصابی کتاب کا صفحہ استعمال کرے۔ مثال: "پہلے میرے اپ لوڈ کیے گئے نوٹس استعمال کرو۔ اضافی حقائق شامل نہ کرو جب تک انہیں اضافی نشان زد نہ کرو۔"
• ویب/سرچ (اگر آپ کے ٹول میں ہو): جب آپ کو موجودہ یا بیرونی حقائق چاہئیں۔ مثال: "web search استعمال کرو اور دو نامزد ماخذ کا موازنہ کرو۔ جو ماخذ تم نے استعمال کیے درج کرو۔"
• Deep research: صرف تب جب آپ کو ایک سوال پر کئی ماخذ کا موازنہ کرنا پڑے۔ یہ سست ہے اور مفت اکاؤنٹس پر دستیاب نہ ہو، اس لیے اسے شاذ و نادر استعمال کریں، کسی سادہ وضاحت کے لیے کبھی نہیں۔

ماخذ کی اقسام یا تو ایک کلاس کا ماخذ ہیں (نصابی کتاب کا صفحہ، استاد کے نوٹس، ورک شیٹ، کسی پیراگراف کی تصویر) یا ایک قابلِ اعتماد تعلیمی ماخذ (Khan Academy، Britannica، استاد کی منظور شدہ سائٹ)۔ اگر آپ کے ٹول میں web search نہ ہو، تو اپنی نصابی کتاب اور استاد کے نوٹس استعمال کریں اور یہ لکھ دیں۔ ماخذ نہ گھڑیں۔ اگر AI آپ کو کوئی ماخذ دے، تو جب ممکن ہو اسے کھول کر جانچیں؛ اگر آپ اس کی تصدیق نہ کر سکیں، تو اسے "Needs checking" نشان زد کریں۔

اپنا سیاق کا پیکج بنائیں۔ ماڈل صرف وہی جانتا ہے جو موجودہ چیٹ یا پروجیکٹ میں ہے، اس لیے اسے کھلائیں: ایک ٹائپ شدہ نصابی پیراگراف، کسی صفحے یا ورک شیٹ کی صاف تصویر، کسی خاکے یا کلاس نوٹ کی تصویر، آپ کے استاد کی ہدایات، وہ الفاظ جو آپ کا استاد چاہتا ہے، اور آپ کے اپنے الفاظ میں کہ آپ کو پہلے سے کیا الجھن میں ڈالتا ہے۔ رازداری کا قاعدہ: کبھی پاس ورڈ، اپنا گھر کا پتہ، فون نمبر، نجی خاندانی تفصیلات، یا نجی تصاویر اپ لوڈ نہ کریں۔

B3، پرامپٹ لاگ۔ کم از کم 8 پرامپٹس، جو پورا عمل دکھائیں نہ کہ صرف حتمی جواب۔ فی پرامپٹ ایک قطار، اوپر کے ابتدائی پرامپٹس میں موجود آٹھ اقسام کا احاطہ کرتے ہوئے:

#	میرا پرامپٹ	AI نے مجھے کیا دیا	میں نے آگے کیا بدلا
1	"___ سمجھاؤ۔"	اعلیٰ الفاظ کے ساتھ ایک عام جواب	دیکھا کہ یہ بہت کمزور ہے، اپنا گریڈ اور نوٹس شامل کیے

B4، معیار کی نمبر دہی کی میز۔ مسودے کو نمبر دیں، پھر اسے بہتر کریں۔ کسی نمبر کو آنکھ بند کر کے قبول نہ کریں۔ فی معیار ایک قطار (وضاحت، درستی، عمر سے مطابقت، افادیت):

معیار	AI کا نمبر (1 سے 10)	AI کی وجہ	اسے بہتر کرنے کی سب سے چھوٹی تبدیلی	میرا فیصلہ
وضاحت	8	واضح، مگر یاد رکھنا مشکل	ایک سادہ خاکہ شامل کریں	قبول کیا، میں نے ایک شامل کیا

B5، جانچ کی میز۔ 6 سے 10 اہم AI بیانات چنیں اور انہیں جانچیں۔ ہر ایک کی ایک قطار:

AI کا بیان	میرا فیصلہ (Accept / Reject / Modify / Needs checking)	شواہد یا وجہ	ضرورت ہو تو درستی
"میرا موضوع زیادہ تر X میں ہوتا ہے۔"	Reject	میری نصابی کتاب کہتی ہے یہ Y میں ہوتا ہے	Y میں درست کیا

B6، غور و فکر۔ 150 سے 250 الفاظ: AI نے آپ کو کیا سمجھنے میں مدد دی، اس نے کیا غلط کیا یا غیر واضح چھوڑا، کون سا پرامپٹ سب سے بہتر چلا اور کیوں، آپ نے حتمی باب میں کیا بدلا، اور اگلی بار آپ کیا مختلف کریں گے۔

ایک مکمل راستہ کیسا لگتا ہے (ایک مثال)

یہاں ایک مکمل راستے کی شکل ہے، تاکہ آپ دیکھ سکیں کہ آپ کہاں جا رہے ہیں:

مرحلہ	اس مثال میں
چنا گیا موضوع	لوڈ شیڈنگ کے دوران برقی سرکٹ، گریڈ 8 طبیعیات
کلاس کا سیاق	بیٹری، سوئچ، بلب، کرنٹ، مکمل سرکٹ، شارٹ سرکٹ پر استاد کے نوٹس
نامزد ماخذ	ایک نصابی صفحے کی تصویر اور سرکٹ پر ایک Khan Academy مضمون یا ویڈیو
اختیارات کا پرامپٹ	سرکٹ سمجھانے کے 3 طریقے مانگے (پانی کا بہاؤ، گھر کی روشنی، خاکے پر مبنی)
منتخب اختیار	گھر کی روشنی کی تشبیہ، کیونکہ کھاریاں کے طالب علم لوڈ شیڈنگ جانتے ہیں
حتمی مصنوعہ	ایک باب جس میں وضاحت، کلیدی اصطلاحات، ایک سرکٹ خاکے کا خیال، عام غلطیاں، فلیش کارڈ، کوئز، اور ایک 7 دن کا منصوبہ

