AI کوڈنگ ٹولز ابھی بھی R&D مرحلے میں ہیں۔

Stack Overflow کے 2024 کے سروے کے مطابق، 76% ڈویلپرز AI ٹولز استعمال کر رہے ہیں یا استعمال کرنے کی منصوبہ بندی کر رہے ہیں — وہ اب صرف کام کا حصہ ہیں۔ وہ دنیاوی کاموں میں مدد کرتے ہیں لیکن جب وہ اعتماد کے ساتھ بکواس پیدا کرتے ہیں تو پریشان کن ہو سکتے ہیں۔ اگرچہ YouTubers ChatGPT پرامپٹس کے ساتھ "بلین ڈالر کے سٹارٹ اپس" بناتے ہیں اور AI ایجنٹس ہر ہفتے پوری دنیا پر قبضہ کر رہے ہیں، حقیقی ٹیمیں اب بھی یہ معلوم کر رہی ہیں کہ ان ٹولز کو مؤثر طریقے سے کیسے استعمال کیا جائے۔ آج، AI کی مدد میں مہارت حاصل کرنا اتنا ہی بنیادی ہے جتنا کہ کوڈنگ یا سسٹم ڈیزائن — ہمیں اپنانے اور تیز کرنے کی ضرورت ہے۔

مسئلہ یہ ہے کہ یہ ٹولز بنیادی طور پر ابھی بھی R&D مرحلے میں ہیں — وہ مسلسل بدلتے رہتے ہیں، ایک دوسرے کی نقل کرتے ہیں، اور پہلے حل نہ ہونے والے مسائل کو حل کرنے کے لیے کریڈٹ کے مستحق ہیں۔ ان سب کے پاس استعمال کے واضح رہنما نہیں ہیں۔ یہاں تک کہ Copilot، زیادہ قائم ہونے کے باوجود، واضح سبق اور بہترین طریقوں کا فقدان ہے۔ حل؟ ہم وہی کریں گے جو ڈویلپرز سب سے بہتر کرتے ہیں — خود ایک فریم ورک کو منظم اور تخلیق کریں۔

گیم چینجر

اور یہ بھی کہ " کوانٹم لیپ "، " پیراڈائم شفٹ "، " ایجنٹس آرہے ہیں "، آپ اس کا نام بتائیں۔ اگرچہ یہ ٹولز واقعی ہمارے ورک فلو کو تبدیل کر رہے ہیں، یہ تبدیلی زیادہ عملی ہے: ڈویلپرز اب ٹیم لیڈز کی طرح کام کرتے ہیں، براہ راست کوڈ لکھنے کے بجائے AI معاونین کا انتظام کرتے ہیں۔ بنیادی مہارتیں ڈیزائننگ، منصوبہ بندی، بیان کرنے اور جائزہ لینے میں منتقل ہو گئی ہیں۔

یہ ٹولز متعارف کرائے گئے اہم UX تصورات ہیں:

1. ان لائن تجاویز - سب سے زیادہ قدرتی انضمام پیٹرن. جب وہ کام کرتے ہیں، وہ ہموار ہوتے ہیں — لیکن جب وہ آپ کے کوڈ میں خلل ڈالتے ہیں، تو یہ پیداوری میں فوری وقفہ ہوتا ہے۔
2. چیٹ - کلاسک نقطہ نظر جہاں LLM آپ کے کوڈبیس کے ساتھ گائیڈڈ پرامپٹس کے ذریعے تعامل کرتے ہیں۔
3. کمپوزر (" Copilot Edit " , " Cline act ") - نیا تصور بہت سے لوگوں کو الجھا ہوا لگتا ہے ۔ یہ خود مختار ایجنٹوں کی طرف ایک تبدیلی ہے۔ کمپوزر کئی فائلوں پر کام کرتا ہے اور تبدیلیاں لاگو کر سکتا ہے اور غلطیوں، لنٹنگ کے مسائل وغیرہ کی بنیاد پر خود بخود اعادہ کر سکتا ہے۔
4. ایجنٹس - متوقع اگلا ارتقاء - مکمل طور پر خود مختار اور ذاتی نوعیت کے AI معاونین جو براہ راست آپ کے IDE میں ضم ہو گئے ہیں۔

