ایڈیٹر کے پس پردہ

دستاویزات میں ترمیم کرنے میں اتنا اچھا کیوں ہے؟

ایک لینگویج ماڈل ایک اچھا جملہ تو لکھ سکتا ہے، لیکن اسے فارمیٹنگ کے ساتھ واپس اپنی جگہ پر رکھنا ایک الگ کام ہے۔ ہم وضاحت کرتے ہیں کہ AI کے لیے کسی دستاویز میں ترمیم کرنا کیوں مشکل رہا ہے، اور اسے درست کرنے کے لیے ہم نے کیا بنایا ہے۔

پڑھنے میں 9 منٹ3 اکتوبر، 2026

جائزہ

کسی چیٹ بوٹ سے Word فائل میں ایک شق کو درست کرنے کا کہیں اور آپ اس سے ایک وقت میں دو کام کرنے کا کہہ رہے ہیں: الفاظ تبدیل کرنا، اور اس فائل فارمیٹ کو دوبارہ لکھنا جس میں وہ محفوظ ہیں۔ لینگویج ماڈل پہلے کام میں اچھے ہیں اور دوسرے میں ناقابلِ اعتماد ہیں۔

ماڈل کا دوسرا کام خود سنبھال لیتا ہے۔ یہ مضمون وضاحت کرتا ہے کہ یہ کیوں اہم ہے، یہ طویل دستاویزات پر کیسے کام کرتا ہے، اور چیٹ ویب سائٹس اور کمپیوٹر استعمال کرنے والے ایجنٹس کے مقابلے میں اس کی کیا حیثیت ہے۔

  1. 01لینگویج ماڈل کسی دستاویز کو ایک صفحے کے طور پر نہیں بلکہ مارک اپ کے طور پر پڑھتا ہے۔
  2. 02ایک غلط حرف فائل کو ناقابلِ مطالعہ بنا سکتا ہے، اور طویل آؤٹ پٹس غلط حروف کے امکانات بڑھا دیتے ہیں۔
  3. 03 مواد کو فارمیٹنگ سے الگ کرتا ہے: ماڈل الفاظ میں ترمیم کرتا ہے، ہمارا کوڈ فائل لکھتا ہے۔
  4. 04جدید کوڈنگ ایجنٹس کی طرح، طویل دستاویزات کو بیچ کیا جاتا ہے، تقسیم کیا جاتا ہے اور سیاق و سباق دیا جاتا ہے۔
  5. 05چیٹ ویب سائٹس پائتھون کے ساتھ فائلوں میں ترمیم کر سکتی ہیں، لیکن تبدیلیاں خاموشی سے غائب ہو سکتی ہیں۔
  6. 06کمپیوٹر استعمال کرنے والے ایجنٹس انسان کی طرح ترمیم کرتے ہیں، اور اس پر کئی گنا زیادہ لاگت آتی ہے۔

01

LLM صرف متن دیکھتا ہے، فارمیٹنگ نہیں۔

ورڈ میں کوئی معاہدہ کھولیں تو آپ کو ایک صفحہ دکھائی دیتا ہے: ہاؤس اسٹائل میں ایک سرخی، بولڈ رقم، اور انڈر لائن کی گئی آخری تاریخ۔ ورڈ پروگرام یہ فارمیٹنگ خود تیار کرتا ہے تاکہ ہم بصری طور پر ترمیم کر سکیں۔ ورڈ فائل (.docx) کے پسِ پردہ XML کا ایک پیچیدہ نظام ہوتا ہے، جہاں ہمیں نظر آنے والے ہر لفظ کے ساتھ مشقت سے چھپے ہوئے الفاظ جوڑے جاتے ہیں جنہیں مارک اپ کہا جاتا ہے۔12

جو آپ دیکھتے ہیں

ماڈل کیا دیکھتا ہے

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>4. کرایہ</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">کرایہ دار </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ہر ماہ کا پہلا دن</w:t></w:r>  <w:r><w:t xml:space="preserve"> پر </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> ادا کرے گا۔</w:t></w:r></w:p>
شکل 1وہی شق دو بار۔ الفاظ 59 حروف لیتے ہیں؛ ان کے ارد گرد کا XML 469 لیتا ہے۔ word/document.xml کا اقتباس۔