ایک مکمل عملی مثال دیکھیں (ضیائی تالیف، گریڈ 8): اسے نقل نہ کریں

یہ نمونہ متوقع ساخت اور معیار دکھاتا ہے۔ آپ کو اسے نقل نہیں کرنا: اپنا موضوع، ماخذ، پرامپٹس، جانچ، اور غور و فکر چنیں۔

عنوان: AI منی نصابی کتاب: گریڈ 8 کے لیے ضیائی تالیف۔ سبز پودے سورج کی روشنی، پانی، کاربن ڈائی آکسائیڈ، اور کلوروفل استعمال کر کے اپنی غذا کیسے بناتے ہیں۔

حصہ A: باب

1. عنوان اور سامعین۔ گریڈ 8 کے لیے ضیائی تالیف۔ گریڈ 8 کے طالب علموں کے لیے لکھا گیا۔ سمجھاتا ہے کہ سبز پودے سورج کی روشنی، پانی، کاربن ڈائی آکسائیڈ، اور کلوروفل استعمال کر کے اپنی غذا کیسے بناتے ہیں۔

2. تعلیمی اہداف۔ سمجھائیں کہ ضیائی تالیف کا کیا مطلب ہے؛ ان بنیادی چیزوں کی شناخت کریں جو پودوں کو چاہئیں؛ سورج کی روشنی، کلوروفل، پانی، اور کاربن ڈائی آکسائیڈ کا کردار سمجھائیں؛ بیان کریں کہ پودے کیا پیدا کرتے ہیں؛ پودے غذا کیسے بناتے ہیں اس بارے میں عام غلطیوں سے بچیں۔

3. سادہ وضاحت۔ ضیائی تالیف وہ عمل ہے جس سے سبز پودے اپنی غذا خود بناتے ہیں۔ پودے انسانوں اور جانوروں کی طرح نہیں کھاتے؛ سبز پودے اپنے پتوں کے اندر غذا بنانے کے لیے سورج کی روشنی استعمال کرتے ہیں۔ یہ غذا ایک شکر ہے جسے گلوکوز کہتے ہیں۔ گلوکوز بنانے کے لیے، پودوں کو سورج کی روشنی، پانی، کاربن ڈائی آکسائیڈ، اور کلوروفل چاہیے۔ کلوروفل پتوں میں سبز مادہ ہے؛ یہ پودوں کو سورج کی روشنی سے توانائی جذب کرنے میں مدد دیتا ہے۔ پودے اپنے پتوں میں چھوٹے سوراخوں کے ذریعے ہوا سے کاربن ڈائی آکسائیڈ لیتے ہیں اور اپنی جڑوں کے ذریعے مٹی سے پانی جذب کرتے ہیں۔ سورج کی روشنی اور کلوروفل استعمال کرتے ہوئے، پودا پانی اور کاربن ڈائی آکسائیڈ کو گلوکوز اور آکسیجن میں بدل دیتا ہے۔ گلوکوز کو پودا توانائی اور نمو کے لیے استعمال کرتا ہے؛ آکسیجن ہوا میں خارج ہو جاتی ہے۔ اسے یاد رکھنے کا ایک سادہ طریقہ: سورج کی روشنی + پانی + کاربن ڈائی آکسائیڈ → گلوکوز + آکسیجن۔ ضیائی تالیف اہم ہے کیونکہ یہ پودوں کو غذا دیتی ہے اور آکسیجن پیدا کرتی ہے، جو انسانوں اور جانوروں کو سانس لینے کے لیے چاہیے۔

4. کلیدی اصطلاحات۔

اصطلاح	معنی
ضیائی تالیف	وہ عمل جس سے سبز پودے سورج کی روشنی استعمال کر کے غذا بناتے ہیں
کلوروفل	پتوں میں سبز مادہ جو سورج کی روشنی جذب کرتا ہے
گلوکوز	ایک قسم کی شکر جو پودے غذا کے طور پر بناتے ہیں
کاربن ڈائی آکسائیڈ	ہوا کی ایک گیس جو پودے ضیائی تالیف کے دوران استعمال کرتے ہیں
آکسیجن	ایک گیس جو پودے ضیائی تالیف کے دوران خارج کرتے ہیں
جڑیں	پودے کا وہ حصہ جو مٹی سے پانی جذب کرتا ہے
پتے	پودے کا بنیادی حصہ جہاں ضیائی تالیف ہوتی ہے

5. مثالیں۔ مثال 1، ایک دھوپ والی کھڑکی کے پاس پودا: ایک دھوپ والی کھڑکی کے پاس رکھا اور ٹھیک سے پانی دیا جائے، تو یہ ضیائی تالیف کے ذریعے غذا بنا سکتا ہے؛ پتے سورج کی روشنی جذب کرتے ہیں، جڑیں پانی جذب کرتی ہیں، پتے کاربن ڈائی آکسائیڈ لیتے ہیں، اور پودا گلوکوز بنانے کے لیے انہیں استعمال کرتا ہے، جو اسے بڑھنے میں مدد دیتا ہے۔ مثال 2، اندھیرے میں رکھا ہوا پودا: لمبے عرصے اندھیرے میں رکھا جائے، تو یہ ٹھیک سے ضیائی تالیف نہیں کر سکتا کیونکہ اس میں روشنی کی کمی ہے؛ کافی روشنی کے بغیر یہ کافی گلوکوز نہیں بنا سکتا اور وقت کے ساتھ کمزور ہو سکتا ہے۔ یہ دکھاتا ہے کہ سورج کی روشنی اہم ہے۔

