مینوفیکچرنگ — Mode 2

اسے ایک بار build کریں، اور یہ آپ کے بغیر کام کرتا ہے۔ آپ ایک durable worker (Digital FTE) بناتے ہیں جو job کو بار بار، خود سے، کرتا ہے۔

آپ یہاں ایک بار کے کام سے worker تک سے دو چیزیں لے کر آتے ہیں: ایک solution جسے آپ Mode 1 میں solve کر کے پہلے ہی prove کر چکے ہیں، اور اُن چار promotions کا blueprint جو اسے permanent worker بناتے ہیں۔ Mode 1 نے آپ کو problem ایک بار، ہاتھ سے، solve کرنا سکھایا۔ Mode 2 وہ جگہ ہے جہاں آپ وہ worker بناتے ہیں جو اسے آپ کے لیے، ہمیشہ solve کرتا ہے۔

یہی پوری کتاب کا turning point ہے: labour کو task سمجھنے سے (ہر بار آپ hours لگاتے ہیں) labour کو asset سمجھنے تک (آپ ایک بار build کرتے ہیں، اور وہ آپ کے سوتے ہوئے بھی produce کرتا ہے)۔ جو worker آپ بناتے ہیں، اس کتاب میں اس کا نام ہے: Digital FTE، یعنی "digital full-time employee"۔ یہ ایسا worker ہے جو unattended چلتا ہے، اتنا reliable کہ کوئی organisation اس پر depend کر سکے، جسے آپ پوری workforce میں grow کر سکتے ہیں، اور جسے آپ sell کر سکتے ہیں۔

دو modes، آخری بار:

• Mode 1 — اسے ایک بار solve کریں۔ آپ drive کرتے ہیں۔ کام one-off ہے۔ (پچھلا section.)
• Mode 2 — worker manufacture کریں (یہ section). آپ long-term کے لیے build کرتے ہیں۔ کام آپ کے بغیر چلتا ہے۔

یہ section Mode 1 سے بڑا اور زیادہ technical ہے، اور ایمانداری سے ایسا ہی ہے: durable اور trustworthy چیز build کرنا، کسی چیز کو ایک بار solve کرنے سے زیادہ کام ہے۔ لیکن آپ کو programmer ہونا ضروری نہیں۔ باقی کتاب کی طرح، آپ direct کرتے ہیں اور agent code کا زیادہ تر حصہ لکھتا ہے۔ آپ کا کام parts کو اتنا سمجھنا ہے کہ آپ انہیں design اور judge کر سکیں۔ یہ section clear progression کی طرح بنا ہے، topics کی pile کی طرح نہیں۔

یہ حصہ تین phases میں

یہ Mode 1 میں چلے path (diagnose، solve، cross) کو mirror کرتا ہے، مگر ایک level اوپر: building blocks جمع کریں، انہیں ایک trustworthy worker میں assemble کریں، پھر اس worker کو workforce میں scale کریں۔

Phase 1: Building Blocks

Full agent loop own کرنے سے پہلے، آپ worker کے pieces جمع کرتے ہیں: وہ language جس میں یہ لکھا جاتا ہے، پہلی چھوٹی complete چیزیں جن میں یہ plug ہوتا ہے، وہ knowledge جس سے یہ کام کرتا ہے، اور identity جو اسے آپ کے طور پر act کرنے دیتی ہے۔

• AI Era میں Python: وہ language جس میں workers بنتے ہیں، modern طریقے سے: آپ direct کرتے ہیں، agent زیادہ تر لکھتا ہے، اور آپ اس کے output کو read اور steer کرنا سیکھتے ہیں۔
• Connector-Native Apps: loop own کرنے سے پہلے ایک complete چیز ship کریں: remote server جسے host کا model call کرتا ہے، tools، state، identity، اور claude.ai میں live run کے ساتھ۔ یہ سب سے gentle پہلی build ہے، اور next course earn کراتی ہے کیونکہ آپ feel کرتے ہیں کہ loopless app کی ceiling کہاں ہے۔
• AI Searchable Context: worker کو searchable memory دیں تاکہ وہ آپ کی پوری knowledge سے کام کر سکے، صرف single prompt میں fit ہونے والی چیز سے نہیں۔
• Context Layer بنانا: scope کی چھلانگ: ایک worker کے store سے اُس corpus تک جسے پوری workforce پڑھتی ہے۔ آپ کسی کمپنی کے source کی چار classes connect کرتے ہیں اور انہیں الگ الگ رکھتے ہیں، permission gate خود بناتے ہیں، اور layer کو اس قابل بناتے ہیں کہ وہ ہر لوٹائی گئی item پر تین سوالوں کا جواب دے: یہ آئی کہاں سے، کیا یہ شخص اسے دیکھ سکتا ہے، اور کیا یہ اب بھی نافذ ہے؟
• AI Agents کے لیے Plugins: پچھلے course کا mirror: وہاں آپ نے chat app extend کی؛ یہاں آپ coding agent extend کرتے ہیں۔ چار levers bundle کریں (skill، subagent، MCP server، hook)، must-always rule کو exit-2 hook سے deterministic بنائیں، اور ship کریں تاکہ teammate پوری چیز ایک command میں install کرے۔
• AI Identity: identity اور access layer: پہلے اپنا sign-in own کریں (email اور social login، sessions، two-factor، OAuth/OIDC server)، پھر AI worker کو اپنی credential اور آپ کی طرف سے act کرنے کا safe، scoped، revocable، human-approved طریقہ دیں۔ Through-line ایک سوال ہے: یہ identity کس کی ہے، اور authority human سے agent تک کیسے گزرتی ہے؟