کسی LLM کو Microsoft Word، LibreOffice یا Pages کی مدد حاصل نہیں ہوتی، اس لیے اسے مارک اپ کے بارے میں اپنی سمجھ پر انحصار کرنا پڑتا ہے۔ درست ترمیم کے لیے LLM کو اصل مارک اپ کے اثر کو سمجھنا اور نیا جملہ درست مارک اپ میں لکھنا ضروری ہے۔

02

LLM کا آؤٹ پٹ فطری طور پر غیر مستحکم ہے۔

ماڈلز میں نمایاں بہتری آ چکی ہے لیکن تازہ ترین ماڈلز بھی اب تک غلطیاں کرتے ہیں۔ 2026 میں مائیکروسافٹ ریسرچ کے 52 پیشہ ورانہ شعبوں میں 19 ماڈلز پر کیے گئے ایک مطالعے سے پتہ چلا کہ Gemini 3.1 Pro، Claude 4.6 Opus اور GPT 5.4 جیسے فرنٹئیر ماڈلز نے طویل ایڈیٹنگ کے ورک فلوز کے اختتام تک اوسطاً 25% دستاویز کے مواد کو خراب کر دیا۔4

ورڈ کی فائل میں، ایک چھوٹی سی غلطی بھی فائل کو ناقابلِ استعمال بنانے کے لیے کافی ہوتی ہے۔ یہاں ماڈل نے ایک ہی سلیش ہٹا دیا:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">کرایہ دار </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ہر ماہ کا پہلا دن</w:t></w:r>  <w:r><w:t xml:space="preserve"> پر </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> ادا کرے گا۔</w:t></w:r></w:p>
شکل 2ایک غائب ترچھا ڈنڈا (سلیش) بولڈ ٹیگ کو کھلا چھوڑ دیتا ہے۔ XML اب درست شکل میں نہیں رہتا، اور ورڈ فائل کو عام طریقے سے نہیں کھولے گا۔3

XML میں خراب مارک اپ کے لیے کوئی گنجائش نہیں ہوتی۔ ایک فائل یا تو ویل فارمڈ ہوتی ہے یا نہیں ہوتی۔ Word بعض اوقات خراب فائل کو بحال کر سکتا ہے، لیکن بحال شدہ کاپی میں متن یا فارمیٹنگ غائب ہو سکتی ہے۔

طویل آؤٹ پٹ، زیادہ غلطیاں

طوالت کے ساتھ خطرہ بڑھ جاتا ہے۔ LongProc، طویل ساخت یافتہ آؤٹ پٹ کا 2025 کا ایک بینچ مارک، نے پایا کہ اوپن ویٹ ماڈلز 2,000 آؤٹ پٹ ٹوکنز پر لڑکھڑانے لگتے ہیں اور GPT-4o 8,000 پر نمایاں طور پر کمزور ہو جاتا ہے۔5 ایک اور مطالعے سے پتہ چلا ہے کہ جیسے جیسے ان پٹ بڑھتا ہے، کارکردگی میں 13.9% سے 85% تک کمی واقع ہوتی ہے، یہاں تک کہ جب ماڈل ہر متعلقہ حقیقت کو بازیافت کر سکتا ہے۔6 10 صفحات پر مشتمل ورڈ ڈاکومینٹ تقریباً 10,000 ٹوکنز کا ہوتا ہے، ایک ہی بار میں تمام 10 صفحات میں بغیر کسی غلطی کے ترمیم کرنے کی کوشش کرنا ایک ناممکن خواب ہے۔