6. عام غلطیاں۔

غلطی	درستی
"پودے اپنی ساری غذا مٹی سے لیتے ہیں۔"	پودے مٹی سے پانی اور معدنیات لیتے ہیں، مگر گلوکوز پتوں میں بناتے ہیں
"ضیائی تالیف جڑوں میں ہوتی ہے۔"	یہ زیادہ تر پتوں میں ہوتی ہے
"کلوروفل پودے کی غذا ہے۔"	کلوروفل غذا نہیں؛ یہ سورج کی روشنی جذب کرنے میں مدد دیتا ہے
"آکسیجن غذا بنانے کے لیے استعمال ہوتی ہے۔"	آکسیجن ضیائی تالیف کے دوران پیدا ہوتی ہے، غذا بنانے کے لیے استعمال نہیں ہوتی
"پودوں کو ہوا کی ضرورت نہیں۔"	پودوں کو ہوا سے کاربن ڈائی آکسائیڈ چاہیے

7. خاکہ یا بصری خیال۔ تیروں کے ساتھ ایک سبز پودا بنائیں: سورج کی روشنی پتوں میں، مٹی سے پانی جڑوں میں، ہوا سے کاربن ڈائی آکسائیڈ پتوں میں، پتوں سے آکسیجن باہر، اور پودے کے اندر گلوکوز کو اس کی بنائی ہوئی غذا کے طور پر لیبل کریں۔ نیچے لکھیں: سورج کی روشنی + پانی + کاربن ڈائی آکسائیڈ → گلوکوز + آکسیجن۔

8. فلیش کارڈ۔

سوال	جواب
ضیائی تالیف کیا ہے؟	وہ عمل جس سے سبز پودے سورج کی روشنی استعمال کر کے غذا بناتے ہیں
پودے کون سی غذا بناتے ہیں؟	گلوکوز
پودے کون سی گیس لیتے ہیں؟	کاربن ڈائی آکسائیڈ
کون سی گیس خارج ہوتی ہے؟	آکسیجن
کون سا حصہ پانی جذب کرتا ہے؟	جڑیں
یہ زیادہ تر کہاں ہوتی ہے؟	پتوں میں
کلوروفل کیا ہے؟	سبز مادہ جو سورج کی روشنی جذب کرتا ہے
سورج کی روشنی کیوں چاہیے؟	یہ ضیائی تالیف کے لیے توانائی فراہم کرتی ہے
کیا پودے اپنی ساری غذا مٹی سے لیتے ہیں؟	نہیں، وہ ضیائی تالیف کے ذریعے گلوکوز بناتے ہیں
یہ انسانوں کے لیے کیوں اہم ہے؟	یہ آکسیجن پیدا کرتی ہے اور غذائی زنجیروں کی حمایت کرتی ہے

9. کوئز۔ سوال 1 ضیائی تالیف کیا ہے؟ سوال 2 پودوں کو ضیائی تالیف کے لیے درکار تین چیزیں بتائیں۔ سوال 3 کلوروفل کا کیا کردار ہے؟ سوال 4 ضیائی تالیف کے دوران کون سی غذا بنتی ہے؟ سوال 5 ضیائی تالیف انسانوں اور جانوروں کے لیے کیوں اہم ہے؟ جواب کلید: 1) وہ عمل جس سے سبز پودے سورج کی روشنی استعمال کر کے اپنی غذا خود بناتے ہیں؛ 2) سورج کی روشنی، پانی، اور کاربن ڈائی آکسائیڈ، اور سورج کی روشنی جذب کرنے کے لیے کلوروفل؛ 3) کلوروفل سورج کی روشنی جذب کرتا ہے؛ 4) گلوکوز؛ 5) یہ آکسیجن پیدا کرتی ہے اور پودوں کو غذا بنانے میں مدد دیتی ہے، جو زمین پر زندگی کی حمایت کرتی ہے۔

10. 7 دن کا اعادہ منصوبہ۔

دن	کام
دن 1	سادہ وضاحت پڑھیں اور کلیدی الفاظ کے نیچے لکیر کھینچیں
دن 2	ضیائی تالیف، کلوروفل، گلوکوز، کاربن ڈائی آکسائیڈ، آکسیجن سیکھیں
دن 3	ضیائی تالیف کا خاکہ بنائیں اور لیبل کریں
دن 4	عام غلطیوں کی میز کا جائزہ لیں
دن 5	فلیش کارڈ استعمال کر کے خود کو آزمائیں
دن 6	جوابات دیکھے بغیر کوئز حل کریں
دن 7	اپنے الفاظ میں ضیائی تالیف کسی دوست یا خاندان کے فرد کو سمجھائیں

حصہ B: عملی نوٹ بک

B1، موضوع کا بریف۔ میں نے ضیائی تالیف اس لیے چنی کیونکہ یہ گریڈ 8 حیاتیات کا ایک اہم موضوع ہے۔ بہت سے طالب علم اسے مشکل پاتے ہیں کیونکہ وہ سورج کی روشنی، پانی، کاربن ڈائی آکسائیڈ، آکسیجن، گلوکوز، اور کلوروفل کے کردار کو گڈمڈ کر دیتے ہیں۔ کچھ سمجھتے ہیں کہ پودے اپنی ساری غذا مٹی سے لیتے ہیں۔ میرا باب گریڈ 8 کے طالب علموں کے لیے لکھا گیا ہے۔ آخر تک، انہیں سمجھنا چاہیے کہ سبز پودے اپنی غذا خود کیسے بناتے ہیں اور یہ زندگی کے لیے کیوں اہم ہے۔