" تجاویز " سے واقف ہونا کوئی پیچیدہ بات نہیں ہے۔ AI معاونین نے ان کے ساتھ شروع کیا، جس نے سب سے پہلے ہماری توجہ حاصل کی۔ چیٹس سیدھے ہیں: فائلوں کو سیاق و سباق میں داخل کریں، اعادہ کریں، لاگو کریں، اور نتائج کی توثیق کریں۔

کمپوزر قسم کے ٹولز مہارت حاصل کرنے کے لیے مزید چیلنج پیش کرتے ہیں، جن میں سیکھنے کے منحنی خطوط اور کچھ غیر واضح طریقوں کی ضرورت ہوتی ہے۔ فی الحال، کرسر ایڈیٹر انتہائی قابل رسائی "کمپوزر" ٹول پیش کرتا ہے، جبکہ Copilot " Copilot Edits " کے ساتھ قریب سے پیروی کرتا ہے، جس نے حال ہی میں ایجنٹ پر مبنی ورک فلو متعارف کرایا ہے۔

کمپوزر کے ساتھ ماہر بننے کے لیے، آپ کو تین اہم تصورات کو سمجھنے کی ضرورت ہے:

1. ہدایات
2. قواعد
3. سیاق و سباق

آئیے ان میں سے ہر ایک کا جائزہ لیں۔

ہدایات

چونکہ ٹیم صرف ڈویلپرز کی بجائے لیڈ کرتی ہے، ہمیں کسی بھی نئے پروجیکٹ یا بڑے فیچر کو ڈیزائن دستاویز یا واضح پروڈکٹ کی ضروریات کی دستاویز بنا کر شروع کرنا چاہیے۔ یہ مشق مضبوط انجینئرنگ اور مصنوعات کی سوچ کو فروغ دیتی ہے جبکہ عمل درآمد میں کافی وقت بچاتا ہے۔ سب سے اچھی بات یہ ہے کہ یہ دستاویزات ہو سکتی ہیں:

1. AI کے ساتھ تیار کردہ
2. اور پھر کمپوزر کے لیے ہدایات کے طور پر استعمال کیا جاتا ہے۔

ان دستاویزات کو بنانے کے لیے، پہلے انسانوں سے تقاضے جمع کریں، پھر چیٹ میں استدلال کے ماڈل سے مشورہ کریں۔ کوپائلٹ اور کرسر دونوں کے پاس اس کام کے لیے موزوں استدلال کے ماڈلز ہیں۔ OpenAI کے o1 اور o3-mini ڈیفالٹ کے طور پر دستیاب ہیں، جبکہ کرسر کی چیٹ DeepSeek-R1 کو سپورٹ کرتی ہے (اگرچہ ابھی تک اس کے کمپوزر میں نہیں ہے ) – اس مقصد کے لیے تمام بہترین ٹولز۔

ایک اچھا عمل یہ ہے کہ آپ کے ریپو کی اعلی سطح پر ڈیزائن دستاویزات کو ذخیرہ کرنا ہے (ہم requirements فولڈر کا استعمال کریں گے) خصوصیات کے ذریعہ ترتیب دیا گیا ہے، روٹ میں ProjectOverview.md کے ساتھ۔ ٹویٹر ویب ایپ کی ضروریات کے لیے یہاں ایک مثالی ڈھانچہ ہے:

 requirements/ ├── ProjectOverview.md # Core product description └── Features/ ├── Authentication.md # User registration ├── Tweet.md # Tweet CRUD ├── UserProfile.md # Profile management ├── Engagement.md # Likes, retweets ├── Infrastructure.md # Storage, caching, etc └── ...