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP اس لیز کے تحت پیدا ہونے والے تمام معاملات میں مکان مالک کی نمائندگی کرتا ہے۔</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> کرایہ دار احاطے کو اچھی اور مستحکم مرمت اور حالت میں رکھے گا۔</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> کوئی بھی نوٹس تحریری شکل میں دیا جانا چاہیے اور شیڈول 2 میں بتائے گئے پتے پر پہنچایا جانا چاہیے۔</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> اگر کرایہ 21 دن سے زیادہ بقایا ہ4
  1. 1متن میں ایک اکیلا ایمپرسینڈ (&)۔ XML کا تقاضا ہے کہ اسے بطور انٹیٹی اسکیپ کیا جائے۔
  2. 2اختتامی اقتباس کی علامت غائب ہے۔ اس کے بعد کی ہر چیز کو ویلیو کا حصہ سمجھ کر پڑھا جاتا ہے۔
  3. 3ایک رن جو پیراگراف ختم ہونے سے پہلے کبھی بند نہیں ہوتا۔
  4. 4آؤٹ پٹ بس رک جاتا ہے۔ طویل جنریشنز لمبی حد تک پہنچ سکتی ہیں یا ٹیگ کے درمیان میں ٹائم آؤٹ ہو سکتی ہیں۔
شکل 3ماڈل آؤٹ پٹ کی چار شقیں، ناکامی کی چار اقسام۔ ان میں سے ہر ایک اکیلی بھی فائل کو ناقابلِ مطالعہ بنا دیتی ہے۔

03

اسے کیسے حل کرتا ہے

ہم ایسے مخصوص پروگرام لکھتے ہیں جو فارمیٹنگ کو مواد سے الگ کرتے ہیں۔ ماڈل کو تبدیل کیے جانے والے الفاظ کے ساتھ صفحے کی تیار شدہ تصویر بھی ملتی ہے، اس طرح اسے Word پروگرام جیسی بصری مدد حاصل ہوتی ہے۔ پھر ہمارا کوڈ ترمیم شدہ الفاظ کو اصل ٹیکسٹ رنز میں واپس رکھتا ہے اور فائل کے باقی حصے کو بغیر تبدیلی کے چھوڑ دیتا ہے۔

آپ کی فائل

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">کرایہ دار </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ہر ماہ کا پہلا دن</w:t></w:r>  <w:r><w:t xml:space="preserve"> پر </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> ادا کرے گا۔</w:t></w:r></w:p>

مواد کو فارمیٹنگ سے الگ کرتا ہے

نکالا گیا مواد

کرایہ دار ہر ماہ کا پہلا دن پر US$2,400 ادا کرے گا۔

رینڈر شدہ صفحہ

دونوں ماڈل پر جاتے ہیں

لینگویج ماڈلالفاظ میں ترمیم کرتا ہے۔ XML کو کبھی ہاتھ نہیں لگاتا۔

ماڈل ترمیم شدہ مواد واپس کرتا ہے

ماڈل آؤٹ پٹ

کرایہ دار ہر ماہ کا پہلا دنہر ماہ کا پانچواں دن پر US$2,400US$2,600 ادا کرے گا۔

الفاظ کو دوبارہ اصل رَنز (runs) میں لکھتا ہے

آپ کی فائل، ترمیم شدہ

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">کرایہ دار </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>ہر ماہ کا پانچواں دن</w:t></w:r>  <w:r><w:t xml:space="preserve"> پر </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> ادا کرے گا۔</w:t></w:r></w:p>

✓ درست .docx۔ بولڈ، رنگ اور انڈر لائن بالکل ویسے ہی ہیں جیسے وہ تھے۔

شکل 4ترمیم کی پائپ لائن، آسان شکل میں۔ نمایاں کردہ متن فائل کا واحد حصہ ہے جو تبدیل ہوا ہے۔

اس سے دونوں مسائل ایک ساتھ حل ہو جاتے ہیں۔ ماڈل اب وہ فارمیٹنگ دیکھ سکتا ہے جو وہ پہلے نہیں دیکھ سکتا تھا، اور اب وہ وہ مارک اپ نہیں لکھتا جس کے ٹوٹنے کا سب سے زیادہ امکان تھا۔

آپ کو عام مقاصد کے چیٹ بوٹ میں یہ تہہ (layer) نہیں ملے گی۔ نکالنے، رینڈر کرنے اور دوبارہ جوڑنے کے پروگرام کے اپنے انجینئرز نے بنائے ہیں اور وہی ان کی دیکھ بھال کرتے ہیں۔

