جب عام لوگ "سب سے طاقتور پرومپٹ سٹرینگز" پر غور کر رہے ہیں، تو سلیکون ویلی کے ٹاپ لیبز نے AI انفراسٹرکچر کو پروڈکشن لائن بنا دیا ہے

مضمون کے مصنف، ذریعہ: نئی بُدھی

کیا آپ ابھی بھی ChatGPT کے چیٹ باکس میں بار بار پرامپٹ کا استعمال کر رہے ہیں؟

ہالی ووڈ کے ایک صارف نے ایک ٹویٹ شیئر کی جس میں شروع میں ایک چیخ تھی: ہیڈ لائن کمپنیاں جو چپکے سے استعمال کر رہی ہیں، Claude Code پروجیکٹ ٹیمپلیٹ لیک ہو گیا!

یہ اب صرف پرامپٹس لکھنے کا کام نہیں ہے۔ یہ AI انجینئرنگ کی بنیادی ڈھانچہ ہے۔

پوری حکمت عملی ایک فائل «CLAUDE.md» پر مبنی ہے، اور اس کے بنیادی اصول صرف تین ہیں:

جب بھی کلوڈ غلطی کرتا ہے → آپ ایک قاعدہ شامل کریں؛ جب بھی آپ خود کو دہراتے ہیں → آپ ایک عملی عمل شامل کریں؛ جب بھی کوئی بگ آئے → آپ ایک حفاظتی فنکشن شامل کریں۔

یہ کرنے کا مقصد یہ ہے کہ منصوبہ کا تجربہ ایک طویل مدتی سیاق و سباق اور خودکار پابندیوں میں تبدیل ہو جائے جو ہر شروع ہونے پر پڑھی جائیں۔

پوری ساخت، ایک AI کمپنی کے عہدوں کی طرح ہے: CLAUDE.md نو ملازم ہینڈ بُک ہے، skills/ کام کے SOP ہیں، hooks/ کمپلائنس ڈیپارٹمنٹ ہے، docs/ کمپنی کا چارٹر ہے، tools/ لاجسٹکس ٹیم ہے، اور src/ حقیقی کام کرنے والی بزنس ڈیپارٹمنٹ ہے۔

آپ اب AI کے ساتھ چیٹ نہیں کر رہے، بلکہ اپنے کوڈ ریپوزٹری کو سمجھنے والا AI بنा رہے ہیں۔

سب سے زیادہ پاگل بات یہ ہے کہ آپ کو صرف ایک بار ترتیب دینا ہوگا، اور کلوڈ خودکار طور پر کوڈ کا جائزہ لے گا، ہدایات کے مطابق دوبارہ ترتیب دے گا، آرکیٹیکچر کے قوانین نافذ کرے گا، جاری کرنے کی وضاحت لکھے گا، مہارت سے ورک فلو چلائے گا، اور پچھلی غلطیوں کو یاد رکھے گا۔

اور یہ استعمال کرتے ہوئے زیادہ ذکی ہوتا جائے گا۔

زیادہ تر لوگ ChatGPT کھولتے ہیں، پرومت لکھتے ہیں، کاپی پیسٹ کرتے ہیں، اور دہراتے ہیں؛ جبکہ اس طریقہ کار میں، آپ کو صرف ٹرمینل کھولنا ہے اور ایک سکل کوڈ چلانا ہے جو پہلے ہی تحویل دے دیا گیا ہے۔

یہ اپنے کوڈ لائبریری میں ایک AI کالیگز کی ٹیم پالنا ہے۔

اس ٹویٹ کے پیچھے، اس عصر کے ختم ہونے کا ایک چھوٹا سا اشارہ چھپا ہے، جس کا زیادہ تر لوگوں تک اب تک احساس نہیں ہوا ہے۔

ایک ایسا "لیک شیٹ" جو لیک نہیں ہے، ایک سچائی کو کھول دیتا ہے

@ai_rohitt نے جو اسکرین شاٹ شیئر کیا ہے، وہ Anthropic کے آفیشل دستاویز میں شائع کردہ Claude Code کی معیاری منظوری ہے۔

CLAUDE.md ایک پروجیکٹ میموری فائل ہے جسے کلاؤڈ کوڈ ہر سیشن کی شروعات پر خودکار طور پر پڑھتا ہے۔