B2، ماخذ کی فہرست۔

ماخذ کا نام	قسم	میں نے اسے کیسے استعمال کیا
گریڈ 8 سائنس کی نصابی کتاب کا حصہ	نصابی کتاب / کلاس کا ماخذ	بنیادی تعریف اور کلیدی اصطلاحات
ضیائی تالیف پر استاد کے نوٹس	استاد کی رہنمائی	اہم الفاظ کی شناخت کے لیے
Khan Academy یا Britannica کی وضاحت	قابلِ اعتماد تعلیمی ماخذ	بنیادی وضاحت جانچنے اور غلط دعووں سے بچنے کے لیے

B3، پرامپٹ لاگ۔

#	میرا پرامپٹ	AI نے مجھے کیا دیا	میں نے آگے کیا بدلا
1	"ضیائی تالیف سمجھاؤ۔"	کچھ اعلیٰ الفاظ کے ساتھ ایک عام جواب	دیکھا کہ یہ بہت کمزور ہے اور گریڈ 8 کے لیے نہیں لکھا گیا
2	"میں گریڈ 8 کا طالب علم ہوں۔ ضیائی تالیف کلیدی اصطلاحات استعمال کرتے ہوئے سادہ الفاظ میں سمجھاؤ۔"	درست کلیدی الفاظ استعمال کرتے ہوئے ایک واضح تر وضاحت	اپنی نصابی کتاب اور استاد کے نوٹس شامل کرنے کا فیصلہ کیا
3	"پہلے میری گریڈ 8 کی نصابی کتاب اور استاد کے نوٹس استعمال کرو۔ کسی بھی اضافی معلومات کو اضافی نشان زد کرو۔"	نصابی کتاب کے الفاظ پر توجہ دی، اضافی چیزوں سے گریز کیا	لکھنے سے پہلے خاکے کے اختیارات مانگے
4	"مجھے ضیائی تالیف کو گریڈ 8 کے طالب علم کو سمجھانے کے 3 طریقے دو۔ ابھی باب نہ لکھو۔"	تین اختیارات: ترکیب کی تشبیہ، کارخانے کی تشبیہ، خاکہ پہلے	ترکیب کی تشبیہ چنی
5	"میں ترکیب کی تشبیہ چنتا ہوں۔ کارخانے کی تشبیہ بہت پیچیدہ ہونے کی وجہ سے رد کرتا ہوں۔ 3 خاکوں میں نظرثانی کرو۔"	اصطلاحات، غلطیوں، فلیش کارڈ، کوئز کے ساتھ تین بہتر خاکے	خاکہ چنا جس میں ایک خاکہ اور غلطیاں تھیں
6	"میرے نوٹس اور خاکہ پڑھو۔ وضاحت اور عمر سے مطابقت پر خوب سوچو۔ پورا باب بناؤ۔"	باب کا ایک مکمل پہلا مسودہ	AI سے کہا کہ ایک معیار سے مسودے کو نمبر دے
7	"باب کو وضاحت، درستی، عمر سے مطابقت، افادیت پر 1 سے 10 نمبر دو۔ وجہ بتاؤ اور تبدیلیاں تجویز کرو۔"	نمبر: وضاحت 8، درستی 8، عمر سے مطابقت 9، افادیت 8	خاکہ اور غلطیوں کا حصہ بہتر کیا
8	"6 سے 10 حقائقی دعوے درج کرو اور ہر ایک کو تائید شدہ، جانچ درکار، یا غیر تائید شدہ نشان زد کرو۔"	سورج کی روشنی، کلوروفل، گلوکوز، آکسیجن کے بارے میں دعووں کی فہرست	انہیں اپنی نصابی کتاب سے جانچا اور الفاظ درست کیے

B4، معیار کی نمبر دہی کی میز۔

معیار	AI کا نمبر	AI کی وجہ	سب سے چھوٹی تبدیلی	میرا فیصلہ
وضاحت	8	واضح، مگر عمل یاد رکھنا مشکل	ایک سادہ مساوات اور خاکے کا خیال شامل کریں	قبول کیا، میں نے دونوں شامل کیے
درستی	8	حقائق درست ہیں، مگر مٹی کا کردار غیر واضح ہے	سمجھائیں مٹی پانی دیتی ہے، پتے گلوکوز بناتے ہیں	قبول کیا، عام غلطیوں میں شامل کیا
عمر سے مطابقت	9	زبان گریڈ 8 کے لیے موزوں ہے	پیراگراف مختصر رکھیں، اعلیٰ کیمیا سے گریز کریں	قبول کیا
اعادے کے لیے افادیت	8	مفید، مگر اعادے کے اوزار مدد دیں گے	فلیش کارڈ اور ایک 7 دن کا منصوبہ شامل کریں	قبول کیا، میں نے دونوں شامل کیے