04

طویل سیاق و سباق (لانگ کانٹیکسٹ) کے مسئلے کو حل کرنا

کچھ ترامیم طویل ہوتی ہیں: ایک پیراگراف جو کئی صفحات پر پھیلا ہو، یا ایک تبدیلی جو سینکڑوں پر یکساں طور پر لاگو کی گئی ہو۔ ان کے لیے ہم نے سافٹ ویئر انجینئرنگ سے سیکھا۔ مارچ 2026 میں، Anthropic نے نادانستہ طور پر اپنے AI کوڈنگ ایجنٹ، Claude Code، کا سورس کوڈ ایک پبلک npm پیکج کے اندر شائع کر دیا۔7

وہ لیک ہونے والا کوڈ ایڈیٹر ایک سیدھا سبق دیتا ہے: کسی طویل چیز میں ترمیم کرنے کے لیے، اسے توڑ دیں۔ ہم ایک دستاویز کو صفحات کے گروپس میں تقسیم کرتے ہیں، جو کہ بیچنگ کہلاتی ہے، اور طویل پیراگراف کو جملوں میں تقسیم کرتے ہیں، تاکہ ہر ترمیم اتنی چھوٹی ہو کہ درست طریقے سے کی جا سکے۔

دستاویز کو الگ الگ حصوں میں تقسیم کرنے سے ایک نیا مسئلہ پیدا ہوتا ہے: سیاق و سباق (context)۔ صفحہ 2 پر دی گئی تعریف کا استعمال کرتے ہوئے صفحہ 60 کے پیراگراف میں ترمیم کیسے کی جائے؟ یہاں، AI کوڈ ایڈیٹرز (Cursor, GitHub Copilot, OpenAI Codex) میں دو سال کا تجربہ کام آتا ہے۔ ان کا جواب کانٹیکسٹ انجینئرنگ (context engineering) ہے، جو متعلقہ معلومات کو ایک مرکوز مجموعے میں اکٹھا کرتا ہے اور اسے صاف کانٹیکسٹ ونڈوز کے ساتھ ذیلی ایجنٹس (sub-agents) کو دیتا ہے۔8 ہم دستاویزات کے ساتھ بھی ایسا ہی کرتے ہیں۔ ہم منطقی طور پر متعلقہ معلومات کو گروپ کرتے ہیں، جیسا کہ ایک محتاط قاری کرے گا، پھر اسے ترمیم کے ہدف کے ساتھ سب ایڈیٹرز کو بھیجتے ہیں جو اصل تبدیلی کرتے ہیں۔

1دستاویز کو بیچ کریں

ص 1–40ص 41–80ص 81–120ص 121–160ص 161–200ص 201–240ص 241–280ص 281–300

2طویل پیراگراف تقسیم کریں

شق 18.3 · ص 60
جملہ 1جملہ 2جملہ 3جملہ 4جملہ 5

3سیاق و سباق جمع کریں، پھر متوازی طور پر ترمیم کریں

تعریف شدہ اصطلاحاتص 2–12

فریقین اور کردارص 1

سابقہ ترامیمص 34

سب ایڈیٹر 1ص 1–40 + مجموعہ

سب ایڈیٹر 2ص 41–80 + مجموعہ

سب ایڈیٹر 3ص 81–120 + مجموعہ

شکل 5300 صفحات پر مشتمل ایک دستاویز، جسے تقسیم کیا گیا ہے۔ ہر سب ایڈیٹر کو دستاویز کا ایک چھوٹا سا حصہ اور وہ سیاق و سباق ملتا ہے جس پر وہ حصہ منحصر ہوتا ہے۔

مثال: فیصلے کو ریڈیکٹ کرنا

ایک وکیل چاہتا ہے کہ فیصلے میں گواہ کا ہر نام ریڈیکٹ کر دیا جائے، اور جونیئر کی تحقیق کے لیے اس میں حوالہ دیے گئے مقدمات کی ایک فہرست تیار کی جائے۔