.claude/skills/ اور .claude/hooks/ عہدہ داری کی طرف سے سپورٹ کیے جانے والے ایکسٹینشن میکنزمز ہیں۔

یہ سب کچھ کمیونٹی نے کئی ماہ سے علناً بحث کیا ہے، کسی کے ذریعہ چوری کیا گیا "اندر کا ٹیمپلیٹ" نہیں ہے۔

لیکن اس کا یہ کہ کچھ تجربہ کار ڈویلپرز خود بخود اسے شیئر کر رہے ہیں، اس بات کا ثبوت ہے کہ یہ ایسے ڈویلپرز کے درمیان قبولیت رکھتا ہے جو روزانہ کلاؤڈ کا استعمال کرتے ہیں۔

ان میں سے کافی تعداد نے شاید صرف اس دو روز کے دوران ہی احساس کیا کہ اسے اس طرح استعمال کیا جا سکتا ہے۔

اور سلیکون ویلی کی ٹاپ ٹیم نے اسے ایک پروڈکشن لائن کے طور پر چلایا ہے۔

پہلا مثال، OpenAI Frontier ٹیم ہے۔

اوپن اے آئی کے باضابطہ اعلان کے مطابق، فرینٹیئر ٹیم کے تجربے میں، ایک خالی ریپو سے شروع ہونے والی اندر کی بیٹا، تقریباً 5 ماہ میں کوڈیکس نے تقریباً 10 لاکھ لائنز کوڈ اور تقریباً 1500 پری کوڈ ریکسٹس تیار کیے؛ ٹیم 3 افراد سے بڑھ کر 7 افراد پر گئی، اور انسانی طور پر کوڈ نہیں لکھا گیا۔

رائین لوپوپولو نے بعد کے انٹرویو میں مزید بتایا کہ یہ ورک فلو '0 مانوئل کوڈ، 0 مانوئل ریویو' کی حد تک پہنچ چکا ہے۔

وہ سمجھتا ہے کہ ٹوکن بچانے کے بجائے، ماڈل کی بہت زیادہ کنکرنسی صلاحیت اور بہت کم لاگت کا استعمال کرنا چاہیے تاکہ انسانی محدود اور مہنگی سینکرونائز توجہ کو بدلیا جا سکے۔

دوسرا مثال، اسٹریپ کے اندر کا خودکار کوڈ ایجینٹ سسٹم مینیونز ہے۔

اسٹرائپ کے اندر، مینیونز ہفتے میں 1300 سے زیادہ پول ریکسٹس کو جمع اور آگے بڑھاتے ہیں، جن کا کوڈ پوری طرح AI سے تخلیق کیا جاتا ہے، لیکن انہیں انسانی جانچ کے ذریعے جانچا جاتا ہے۔

یہاں ایک اور ڈیٹا جوڑا ہے: 1.6% مقابل 98.4%، جو محمد بن زاید AI یونیورسٹی کے VILA-Lab کی ایک تحقیقی تحریر سے ماخوذ ہے۔

https://arxiv.org/pdf/2604.14228

محققین نے Claude Code v2.1.88 کے 512,000 لائنز TypeScript سورس کو نظام طور پر تجزیہ کیا اور نتیجہ یہ نکالا کہ صرف 1.6% AI فیصلہ سازی منطق ہے، باقی 98.4% یقینی انجینئرنگ انفراسٹرکچر ہے۔

در حقیقت، یہ چار قسمیں ہیں: اجازت گیٹ وے، سیٹنگ مینجمنٹ، ٹول راؤٹنگ، اور خطا کی بحالی۔

یہ اعداد و شمار یہ نہیں کہتے کہ ماڈل صرف 1.6% کی صلاحیت فراہم کرتا ہے، بلکہ یہ ظاہر کرتے ہیں کہ Claude Code کے طور پر ایک پروڈکٹ کے لیے زیادہ تر پیچیدگی ماڈل کے خود میں نہیں، بلکہ اجازت، سند، ٹول راؤٹنگ، ریکوری میکنزم جیسے ڈیٹرمنسٹک انفراسٹرکچر پر ہے۔

@ai_rohitt وہ تصویر میں درج CLAUDE.md/skills/hooks کی ساخت، عام ڈویلپرز کے لیے بھی ایک "شروعاتی بنیادی ڈھانچہ" تعمیر کرنے کے قابل ہے، جو OpenAI اور Stripe کے پروڈکشن لیول آرکیٹیکچر کا ایک ہی فنکشنل پیٹرن ہے، صرف اس کا سائز بہت چھوٹا ہے۔