اگر سب کچھ ٹھیک سے ترتیب دیا گیا ہے تو، ایک نئی خصوصیت کے لیے ڈیزائن دستاویز شامل کرنا اتنا ہی آسان ہے جتنا کہ اس پرامپٹ کو لکھنا:

آپ کے کوڈبیس میں ہدایات کو ذخیرہ کرنے سے واضح فوائد حاصل ہوتے ہیں: ورژن کنٹرول، آسان دیکھ بھال، اور معیاری PR ورک فلو۔ تاہم، غیر تکنیکی ٹیم کے اراکین جیسے پروڈکٹ کے مالکان، مینیجرز، اور UX ڈیزائنرز کو گٹ استعمال کیے بغیر رسائی کی ضرورت ہو سکتی ہے۔ یہاں تین حل ہیں:

1. ہر چیز کو تصور میں محفوظ کریں، ہدایات کے صفحات شائع کریں، اور @Docs شارٹ کٹ کا استعمال کرتے ہوئے انہیں دستاویزات کے طور پر انجیکشن کریں

2. ایک پائپ لائن بنائیں جو تصور کے صفحات کو .md فائلوں میں تبدیل کرے اور انہیں ذخیرہ میں محفوظ کرے۔
3. اپنی ٹیم کو گٹ استعمال کرنا سکھائیں - پوری ٹیم کے لیے سب سے زیادہ فائدہ مند آپشن

ایک بار جب آپ کی ہدایات آپ کے ایڈیٹر میں قابل رسائی ہو جائیں تو کمپوزر پر جائیں اور عمل درآمد شروع کریں۔ یہ ہمیں قواعد کو منظم کرنے کی طرف لے جاتا ہے۔

قواعد

فی الحال، صرف کرسر " قواعد " کی حمایت کرتا ہے - مخصوص فائلوں/فولڈرز کے لیے براہ راست نفاذ کی ہدایات۔ یہ فیچر ممکنہ طور پر دوسرے ایڈیٹرز تک پھیل جائے گا، بشمول VSCode Copilot، جو فی الحال صرف " پرامپٹ فائلز " پیش کرتا ہے جو کوڈ بیس سے براہ راست منسلک نہیں کیا جا سکتا۔

کرسر کے اصول زیادہ جامع ہیں - CONTRIBUTING.md linter کے اصولوں کے ساتھ ملا کر اور LLM صلاحیتوں کے ذریعے بہتر بنانے کا تصور کریں۔ یہ اصول پروڈکٹ کے لیے علمی، قابل اشتراک، اور مؤثر طریقے سے علم، بہترین طرز عمل، اور عمل درآمد کی تفصیلات ٹیموں اور لائبریری کے صارفین میں منتقل کرتے ہیں۔

رولز کمانڈ پیلیٹ کے ذریعے بنائے جا سکتے ہیں اور آپ کے پروجیکٹ کے .cursor/rules فولڈر میں .mdc ایکسٹینشن کے ساتھ محفوظ کیے جاتے ہیں۔ یہ فارمیٹ آپ کے کوڈ بیس میں مخصوص فائلوں @mentioning جیسی جدید خصوصیات کو قابل بناتا ہے۔ ان اصولوں کو اپنے ذخیرے سے منسلک کرنے اور ان کو بہتر بنانے میں تعاون کرنے کی انتہائی سفارش کی جاتی ہے۔ قواعد استعمال کرنے کے لیے ورک فلو یہ ہے:

1. تحقیقی کرسر کے قواعد جو آپ کے ٹیکنالوجی اسٹیک کے لیے مخصوص ہیں، بطور حوالہ جات کیوریٹڈ فہرستوں سے شروع ہوتے ہیں۔ مثال کے طور پر، آپ Next.js اور React کے لیے اچھی طرح سے لکھے ہوئے کرسر کے اصول تلاش کر سکتے ہیں جو اچھے ٹیمپلیٹس کے طور پر کام کرتے ہیں۔
2. ترقی کے دوران باقاعدگی سے قواعد کو اپ ڈیٹ کریں۔ جب آپ کو کوئی ایسا نمونہ نظر آتا ہے جسے کوڈ لکھتے وقت ایک اصول میں باضابطہ بنایا جا سکتا ہے، تو اسے فوری طور پر اپنی رولز فائل میں دستاویز کریں۔
3. میدان میں بہترین لوگوں سے سیکھیں۔ لائبریری کے تخلیق کاروں کے لیے علم کا اشتراک کرنے اور اپنانے میں اضافہ کرنے کا ایک نیا طریقہ AI معاونین کے لیے خصوصی اصول بنا رہا ہے۔ میں کچھ ایسی کمپنیوں کے بارے میں جانتا ہوں جو ایسا کر رہی ہیں - Convex OpenAI اور Anthropic دونوں ماڈلز کے لیے اصول بنا کر اور ان کو اپنی دستاویزات میں شیئر کر کے نمایاں ہے۔ اگرچہ میں نے ان کی مصنوعات کا استعمال نہیں کیا ہے، لیکن AI انضمام کے ذریعے ڈویلپر کے تجربے کو بہتر بنانے پر ان کی توجہ مجبوری ہے۔ Supabase ایک اور عظیم مثال ہے.

بہت سی لائبریریوں کو فوری طور پر AI قوانین کی ضرورت ہے۔ فرنٹ اینڈ ڈویلپر کے نقطہ نظر سے، مجھے انہیں TanStack Query ، React Spring ، Firebase اور بہت سے دوسرے کے لیے رکھنے سے فائدہ ہوگا۔ یہ قواعد اہم وقت کی بچت کریں گے اور ان عام غلطیوں کو روکنے میں مدد کریں گے جو ڈویلپر نئی ٹیکنالوجیز سیکھتے وقت کرتے ہیں۔

سیاق و سباق

تمام متعلقہ سیاق و سباق کو شامل کرنا یاد رکھیں - آپ جتنا زیادہ معیاری ڈیٹا فراہم کریں گے، آپ کو اتنے ہی بہتر نتائج حاصل ہوں گے۔ کرسر ایڈیٹر کو یہاں کئی قسم کے سیاق و سباق کی اجازت دے کر Copilot پر ایک فائدہ ہے:

1. دستاویزی - واقعی اچھی طرح سے کام کرتا ہے، بس اسے کسی بھی دستاویز کے اندراج کے نقطہ فراہم کریں، یہ اسے ڈاؤن لوڈ کرے گا، اس کا تجزیہ کرے گا، اور مستقبل کی ضروریات کے لیے محفوظ کرے گا۔
2. ویب تلاش - سختی سے سیاق و سباق نہیں، یہ آن لائن وسائل تک فوری رسائی فراہم کرتی ہے۔
3. مختلف ترقیاتی ٹولز - مخصوص گٹ کمٹ، لنٹ کی غلطیاں، نوٹ پیڈ، اور دیگر نمونے
4. MCP -servers ریئل ٹائم سیاق و سباق فراہم کر سکتے ہیں۔ اگرچہ سیٹ اپ تھوڑا مشکل ہے، لیکن جب آپ کو لائیو ڈیٹا تک رسائی کی ضرورت ہوتی ہے تو وہ قیمتی ہوتے ہیں۔

ان ٹولز میں مہارت حاصل کرنے کے بعد، آپ کا اگلا مرحلہ آپ کی انفرادی اور ٹیم دونوں کی کارکردگی کو بہتر بنانا ہے۔ لیکن یہاں سے آگے کا راستہ کیا ہے؟