B5، جانچ کی میز۔

AI کا بیان	میرا فیصلہ	شواہد یا وجہ	ضرورت ہو تو درستی
"ضیائی تالیف وہ طریقہ ہے جس سے سبز پودے غذا بناتے ہیں۔"	Accept	نصابی کتاب اور استاد کے نوٹس سے مطابقت	کوئی نہیں
"پودوں کو ضیائی تالیف کے لیے سورج کی روشنی چاہیے۔"	Accept	نصابی کتاب سے مطابقت	کوئی نہیں
"کلوروفل سورج کی روشنی جذب کرنے میں مدد دیتا ہے۔"	Accept	استاد کے نوٹس سے مطابقت	کوئی نہیں
"پودے کاربن ڈائی آکسائیڈ لیتے ہیں۔"	Accept	نصابی کتاب اور قابلِ اعتماد ماخذ سے مطابقت	کوئی نہیں
"پودے ضیائی تالیف کے دوران آکسیجن خارج کرتے ہیں۔"	Accept	نصابی کتاب سے مطابقت	کوئی نہیں
"گلوکوز پودوں کی بنائی ہوئی غذا ہے۔"	Accept	کلاس کے نوٹس سے مطابقت	کوئی نہیں
"پودے اپنی ساری غذا مٹی سے لیتے ہیں۔"	Reject	استاد کے نوٹس کہتے ہیں پودے گلوکوز پتوں میں بناتے ہیں	پودے مٹی سے پانی اور معدنیات لیتے ہیں، مگر گلوکوز ضیائی تالیف میں بناتے ہیں
"ضیائی تالیف زیادہ تر جڑوں میں ہوتی ہے۔"	Reject	نصابی کتاب کہتی ہے یہ بنیادی طور پر پتوں میں ہوتی ہے	ضیائی تالیف زیادہ تر پتوں میں ہوتی ہے

B6، غور و فکر۔ AI نے ضیائی تالیف کو سادہ زبان میں سمجھا کر اور موضوع کو کلیدی اصطلاحات، مثالوں، عام غلطیوں، فلیش کارڈ، اور ایک کوئز میں ترتیب دے کر سمجھنے میں میری مدد کی۔ میرا پہلا پرامپٹ بہت کمزور تھا کیونکہ اس نے صرف "ضیائی تالیف سمجھاؤ" پوچھا، اس لیے جواب عام تھا اور میری کلاس کی سطح کے لیے نہیں بنا تھا۔ سب سے بہترین پرامپٹ وہ تھا جہاں میں نے AI کو اپنی گریڈ کی سطح، نصابی کتاب کا سیاق، اور استاد کے الفاظ دیے، اور ایک پورا باب مانگا۔ AI نے مجھے ایک واضح ساخت دی، مگر مجھے پھر بھی حقائق جانچنے پڑے۔ ایک اہم درستی یہ تھی کہ پودے اپنی ساری غذا مٹی سے نہیں لیتے: وہ مٹی سے پانی اور معدنیات لیتے ہیں، مگر گلوکوز اپنے پتوں میں بناتے ہیں۔ اگلی بار میں AI کو پہلے اپنے کلاس کے نوٹس دوں گا، مختلف خاکے کے اختیارات مانگوں گا، اور حتمی جواب استعمال کرنے سے پہلے اہم دعوے جانچوں گا۔

یہ صرف ایک نمونہ ہے۔ اپنا موضوع چنیں، اپنے ماخذ استعمال کریں، اپنے پرامپٹس دکھائیں، حقائق جانچیں، اور اپنا غور و فکر لکھیں۔

اسے کیسے نمبر دیے جاتے ہیں

زمرہ	مضبوط کام کیا دکھاتا ہے	پوائنٹس
موضوع اور تعلیمی ہدف	واضح موضوع، سامعین، مشکل، اور تعلیمی ہدف	8
سیاق کا پیکج	AI کو دیے گئے مفید کلاس نوٹس، نصابی متن یا تصویر، الفاظ، یا استاد کی ہدایات	12
AI ورک سپیس کا نظم	سیاق کی الجھن سے بچنے کے لیے ایک پروجیکٹ یا واضح طور پر منظم الگ چیٹس استعمال کیں	5
نامزد ماخذ اور بازیافت کا انداز	کم از کم دو نامزد ماخذ، اور کون سا انداز استعمال ہوا (پہلے سے تربیت یافتہ، ماخذ پر مبنی، یا ویب/سرچ)	10
پرامپٹ لاگ اور دہرانا	کم از کم 8 پرامپٹس: کمزور، سیاق، ماخذ نامزدگی، 3 اختیارات کا چکر، فیڈبیک، مسودہ، معیار، تصدیق	20
منی نصابی کتاب کا معیار	واضح، منظم، عمر کے مطابق، مکمل، اور جس سے اعادہ کرنا آسان ہو	20
جانچ کی میز	اہم AI دعوے جانچے گئے، درست کیے گئے، یا ایمانداری سے "Needs checking" نشان زد کیے گئے	15
غور و فکر	AI نے کس میں مدد دی، کس کو درستی کی ضرورت تھی، اور کیا سیکھا اس کا ایماندار بیان	10

حفاظت اور ایمانداری کے قواعد

• نجی معلومات نہ بانٹیں: کوئی گھر کا پتہ، فون نمبر، پاس ورڈ، نجی تصاویر، یا خاندانی تفصیلات نہیں۔
• آنکھ بند کر کے نقل نہ کریں: AI غلطیاں کر سکتا ہے، اس لیے اہم حقائق جانچیں۔
• AI کو دھوکہ دینے کے لیے استعمال نہ کریں: مقصد پرامپٹنگ سیکھنا اور ایک جانچا ہوا تعلیمی وسیلہ بنانا ہے۔
• غیر محفوظ مدد نہ مانگیں: کوئی دھونس، ہیکنگ، نقصان دہ ہدایات، یا بہروپ نہیں۔
• AI کے استعمال کے بارے میں ایماندار رہیں: جو پرامپٹس آپ نے استعمال کیے اور جو تبدیلیاں کیں وہ دکھائیں۔
• ماخذ نہ گھڑیں: جس چیز کی آپ تصدیق نہ کر سکیں اسے "Needs checking" نشان زد کریں۔