CLAUDE.md کا افشا ہونے والا راز

گزشتہ تین سال، سب یہی پوچھ رہے تھے کہ "GPT کب زیادہ ذکی ہو جائے گا؟" "Claude کب نیا ورژن آئے گا؟"

لیکن جو ٹیمیں اصل میں پیداواری ماحول میں AI پروگرامنگ کو کامیابی سے چلا رہی ہیں، ان کا توجہ کا مرکز شاید اس بات پر نہیں ہے کہ AI اپنے پچھلے غلطیوں کو کیسے یاد رکھے، AI کو کام شروع کرنے سے پہلے منصوبے کی ساختی پابندیوں کو کیسے دیکھنا چاہیے، اور AI جب غلطی کرے تو اسے ٹولز کیسے روک دیا جائے۔

CLAUDE.md یہ سب کچھ کا حامل ہے۔

اینٹروپک کی طرف سے اس کی تعریف صرف ایک جملہ ہے:

ایک مارکڈاؤن فائل، جو پروجیکٹ کے رُوٹ ڈائریکٹری میں رکھی جائے، جسے کلوڈ کوڈ ہر سیشن کی شروعات میں خودکار طور پر پڑھ لیتا ہے۔

https://code.claude.com/docs/en/memory

یہ سادہ لگتا ہے، لیکن اس کے اردگرد کی وہ کئی سطحیں ہی اس کی حقیقی طاقت ہیں۔

CLAUDE.md منصوبے کا دماغ ہے۔

آرکیٹیکچرل فیصلے، نامکردن کے معاہدے، ٹیسٹنگ کی ضروریات، اور وہ دھاڑیں جن پر بار بار گرے ہیں، سب یہاں جمع ہیں۔ یہ AI کے ہر شروع ہونے پر پہلی نظر آنے والا "کارکن ہینڈ بُک" ہے۔

.claude/skills/ قابل استعمال عملی تدابیر ہیں۔

کلوڈ کوڈ کے موجد بورس چرنی نے کمیونٹی میں بار بار ایک جملہ دہرایا: "اگر آپ کسی چیز کو روزانہ ایک سے زیادہ بار کرتے ہیں، تو اسے ایک مہارت یا کمانڈ بنائیں۔"

ایک مہارت ایک قابل اجراء طریقہ کار ہے۔ کوڈ ریویو، کمٹ میسج بنانا، اور جاری کرنے کی تفصیلات لکھنا، یہ سب روزانہ ہاتھ سے پرومپٹ ٹائپ کرنے کا کام نہیں ہونا چاہیے، بلکہ یہ مہارت کو ایک بار استعمال کرکے نتیجہ حاصل کرنا چاہیے۔

.claude/hooks/ ایک خودکار ہیلڈ ہے۔

یہ سب سے اہم حصہ ہے۔ یہ AI کے اپنے فیصلے پر انحصار نہیں کرتا، بلکہ AI کے غلطی کرنے سے پہلے ہی متعین کوڈ کے ذریعے اسے روک دیا جاتا ہے۔ اسی لیے ہم AI کو "بے نگہبان" چلانے کا جرأت کرتے ہیں، کیونکہ غلطی کی حدیں hooks کے ذریعے محفوظ ہو چکی ہیں۔

docs/decisions/ آرکیٹیکچر ڈیسیژن ریکارڈ ہیں۔

AI کو صرف یہ نہیں جاننا چاہیے کہ کوڈ "کیا" ہے، بلکہ یہ بھی جاننا چاہیے کہ کوڈ "کیوں ایسا" ہے۔

یہ بات سب سے زیادہ نظرانداز کی جاتی ہے، لیکن یہ AI تعاون کا سب سے بڑا انجن ہے۔

ٹولز/ اور src/ ایکیکشن لیئر ہیں۔

اس ساخت کا اصلی نوٹ کرنے لائق پہلو یہ نہیں کہ کوئی ڈیولپر نے ایک خوبصورت ڈائریکٹری بنائی، بلکہ یہ ہے کہ اب متعدد مستقل ٹیمیں ایک ہی سمت کی طرف مائل ہو رہی ہیں: ماڈل کو حوالہ، ٹولز، اجازتیں، جائزہ اور فیڈ بیک سائکل کے ایک سیٹ میں ڈالنا۔