Phase 2: Build Workers

اب آپ loop own کرتے ہیں۔ آپ building blocks لے کر ایک worker assemble کرتے ہیں جو job خود run کرتا ہے، اُس knowledge سے کام کرتا ہے جو آپ نے اسے Phase 1 میں دی، اور real world میں survive کرتا ہے جب کوئی دیکھ نہیں رہا ہوتا۔ (پہلی promotion، آپ کا brief written spec بننا، آپ Spec-Driven Development میں General Agents کے اندر سیکھ چکے ہیں، اور وہ ساتھ آتی ہے۔)

• Build AI Agents: core worker: یہ loop خود run کرتا ہے اور edges پر escalate کرنے کے لیے رکتا ہے۔ یہ آپ کی you-in-the-loop promotion ہے، real بنی ہوئی۔
• Building a Digital FTE: core pieces کو (portable Skills، Postgres system of record، MCP as wire، audit trails، اور approval as authority model) ایک worker میں assemble کرتا ہے جس پر organization واقعی trust کر سکے۔
• AI Agent Nervous System: durable execution: worker events sense کرتا ہے، break ہونے پر retry کرتا ہے، no-cost wait کرتا ہے، اور human approval کے لیے pause کرتا ہے۔ یہی اسے real world میں survive کرنے دیتا ہے جب کوئی دیکھ نہیں رہا ہوتا۔

Phase 3: Scale the Workforce

ایک trustworthy worker unit ہے۔ Workforce business ہے۔ یہ phase ایک کو many میں بدلتا ہے: لوگوں کے trust کے لیے designed، reliable رہنے کے لیے graded، چلتی رہنے کے لیے deployed، governed، اور earning۔

• Human-Agent Teams: humans اور Digital FTEs کو ایک team کے طور پر چلانے کا operating model: open میں work، clear roles والی ایک roster، north star، اور verified reliability کے ساتھ بڑھتا trust۔ آپ ایک real team operating manual کے ساتھ نکلتے ہیں جو آج run ہو سکتا ہے۔
• Designing Agent Experiences: agent product کے دو users ایک ساتھ ہوتے ہیں: human جسے trust کرنا ہے اور دوسرے agents جنہیں parse کرنا ہے۔ آپ judgment کو legible، autonomy کو adjustable، اور mistakes کو survivable بنانا سیکھتے ہیں، پھر MCP App ship کرتے ہیں۔
• Workforce with Paperclip: ایک worker team بنتا ہے: lead agent budgets، approvals، اور full audit trail کے نیچے workers کا board hire اور run کرتا ہے۔
• Self-Expanding Workforce: workforce جو کام کے بڑھنے پر خود grow ہوتی ہے، اس کے بجائے کہ آپ ہر worker ہاتھ سے add کریں۔
• Identic AI: owner delegation safely: signed identity جو آپ کے set limits کے اندر routine approvals clear کرتی ہے اور صرف consequential decisions surface کرتی ہے، تاکہ آپ ہر step rubber-stamp کیے بغیر workforce govern کریں۔
• Eval-Driven Development: eval جو workforce کو automatically grade کرتی ہے اور drift ہوتے ہی پکڑ لیتی ہے۔ آپ کی eyeball-check promotion، real بنی ہوئی۔
• Deploy the Agent Harness: runtime جہاں workers رہتے ہیں، تاکہ وہ آپ کے دور ہونے پر بھی run کرتے رہیں۔ آپ کی session-becomes-runtime promotion، real بنی ہوئی۔
• Choosing Agentic Architectures: reference جسے آپ design decision پر کھولتے ہیں (ایک agent یا کئی، کون سا pattern job fit کرتا ہے): task کے بارے میں پانچ سوال چار core patterns میں map ہوتے ہیں، تاکہ آپ fit سے choose کریں، impressive لگنے سے نہیں۔
• Payment-Enabled Agents: workers جو transact کر سکتے ہیں، تاکہ worker earn بھی کر سکے۔ یہ cost save کرنے والی workforce سے revenue لانے والی workforce تک کا step ہے۔

پہلے آپ کو کیا چاہیے

ایک بار کے کام سے worker تک کے ذریعے آئیں۔ Mode 2 بہت آسان ہوتا ہے جب آپ already proven solution اور build کرنے کے قابل blueprint لے کر آتے ہیں، نہ کہ cold idea لے کر۔ آپ کو Spec-Driven Development بھی کر لینا چاہیے (spec آپ کی پہلی promotion ہے)۔ Python یہاں Phase 1 میں سکھائی جاتی ہے، اس لیے پہلے سے ضروری نہیں۔

یہ کہاں لے جاتا ہے

Digital FTE ایک worker ہے۔ Workforce کئی workers ہیں۔ اس section کے بعد، book اس line کو آخر تک follow کرتی ہے: Digital FTEs کی workforce پر بنی AI-native company، اور اُن workers کو sell کرنے کا business جنہیں آپ اب build کر سکتے ہیں۔ آپ یہاں problem کو ایک بار solve کر سکنے کی صلاحیت کے ساتھ آئے تھے۔ آپ اس چیز کو manufacture کرنے کی صلاحیت کے ساتھ نکلتے ہیں جو اسے ہمیشہ solve کرتی ہے، اور اسے sell کرنے کی صلاحیت کے ساتھ۔

AI era میں Python سے شروع کریں۔