  1. تلاش کریں۔ عام پیٹرن میچنگ کے ذریعے ہر ذاتی نام اور ہر کیس کے حوالے کو تلاش کرتا ہے۔ فی الحال کسی ماڈل کی ضرورت نہیں ہے۔
  2. درجہ بندی کریں۔ ہر نام، اس کے اردگرد کے جملے کے ساتھ، ایک ایسے ماڈل کو جاتا ہے جو فیصلہ کرتا ہے: گواہ، وکیل یا جج۔ جوابات گواہوں کا ایک مجموعہ بناتے ہیں۔
  3. جمع کریں۔ یہی طریقہ حوالہ دیے گئے مقدمات کا مجموعہ تیار کرتا ہے۔
  4. کارروائی کریں۔ چونکہ ہمیں بالکل معلوم ہے کہ گواہ کا ہر نام کہاں ملا تھا، اس لیے ہم اصل فائل میں صرف انہی جگہوں کو، اور کسی اور کو نہیں، ریڈیکٹ کرتے ہیں۔

ہائیکورٹ آف جسٹس میں

کنگز بینچ ڈویژن

Harrow v Kestrel Logistics Ltd

بحضور: Mrs Justice Holloway

فیصلہ

Mrs Justice Holloway: یہ دعویٰ 14 مارچ 2024 کو مدعی علیہ کے گودام میں لوڈنگ بے کے منہدم ہونے سے پیدا ہوتا ہے۔ مدعی کی نمائندگی Ms Priya Raman نے کی اور مدعی علیہ کی نمائندگی Mr Thomas Whitby نے کی۔ میں نے چار دنوں کے دوران زبانی گواہی سنی۔

بنیادی چشم دید گواہ، Mr Daniel Okafor، نائٹ شفٹ میں فورک لفٹ آپریٹر تھا۔ Mr Okafor نے عدالت کو بتایا کہ بے (bay) پر وارننگ لائٹس کئی ہفتوں سے خراب تھیں، اور اس نے اس کی دو بار رپورٹ کی تھی۔ ایک دوسرے گواہ، Ms Margaret Ellison، جو کہ ایک کنٹریکٹر ہے جس نے فروری میں بے کا معائنہ کیا تھا، نے تصدیق کی کہ اس کی رپورٹ میں فوری مرمت کی سفارش کی گئی تھی۔ میں نے دونوں گواہوں کو محتاط اور قابل اعتبار پایا۔

کسی قابض کی ان لوگوں کے لیے دیکھ بھال کی ذمہ داری جو اس کی حدود میں قانونی طور پر موجود ہیں، اچھی طرح سے طے شدہ ہے، اور میں اپنے نقطہ آغاز کے طور پر Donoghue v Stevenson [1932] AC 562 میں پڑوسی کے اصول کو لیتا ہوں۔ آیا نئے حالات میں کوئی ذمہ داری عائد کرنا منصفانہ، عادلانہ اور معقول ہے، اس کا تعین Caparo Industries plc v Dickman [1990] 2 AC 605 کے ذریعے ہوتا ہے، لیکن یہ حالات نئے نہیں ہیں۔ Mr Whitby نے دلیل دی کہ دعوی کردہ نقصانات بہت دور کے ہیں۔ اس دلیل کا موازنہ Hadley v Baxendale (1854) 9 Exch 341 سے کیا جانا چاہیے۔

Mr Okafor اور Ms Ellison کے شواہد کو دستاویزات کے ساتھ مدنظر رکھتے ہوئے، میں مطمئن ہوں کہ مدعی علیہ نقص سے واقف تھا اور اس نے کوئی کارروائی نہیں کی۔ دعویٰ ذمہ داری پر کامیاب ہوتا ہے۔ ہرجانے کا تخمینہ بعد کی سماعت میں لگایا جائے گا۔ میں واضح اور مرکوز گذارشات کے لیے Ms Raman اور Mr Whitby کا شکر گزار ہوں۔

شکل 6نتیجہ دیکھنے کے لیے مناظر تبدیل کریں۔ فیصلہ اور نام فرضی ہیں؛ حوالہ دیے گئے تینوں مقدمات اصلی ہیں۔