گیٹھب پر کئی ایسے ہی منصوبے دیکھے جا سکتے ہیں:

روہٹ گو 00 کا awesome-claude-code-toolkit، دیٹ 103 کا claude-code-infrastructure-showcase، اور افان-ام کا everything-claude-code، تمام agents، skills، hooks، rules، MCP configs وغیرہ کے کمپوننٹس کے ارد گرد Claude Code کے انجریکشنل ورک ایونٹ کو تعمیر کر رہے ہیں۔

یہ بات یہ ظاہر کرتی ہے کہ اصلی طور پر بالغ AI پروگرامنگ ورک فلو صرف ایک زیادہ طاقتور ماڈل یا صرف ایک لمبے پرومپٹ پر منحصر نہیں ہوتا، بلکہ ماڈل کو ایک دوبارہ استعمال کی جا سکنے والی، محدود کی جا سکنے والی، بحال کی جا سکنے والی اور جانچ کی جا سکنے والی انجینئرنگ سسٹم میں شامل کیا جاتا ہے۔

مخصوص ڈائریکٹری کی ساخت، مختلف ایمپلیمنٹیشنز میں بالکل ایک جیسی نہیں ہوتی۔

OpenAI لیب کا ایکسٹریم ایکسپیریمنٹ

11 فروری 2026 کو، OpenAI کے باضابطہ بلاگ پر ایک مضمون شائع ہوا: "ہارنیس انجینئرنگ: ایجنٹ فرسٹ دنیا میں کوڈیک کا استعمال"

https://openai.com/index/harness-engineering/

انثریپک نے کلود کوڈ کی ساختی سوچ کو اس تصور کے حوالے سے دوبارہ ترتیب دیا؛ مارٹن فاؤلر کی ویب سائٹ نے اسے ایک فارمولا میں مختص کر دیا: «ایجینٹ = ماڈل + ہارنس۔»

"Harness" کا لفظ گھوڑے سواری سے آیا ہے۔ یہ گھوڑے کی مکمل ٹھیکہ بندی کو ظاہر کرتا ہے، جس میں ڈور، چنڈ، اُنٹھ، اور سرکار شامل ہیں۔

ایک گھوڑا بہت تیز اور طاقتور دوڑ سکتا ہے، لیکن وہ خود نہیں جانتا کہ کہاں جانا ہے: پورا گاڑھا اس کی راہ تعین کرتا ہے۔

AI پروگرامنگ کے لیے تشبیہ: ماڈل خود بخود بہت طاقتور ہے، لیکن یہ نہیں جانتا کہ آپ کے کوڈ لائبریری میں کہاں جانا ہے۔ Harness وہ ڈائریکشن سٹیرنگ ویل، بریک اور نیویگیشن ہے جو آپ نے اس کے لیے تیار کیا ہے۔

OpenAI Frontier ٹیم کا وہ "100 لاکھ لائنز، 0 انسانی مداخلت" کا تجربہ، اصل میں Harness کو بہترین سطح تک پہنچانا ہے۔

ان کی اہم انجینئرنگ پRACTICES درج ذیل ہیں۔

لیوریج ہیئرکری کا سخت تعین۔

ٹائپس سے کانفگ تک، ریپو تک، سروس تک، رن ٹائم تک، اور یو آئی تک، انحصار ایک طرفہ ہے، جسے CI لیول پر لینٹر سے فورس کیا جاتا ہے۔ ایجنٹ نے لیول کے رشتے کو توڑ دیا؟ فوری بِلڈ ناکام ہو جائے گی۔

لینٹر کی خطا کی معلومات خود ایک درستگی کی ہدایت ہیں، جو سب سے بے ترتیب تفصیل ہے۔

عام منصوبوں کی لِنٹ غلطیاں «violation detected» ہوتی ہیں، جو انسانوں کے لیے ہوتی ہیں؛ OpenAI Frontier کی لِنٹ غلطیاں «console.log کے بجائے logger.info({event: 'name', …data}) استعمال کریں» ہوتی ہیں، جو ایجنٹ کے لیے ہوتی ہیں اور جنہیں براہ راست پڑھا جا سکتا ہے اور درست کیا جا سکتا ہے۔