جمع کرانے سے پہلے، چیک لسٹ

• ایک مخصوص موضوع چنا
• اپنا موضوع کا بریف لکھا
• ایک پروجیکٹ یا منظم چیٹ ورک فلو ترتیب دیا
• AI کو مفید کلاس سیاق دیا
• جہاں مفید ہو ایک تصویر، PDF، ٹائپ شدہ نوٹس، یا استاد کی ہدایات شامل کیں
• کم از کم دو ماخذ کا نام لیا
• بتایا کہ میں نے پہلے سے تربیت یافتہ، ماخذ پر مبنی، یا ویب/سرچ انداز استعمال کیا
• حتمی باب سے پہلے 3 اختیارات مانگے
• فیڈبیک دیا اور نظرثانی شدہ اختیارات مانگے
• اپنے پرامپٹ لاگ میں کم از کم 8 پرامپٹس شامل کیے
• کلیدی اصطلاحات، مثالوں، عام غلطیوں، فلیش کارڈ، کوئز، اور مطالعہ منصوبے کے ساتھ ایک مکمل باب بنایا
• AI سے ایک معیار استعمال کرتے ہوئے مسودے کو نمبر دینے کو کہا
• کم از کم 6 اہم AI بیانات جانچے
• کسی بھی غیر یقینی چیز کو درست کیا یا نشان زد کیا
• اپنا غور و فکر اپنے الفاظ میں لکھا
• کوئی نجی ذاتی معلومات شامل نہیں کی

آپ کا مقصد یہ دکھانا نہیں کہ AI ذہین ہے۔ یہ دکھانا ہے کہ آپ AI کی رہنمائی کر سکتے ہیں، AI پر سوال اٹھا سکتے ہیں، AI کو درست کر سکتے ہیں، اور بہتر سیکھنے کے لیے AI استعمال کر سکتے ہیں۔

مکمل تب: جب آپ کا باب مکمل ہو (حصہ A کے تمام دس سیکشن) اور آپ کی عملی نوٹ بک کام ثابت کرے: کم از کم 8 پرامپٹس کا ایک پرامپٹ لاگ، کم از کم دو نامزد ماخذ، آپ کے معیار کے نمبر، 6 سے 10 بیانات کی ایک جانچ کی میز جو آپ نے تصدیق کیے، اور آپ کے اپنے الفاظ میں ایک غور و فکر۔

پہلے تین پراجیکٹس سے آپ جو بھی پتہ بھیجتے ہیں وہ اس لیے موجود ہے کیونکہ آپ نے سادہ جملوں میں ایک ایسے ماڈل کو بتایا جو بناتا ہے کہ آپ کیا چاہتے ہیں۔ یہ ایک انجن پر چلتے ہیں: سانپ اس لیے اچھا ہوتا ہے کیونکہ آپ کھیلتے ہوئے کیا نوٹ کرتے ہیں، چھچھوندر کا گیم اس معیار کی وجہ سے جس پر آپ اسے پرکھتے ہیں، صفحہ اس لیے کہ آپ کون ہیں۔ سیاق کے مختلف ذرائع، وہی چال۔ درست سیاق اندر لائیں۔ اختتامیہ وہ استثنا ہے جو قاعدے کو ثابت کرتا ہے۔ یہ کوئی پتہ بالکل نہیں بھیجتا، کیونکہ اس کا مصنوعہ ایک ایسی چیز ہے جسے آپ سمجھتے ہیں اور یہ ثبوت کہ آپ، نہ کہ ماڈل، انچارج تھے۔

پہلے تین پراجیکٹس میں سے ہر ایک ایک واحد HTML فائل ہے، کیونکہ یہی اس خیال کا حجم ہے جو ایک پرامپٹ اٹھا سکتا ہے۔ تصور 9 نے حد کو ایمانداری سے نام دیا: اکاؤنٹس، انٹرنیٹ پر زندہ multiplayer، وہ ڈیٹا جسے زندہ رہنا ہے، انہیں حقیقی انجینئرنگ چاہیے۔ اختتامیہ ایک مختلف حد کو نام دیتا ہے: ایک ماڈل سیکنڈوں میں ایک پورا باب لکھ سکتا ہے، مگر صرف آپ طے کر سکتے ہیں کہ آیا یہ سچ ہے۔ جب آپ کے خیالات ایک فائل سے بڑے ہو جائیں، یا کسی مسودے پر آپ کا بھروسہ ایک نظر سے بڑا ہو جائے، تو وہیں سے اس کتاب کا باقی حصہ شروع ہوتا ہے۔

جب کوئی پراجیکٹ غلط ہو جائے (ان میں سے ایک ہوگا؛ سب معمول کی بات ہیں)

علامت	حل
سائیڈ پینل میں ایپ خالی یا جمی ہوئی ہے	سادہ الفاظ میں کہیں: "یہ ایک کالی سکرین ہے" یا "سٹارٹ بٹن کچھ نہیں کرتا۔" ماڈل اپنا کوڈ خود دیکھ سکتا ہے اور عموماً اسے ٹھیک کر دے گا۔ بدترین صورت: "اسے سرے سے نئے سرے سے بناؤ، سادہ تر۔"
ڈاؤن لوڈ کی گئی فائل متن کی ایک دیوار کے طور پر کھلتی ہے	یہ ایک ٹیکسٹ ایڈیٹر میں کھلی۔ فائل پر رائٹ کلک کریں، Open With چنیں، اور اپنا براؤزر چنیں۔ فائل ٹھیک ہے۔
Netlify "Page not found" دکھاتا ہے	فائل کا نام غالباً index.html نہیں ہے۔ اس کا نام بدلیں اور اسے دوبارہ گھسیٹیں۔
پتہ بدنما ہے	یہ طے شدہ طور پر ایک بے ترتیب نام ہے۔ آپ کے پراجیکٹ کی سیٹنگز آپ کو سائٹ کا نام بدلنے دیتی ہیں، تاکہ پتہ yourname.netlify.app بن جائے اگر وہ نام آزاد ہو۔
اپ ڈیٹ کے بعد ایک دوست پرانا نسخہ دیکھتا ہے	تازہ ترین فائل کو پراجیکٹ کی deploys سکرین پر گھسیٹیں، پھر ان سے صفحہ ریفریش کرائیں۔