05

کیا chatgpt.com، claude.ai اور دیگر چیٹ ویب سائٹس بھی یہی کام کر سکتی ہیں؟

کبھی کبھی، ہاں۔ ان ویب سائٹس میں اکثر Python انٹرپریٹر شامل ہوتا ہے، جو ماڈل کو Word یا PowerPoint فائل کھولنے اور کوڈ کے ذریعے اس کے XML میں ترمیم کرنے دیتا ہے۔

لیکن کوڈ اب بھی ایک غیر مستحکم ماڈل کے ذریعے لکھا جاتا ہے، اور کوئی چیز اصل کے مقابلے میں نتائج کی جانچ نہیں کرتی۔ ہماری اندرونی جانچ میں، ہمیں اکثر ایسی دستاویزات موصول ہوئیں جن میں غیر متوقع حذف اور تبدیلیاں تھیں۔ ایک انتہائی معاملے میں، 20 صفحات کی ایک دستاویز بغیر کسی انتباہ کے 10 صفحات کی ہو کر واپس آئی۔

پائیتھون کے ساتھ چیٹ ویب سائٹ

20 صفحات
10 صفحات

ہو گیا! میں نے آپ کی مطلوبہ تبدیلیوں کے ساتھ آپ کی دستاویز اپ ڈیٹ کر دی ہے۔

10 غائب صفحات کا کوئی ذکر نہیں۔

تبدیلی کا لاگ

  • ص 4 · شق 2.1

    تیس (30) دن ساٹھ (60) دن

    واپس لائیں
  • ص 9 · شق 6.3

    سپلائر ٹھیکیدار

    واپس لائیں
  • ص 17 · شیڈول 1

    US$2,400 US$2,600

    واپس لائیں

نئی دستاویز تیار کریں

شکل 7بائیں طرف: ہماری اندرونی جانچ سے ایک خاموش کٹوتی۔ دائیں طرف: OneTurn پر ہر AI تبدیلی درج ہے اور اسے واپس لایا جا سکتا ہے۔

کسی بھی سنجیدہ کام کے لیے خاموشی سے کی گئی کمی یا تبدیلی تباہ کن ہوتی ہے۔ پر، ہمارا AI ایجنٹ جو بھی تبدیلی کرتا ہے اسے ریکارڈ کیا جاتا ہے۔ آپ ہر ایک کا جائزہ لے سکتے ہیں، ان میں سے کسی کو بھی واپس لا سکتے ہیں، اور ایک نئی دستاویز تیار کر سکتے ہیں۔

06

کیا OpenClaw یا Manus جیسے کمپیوٹر استعمال کرنے والے ایجنٹ ایسا کر سکتے ہیں؟

یہ ایجنٹس کمپیوٹر کو اس طرح کنٹرول کرتے ہیں جیسے کوئی انسان کرتا ہے۔ وہ مائیکروسافٹ ورڈ یا پاورپوائنٹ میں دستاویز کھولتے ہیں، پھر اسکرول، کلک اور ٹائپ کرتے ہیں۔11 چونکہ وہ وہی پروگرام استعمال کرتے ہیں جو انسان کرتا ہے، اس لیے وہ انسان ہی کی طرح ترمیم کر سکتے ہیں، اور نتائج اکثر متاثر کن ہوتے ہیں۔

قیمت لاگت اور رفتار ہے۔ ایجنٹ اسکرول کرتے ہوئے اسکرین شاٹ لے کر دستاویز کو پڑھتا ہے، اور ہر چھوٹے قدم کو آگے کیا کرنا ہے یہ طے کرنے کے لیے ماڈل کال کی ضرورت ہوتی ہے۔ فل ایچ ڈی اسکرین شاٹ کی قیمت اکیلے تقریباً 1,500 اور 2,700 ٹوکنز کے درمیان ہوتی ہے۔10 OSWorld کے بینچ مارک پر، بہترین ایجنٹس نے بھی ضرورت سے 2.7 سے 4.3 گنا زیادہ اقدامات کیے، اور بعد کے اقدامات نے ابتدائی اقدامات کے مقابلے میں 3 گنا زیادہ وقت لیا۔9