دستاویزات کو ایک واحد حقیقی ذریعہ کے طور پر استعمال کیا جائے۔ تمام آرکیٹیکچر ڈائیگرامس، ایکزیکیشن پلانز، اور ڈیزائن اسپیفیکیشنز ریپو کے اندر docs/ ڈائرکٹری میں موجود ہیں۔ ایجنٹ کو کوئی باہری معلومات کی ضرورت نہیں، سب کچھ ریپو میں ہے۔

یہ چیزیں کتنی طاقتور ہیں؟

ماڈل تبدیل نہیں ہوا، لیکن لینگچین نے ہارنس کو ایڈجسٹ کیا، جس میں سسٹم پرومپٹ، ٹولز، مڈل ویئر اور استدلال ماڈل شامل ہیں، جس کے نتیجے میں ٹرمینل بینچ 2.0 سکور 52.8 سے بڑھا کر 66.5 کر دیا گیا۔

آج آپ جو کر سکتے ہیں

ایک AI کے لیے ایک پروجیکٹ کا دماغ بنائیں

عام ڈیولپر کے لیے سوال یہ ہے: اگر پیراڈائم بدل چکا ہے، تو ایک عام انجینئر آج کیا کر سکتا ہے؟

سب سے پہلا کام، اپنے سب سے اہم پروجیکٹ کے رُوٹ ڈائرکٹری میں ایک CLAUDE.md بنائیں۔

کوئی مکمل یا لمبا ورژن نہیں چاہیے۔ اپنی ٹیم کے آرکیٹیکچر کے قواعد، نامکردن کے معاہدے، ٹیسٹنگ کی ضروریات، اور وہ جگہیں جہاں آپ نے بار بار غلطی کی ہے، لکھ دیں — 10 منٹ میں ایک استعمال کے قابل ورژن تیار ہو جائے گا۔

اگلی بار جب AI غلطی کرے، تو فوراً دستی طور پر درست نہ کریں، بلکہ خود سے پوچھیں: CLAUDE.md میں کیا کم ہے؟

دوسرا کام، روزانہ دہرائے جانے والے کاموں کو مہارت میں تبدیل کریں۔

یہاں بورس چرنی کے عبارت پر توجہ دیں: "اگر آپ کسی چیز کو روزانہ ایک سے زیادہ بار کرتے ہیں، تو اسے مہارت یا کمانڈ بنائیں۔"

کوڈ ریویو، کمٹ میسج بنانا، ریلیز نوٹس لکھنا، اور دہرائے جانے والے بگز کو درست کرنا — یہ سب مہارتیں ہیں، روزانہ ہاتھ سے پرومپٹس ٹائپ کرنے کی نہیں۔

تیسری بات، جہاں گڑبڑ کا خطرہ ہو، وہاں ایک ہُک شامل کریں۔

ہُک وہ حصہ ہے جو 98.4% میں سب سے زیادہ لیوریج والا ہے۔ یہ AI پر انٹیلیجنس کے لیے انحصار نہیں کرتا، بلکہ یہ مخصوص کوڈ پر انحصار کرتا ہے جو فوری перевیکھ کرتا ہے۔ یہ انسانی انجینئرز کے فیصلوں کو مشین قابلِ پڑھنے کے پابندیوں میں تبدیل کرنے کا عمل ہے۔

اس بات کا مرکزی نقطہ کوڈ لکھنا نہیں، بلکہ قواعد لکھنا ہے۔

کارپاتھی نے اس سال جنوری میں ٹویٹر پر ایک وائرل پیغام ڈالا: "میں نے 80% کوڈ لکھنا مینوئل طور پر چھوڑ دیا ہے اور اب 80% کوڈ ایجنٹس کو لکھنے کے لیے دے دیا ہے۔"

اگلے پانچ سالوں میں، انجینئرز کی صلاحیتوں کا منحنی "میں کتنی لائنوں کوڈ لکھ سکتا ہوں" سے "میں AI کے لیے کتنے سخت ماحول تیار کر سکتا ہوں" کی طرف منتقل ہو رہا ہے۔

کوڈ لکھنے کا کام ایجنٹس کے ہاتھوں میں چلا جا رہا ہے۔

لیکن اس دنیا کو ڈیزائن کرنا جہاں ایجنٹ اچھا کوڈ لکھ سکے، اب بھی انسان کا کام ہے۔ اور یہ پہلے سے زیادہ مشکل، اہم اور دلچسپ ہے۔