---

اب آپ جانتے ہیں کہ یہ ٹولز کیا کر سکتے ہیں۔ آیا آپ انہیں ہدایت دینے کے لیے کافی واضح سوچ سکتے ہیں یہ ایک الگ سوال ہے، اور یہی وہ سوال ہے جس کے گرد Thinking in AI Era فوری کورس بنا ہے۔

شروع کرنے سے پہلے اکثر پوچھے جانے والے سوالات

کیا یہاں یا Thinking فوری کورس میں مشقیں کرنے کے لیے مجھے ایک پیڈ پلان چاہیے؟ تینوں، یعنی ChatGPT، Claude، اور Gemini کے مفت درجے اس صفحے کی مشقوں اور Thinking فوری کورس آپ سے جو زیادہ تر مانگتا ہے اس کے لیے کافی ہیں۔ ایک پیڈ پلان مدد کرتا ہے اگر آپ ایک نشست میں بہت سی deep research کریں یا بہت سی فائلیں منسلک کریں۔ مفت شروع کریں؛ صرف تب اپ گریڈ کریں اگر استعمال کی حدیں روکنے لگیں۔

کیا میں ایک ٹول استعمال کروں یا تین؟ روزمرہ استعمال کے لیے ایک کو اپنا طے شدہ چنیں، مگر موازنے کے لیے ایک مختلف خاندان سے کم از کم ایک اور انسٹال کریں (تصور 13 دیکھیں)۔ دوسرا ٹول رکھنے کی بات دگنا کام کرنا نہیں؛ یہ ایک فیصلہ کن رکھنا ہے جب پہلا ٹول آپ کو کچھ ایسا دے جو ٹھیک نہ لگے۔

میری کمپنی ChatGPT بلاک کرتی ہے۔ میں مشقوں کے لیے کیا کروں؟ جو بھی جدید AI ٹول آپ کی کمپنی کی اجازت دے استعمال کریں۔ یہاں کی مہارتیں کسی بھی متن اندر، متن باہر AI پر منتقل ہوتی ہیں۔ اگر کسی کی اجازت نہ ہو، تو مشقوں کے لیے کسی ذاتی آلے پر اپنا ذاتی اکاؤنٹ استعمال کریں، یہ سوچنے کے بارے میں ہیں، کمپنی ڈیٹا کے بارے میں نہیں۔

اگر میں اس صفحے کے نسخے بھول جاؤں تو؟ صفحے کو نشان زد کریں۔ نسخے (دہرانے اور نمبر دینے کا چکر، معیار کا نمونہ، غیر جانبدار دوبارہ تحریر کی چال، پروجیکٹ کی ترتیب، "سب سے چھوٹی تبدیلی جو نمبر اٹھائے" والی چال) دیکھنے کے لیے بنائے گئے ہیں، رٹنے کے لیے نہیں۔ رٹنے کے قابل واحد چیز یہ ایک جملہ ہے: درست سیاق اندر لائیں، غلط سیاق باہر رکھیں۔

جب AI اتنا قابل ہے تو سوچنے کے نظم میں گہرائی میں کیوں جائیں؟ کیونکہ سمت کے بغیر قابلیت ضیاع کو بڑھاتی ہے۔ 2026 کے کام میں رکاوٹ پیدا کرنے سے (جسے AI نے سستا کر دیا) جانچنے کی طرف منتقل ہو گئی (جسے اس نے نہیں کیا)۔ AI سے ایک پُراعتماد غلط تجزیہ بالکل کوئی تجزیہ نہ ہونے سے زیادہ خطرناک ہے، کیونکہ یہ مکمل لگتا ہے۔ Thinking فوری کورس وہ فیصلہ تربیت دیتا ہے جو طے کرتا ہے کہ AI جو پیدا کرتا ہے اس کا کیا کرنا ہے۔ وہ فیصلہ AI سے سیر شدہ کام کی جگہ میں سب سے قیمتی مہارت ہے، اور زیادہ تر نصاب اسے سرے سے چھوڑ دیتے ہیں۔