کلائن اور رو کوڈ۔ کنٹرول

آپ کو ہمیشہ سادگی اور کنٹرول کے درمیان، خودکار حل اور دستی فیصلہ سازی کے درمیان تجارت کا سامنا کرنا پڑے گا۔ اگر آپ گہرائی میں غوطہ لگانے کے لیے تیار ہیں اور کیڑے، کارکردگی کے چیلنجز، اور کھردرے کناروں سے نمٹنے سے نہیں ڈرتے، تو Cline (یا اس کا فورک Roo-Code ، جس کا فلسفہ قدرے مختلف ہے) کو آزمانے پر غور کریں۔

دونوں ٹولز کو زیادہ سے زیادہ کلیئرنس فراہم کرنے کے لیے ڈیزائن کیا گیا ہے کہ ہڈ کے نیچے واقعی کیا ہو رہا ہے:

1. وہ اوپن سورس اور سبسکرپشن فری ہیں۔ اس کے بجائے، آپ اپنی خود کی LLM API کیز یا خدمات جیسے OpenRouter استعمال کرتے ہیں، صرف اس کی ادائیگی کرتے ہیں جو آپ استعمال کرتے ہیں۔
2. کلائن اپنے تمام کاموں کو واضح طور پر دکھاتا ہے، بشمول وہ کون سی فائلیں پڑھتا ہے اور اس میں ترمیم کرتا ہے۔
3. Cline LLM کمیونیکیشنز، سیاق و سباق کی ونڈو کی حیثیت، اور ہر چیٹ سیشن کی لاگت کے بارے میں تفصیلی بصیرت فراہم کرتا ہے۔
4. اس میں بدیہی پلان/ایکٹ کے طریقوں کی خصوصیات ہیں - ایک منطقی نقطہ نظر جسے دوسرے ٹولز کو اپنانے پر غور کرنا چاہیے۔

قاتل خصوصیت یہ ہے کہ Cline دراصل آپ کی ایپلیکیشن کو چلا اور ڈیبگ کر سکتی ہے - یہ حقیقی اور فعال ہے، جیسا کہ آپ اسے آزمانے پر دیکھیں گے۔

اگر یہ سب آپ کی دلچسپی ہے تو، ایڈی عثمانی کا حالیہ مضمون دیکھیں، جو ان ایڈیٹرز کا بہترین تعارف فراہم کرتا ہے۔

نتیجہ

ان ٹولز کو اپنانا کوئی آسان سفر نہیں ہے، اور "5 منٹ سے کم وقت میں شروع سے پورا پروجیکٹ" لکھنے کی توقع نہ کریں۔ پھر بھی، یہ آگے کا واضح راستہ ہے۔

ٹیکنالوجی پہلے سے موجود ہے، لیکن ہم ایک مضبوط AI- مربوط ورک فلو سے محروم ہیں جو پوری ٹیم کو منظم کرتا ہے - نہ صرف ڈویلپرز، بلکہ اہم طور پر مینیجرز اور ڈیزائنرز - ان نئے ٹولز کے ارد گرد۔ AI خوفزدہ محسوس کر سکتا ہے، اور اس کے اثرات کو شیئر کرنا پہلے تو غیر آرام دہ معلوم ہو سکتا ہے (جیسے اپنی ٹیم کے لیڈر کو بتانا کہ AI نے محتاط ترتیب کے ذریعے 80% فیچر لکھا ہے)۔ تاہم، سافٹ ویئر کی ترقی صرف اس وقت تیار ہوگی جب یہ ٹولز ٹیم ورک فلو کے لیے لازمی ہوجائیں۔ سب سے کامیاب ٹرانزیشن ان ٹیموں میں ہوتی ہے جو AI تجربات، باہمی تعاون کے ساتھ ٹول کی تلاش کے بارے میں کھلی بحث کو فروغ دیتی ہیں، اور اپنے سیکھے ہوئے بہترین طریقوں کو وسیع تر ترقیاتی کمیونٹی میں فعال طور پر حصہ ڈالتی ہیں۔