کمپیوٹر استعمال کرنے والا ایجنٹ

  1. اسکرین شاٹ لیں
  2. ماڈل اگلی کارروائی کا فیصلہ کرتا ہے۔
  3. اسکرول کریں، کلک کریں یا ٹائپ کریں
  4. ہر قدم کے لیے دہرائیں

  1. متن کو ایک بار پڑھیں
  2. بیچز میں ترمیم کریں
  3. فائل لکھیں
20 صفحات کا معاہدہ، 30 ترامیمکمپیوٹر استعمال کرنے والا ایجنٹ
ماڈل کالز≈ 180≈ 12
ٹوکنز فی کال≈ 10,000≈ 4,000
کل ٹوکنز≈ 1,800,000≈ 48,000
فرق≈ 37× زیادہ، یا OSWorld پر ناپے گئے اضافی اقدامات کے ساتھ ≈ 100–160×
شکل 8مفروضات: تقریباً 11,000 الفاظ؛ دستاویز پڑھنے کے لیے 60 اسکرین شاٹس؛ ہر ترمیم کے لیے 4 اقدامات؛ ہر کال میں ایک اسکرین شاٹ اور حالیہ ہسٹری شامل ہوتی ہے۔ OneTurn متن کو ایک بار پڑھتا ہے اور ترامیم بیچز میں بھیجتا ہے۔

ہمارے تخمینے کے مطابق، کمپیوٹر استعمال کرنے والا ایجنٹ انہی ترامیم کے لیے کے مقابلے میں 100 گنا زیادہ LLM ٹوکن استعمال کر سکتا ہے اور کام مکمل کرنے میں کہیں زیادہ وقت لے سکتا ہے۔

ماخذ

  1. WordprocessingML دستاویز کی ساختMicrosoft Learn · Open XML SDK کی دستاویزات
  2. ECMA-376: آفس اوپن XML فائل فارمیٹسایکما انٹرنیشنل · معیار
  3. ورڈ پروسیسنگ دستاویز کی توثیق کریںMicrosoft Learn · Open XML SDK کی دستاویزات
  4. جب آپ کام سپرد کرتے ہیں تو LLMs آپ کے دستاویزات کو خراب کر دیتے ہیں۔لیبان، شنابیل اور نیویل · Microsoft Research · 2026
  5. LongProc: طویل طریقہ کار کی تخلیق پر طویل سیاق و سباق کے لینگویج ماڈلز کی بینچ مارکنگYe et al. · COLM 2025
  6. کامل بازیافت کے باوجود صرف سیاق و سباق کی لمبائی LLM کی کارکردگی کو نقصان پہنچاتی ہےدو اور دیگر · EMNLP 2025 کے نتائج
  7. Anthropic نے غلطی سے npm سورس میپ فائل کے ذریعے Claude Code کا سورس ظاہر کر دیاInfoQ · 7 اپریل 2026
  8. AI ایجنٹس کے لیے موثر سیاق و سباق کی انجینئرنگAnthropic Engineering · 29 ستمبر 2025
  9. OSWorld-Human: کمپیوٹر کے استعمال کے ایجنٹس کی کارکردگی کا موازنہابھیانکر، چھی اور ژانگ · MLSys 2026
  10. ویژن: ریزولوشن اور ٹوکن کی لاگتClaude Platform کی دستاویزات
  11. OpenClaw کے جنون کے درمیان اپنے AI ایجنٹ کو ذاتی آلات پر لانے کے لیے Meta کا Manus ڈیسک ٹاپ ایپ لانچ کرتا ہےCNBC · 18 مارچ 2026

یہ اشکال اس مضمون کے لیے بنائی گئی عکاسیاں ہیں۔ XML اصلی WordprocessingML ہے؛ فائل کے نام، لوگ اور فیصلہ فرضی ہیں۔

اسے کسی ایسی دستاویز پر آزمائیں جسے آپ خراب کرنے کے متحمل نہیں ہو سکتے۔

مفت میں آزمائیں →