اپنے پہلے ہفتے میں دیکھنے کے قابل عام غلطیاں

غلطی	علامت	حل
AI کو ایک search engine کی طرح برتنا	مختصر پرامپٹس، سطحی جواب، بار بار جھنجھلاہٹ	AI کو ایک ساتھی کی طرح بریف کریں: سیاق، فائلیں، شرائط، مطالبہ۔
ایک گفتگو کو ہمیشہ کے لیے جمع ہونے دینا	جیسے جیسے پرانا سیاق سکڑتا ہے جواب وقت کے ساتھ مبہم ہوتے جاتے ہیں	جب موضوع بدلے تو ایک نئی گفتگو شروع کریں۔ کھڑے سیاق (فائلیں، ہدایات) کو ایک پروجیکٹ میں منتقل کریں۔
پہلی کوشش میں حتمی مسودہ مانگنا	چمکدار آؤٹ پٹ، کھوکھلا مواد	پہلے خاکہ، ہر مرحلے پر نمبر دیں اور ٹھیک کریں، نکات تک پھیلائیں، پھر مسودہ۔
بے خبر چارہ والی بندشیں	AI جو بھی آپ نے اشارہ دیا اس سے متفق ہوتا ہے	بھیجنے سے پہلے غیر جانبدار سوالوں کے طور پر دوبارہ لکھیں۔
مبہم تنقید پر راضی ہونا	بغیر کسی تفصیل کے "زبردست کام!"	فی معیار 1 سے 10 نمبر ایک جملے کی وجہ کے ساتھ مانگیں۔ وہ تبدیلی مانگیں جو ہر نمبر سب سے زیادہ بڑھائے۔
جب AI کہے کہ آپ مکمل ہیں تو رکنا	بغیر آگے کے راستے کے "اچھا لگتا ہے!"	AI کو آپ کو مکمل قرار دینے کا اختیار نہیں۔ اس وقت تک دہرائیں جب تک نمبر ٹھہر نہ جائے، نہ کہ جب تک یہ چمکدار لگے۔
اعتماد کو درستی سمجھنا	گمنام موضوعات پر حیران کن غلطیاں	پوچھیں "تم یہ کیسے جانتے؟" اہم معاملات کے دعوے بنیادی ماخذوں سے جانچیں۔
پہلے دن وسیع اجازتیں منظور کرنا	فائلیں کھو گئیں، ایڈٹ اوور رائٹ ہوئے	تنگ فولڈر تک محدود کریں۔ دائرہ صرف ساکھ کے ساتھ بڑھائیں۔

یہ کردار کی خامیاں نہیں۔ یہ عادتیں ہیں جو صارفین کی پہلی نسل (بشمول خود آپ) صفر سے بنا رہی ہے۔ انہیں ایک بار پکڑنا عموماً قائم رہتا ہے۔

اس صفحے نے ان ٹولز کے استعمال کے میکانیات سکھائے۔ Thinking in AI Era فوری کورس وہ نظم سکھاتا ہے جو میکانیات کو فائدہ مند بناتا ہے۔ اس کا ایک جملے کا اصول: حاصل کبھی جواب نہیں ہوتا؛ حاصل سوچ کے دستاویزی شواہد ہوتے ہیں۔ کورس تین حصوں میں چھ سوچنے کی عادتوں کے طور پر ترتیب دیا گیا ہے:

• حصہ 1: بنیادیں ، وہ رویہ جو آپ AI کھولنے سے پہلے اپناتے ہیں۔ Prediction Lock (AI کے آپ کو بتانے سے پہلے لکھ لیں کہ آپ کے خیال میں جواب کیا ہے، تاکہ AI کا پُراعتماد جواب خاموشی سے آپ کا نہ بن جائے) اور Reasoning Receipt (ہر اہم AI دعوے کو Accept / Reject / Modify / Surfaced / Missed کا لیبل دیں، ایک جملے کے کیوں کے ساتھ)۔ مل کر یہ سوچ کو آپ کے ساتھ اور ٹائپنگ کو AI کے ساتھ رکھتے ہیں، وہ جگہ جہاں تصور 6 اشارہ کر رہا تھا مگر کام مکمل نہ کیا۔

• حصہ 2: کھوج ، جو AI غلط کرتا ہے اسے پکڑنا۔ Error Taxonomy (چھ مخصوص ناکامیاں، یعنی حقائقی غلطی، منطقی خلا، جھوٹا اعتماد، غائب سیاق، گھڑا ہوا ماخذ، باسی حقیقت، جنہیں آپ نام سے کھنگالتے ہیں نہ کہ احساس سے) تصور 2 کے "پُراعتماد جواب درست جواب نہیں" کا گہرا نسخہ ہے۔ Thinking in Systems (کسی بھی AI تجویز کردہ فیصلے کے ضمنی اثرات کو ان لوگوں اور گروہوں کے آر پار سراغ لگانا جنہیں یہ چھوتا ہے، بشمول وہ جگہیں جہاں ضمنی اثرات واپس آ کر اصل فیصلے کو الٹ دیتے ہیں) ایک نئی زمین ہے جسے یہ صفحہ بالکل نہیں چھوتا۔

• حصہ 3: تخلیق ، جو AI آپ کے لیے نہیں کر سکتا وہ کرنا۔ First Principles (اس عام مشورے پر سوال اٹھانا جسے سب دہراتے ہیں؛ ایک مسئلے کو بنیادی حقائق تک توڑنا اور پوچھنا کہ آیا معیاری جواب آپ کی صورتحال میں سچ بھی ہے) تصور 6 کی غیر جانبدار بندش کی چال کا گہرا نسخہ ہے۔ Working WITH AI (وہ تعاون کا ماڈل جہاں آپ سوچتے اور فیصلہ کرتے ہیں، AI تحقیق اور مسودہ سازی کرتا ہے؛ اس تناسب کو الٹیں اور آپ غیر ضروری بن جاتے ہیں) تصور 7 کے فیڈبیک کے ساتھ دہرانے والے چکر کا گہرا نسخہ ہے۔

جب آپ تیار ہوں، Thinking in AI Era فوری کورس کی طرف جائیں۔ فیصلے کے بغیر طاقتور ٹولز پُراعتماد غلطیاں تیزی سے کرتے ہیں، اور سوچ سمجھ کر مشق ہی واحد ایماندار طریقہ ہے یہ جاننے کا کہ آپ کا فیصلہ بہتر ہو رہا ہے یا نہیں۔

فلیش کارڈ مطالعہ معاون

---

اپنی سمجھ جانچیں

Checking access...