پروجیکٹ کا جائزہ
اس ریپوزٹری میں حقیقی بھرتی کے عمل سے لیے گئے تین AI Coding پروجیکٹ سوالات مرتب کیے گئے ہیں، اور محدود وقت کے تحریری ٹیسٹ، Take-home Assignment اور موقع پر جوڑی میں ڈیولپمنٹ کے لیے قابلِ اطلاق ایک عمومی طریقۂ کار اخذ کیا گیا ہے۔ سوالات کو گمنام اور ساختی انداز میں دوبارہ لکھا گیا ہے، جن میں کمپنی، انٹرویو لینے والے، بھرتی کرنے والے یا صارف کے نام شامل نہیں ہیں۔
ریپوزٹری میں بنیادی طور پرسوالات کا تجزیہ اور طریقۂ کار محفوظ ہے۔ تینوں کے متعلقہ ذاتی حل الگ ریپوزٹریز میں موجود ہیں، جن میں سورس کوڈ، ڈیزائن دستاویزات، ٹیسٹس اور حقیقی ڈیلیوری ریکارڈ شامل ہیں۔
ان پروجیکٹس میں اصل جانچ صرف کوڈ کی مقدار کی نہیں، بلکہ تقاضوں کی سمجھ، آرکیٹیکچر کی حدود، عمل کا کنٹرول، قبولیت کے شواہد اور درست ترجیحات طے کرنے کی صلاحیت کی ہوتی ہے۔
تینوں پروجیکٹ سوالات میں کیا جانچا جاتا ہے
01: Computer Use Agent Dashboard
پہلے سوال میں Web، Agent اور الگ تھلگ ڈیسک ٹاپ کو یکجا کرنے والا نظام بنانا تھا۔ اس میں Computer Use، ٹول کالنگ لوپ، سیشن کی علیحدگی، قابلِ مشاہدہ عمل اور رن ٹائم کی قابلِ اعتماد کارکردگی پر توجہ دی گئی۔
- سوال کا تجزیہ: Computer Use Agent Dashboard
- ذاتی عمل درآمد: ai-agent-dashboard
اس نوعیت کے پروجیکٹ میں صرف ماڈل API کال اور انٹرفیس دکھانا کافی نہیں ہوتا۔ یہ بھی دیکھنا ضروری ہے کہ Agent ٹولز کیسے استعمال کرتا ہے، مختلف سیشن کیسے الگ رہتے ہیں، اور ناکامی کی حالتوں کو دیکھا اور بحال کیا جا سکتا ہے یا نہیں۔
02: React Native اسکرین شاٹ ایکشن Agent
دوسرا سوال 48 گھنٹے کا React Native／iOS پروجیکٹ تھا۔ اس میں اسکرین شاٹ کو ان پٹ کے طور پر استعمال کرتے ہوئے ملٹی موڈل سمجھ، ساختی Action، Human-in-the-loop، مقامی ٹولز اور Memory پر توجہ دی گئی۔
- سوال کا تجزیہ: React Native اسکرین شاٹ ایکشن Agent
- ذاتی عمل درآمد: ContactFlow
اس نوعیت کے سوال کا اہم نکتہ ایک مکمل چکر بنانا ہے: اسکرین شاٹ کو سمجھنا، ساختی ایکشن تیار کرنا، صارف سے تصدیق لینا، اور مناسب مقامی صلاحیت کے ذریعے اسے انجام دینا، نہ کہ صرف قدرتی زبان میں مشورہ دینا۔
03: Jira طرز کا ٹاسک مینجمنٹ سسٹم
تیسرے سوال میں ایک دن کے اندر Web MVP مکمل کرنا تھا۔ اس میں تقاضوں کی ترجیحات، CRUD، کنبانڈ ڈریگ اینڈ ڈراپ، مقامی مستقل محفوظ کاری، ٹائم لائن اور مجموعی ڈیلیوری معیار پر توجہ دی گئی۔
- سوال کا تجزیہ: Jira طرز کا ٹاسک مینجمنٹ سسٹم
- ذاتی عمل درآمد: ForceTrack
اس پروجیکٹ میں PRD سے Repo Wiki تک AI Coding کی 24 حقیقی گفتگو کے مراحل بھی محفوظ ہیں، جن سے دیکھا جا سکتا ہے کہ تقاضے، عمل درآمد اور دستاویزات بتدریج کیسے آگے بڑھتے ہیں۔
ForceTrack کی 24 حقیقی گفتگو کے مراحل دیکھیں
بنیادی طریقۂ کار: AI Coding پروجیکٹ چھ مراحل میں مکمل کریں
AI Coding پروجیکٹس کے لیے عمومی حل مکمل عمل کو چھ مراحل میں تقسیم کرتا ہے۔ سوال Agent، موبائل ایپ یا CRUD سسٹم سے متعلق ہو، اسے اسی ترتیب سے انجام دیا جا سکتا ہے۔
پہلا مرحلہ: تقاضے واضح کریں اور دائرہ کار منجمد کریں
سب سے پہلے مبہم وضاحت کو قابلِ تصدیق P0 دائرہ کار میں تبدیل کریں۔ لازمی کام، بعد میں کیے جا سکنے والے کام اور واضح طور پر نہ کیے جانے والے کام الگ کریں، تاکہ محدود وقت کے پروجیکٹ میں تقاضے مسلسل نہ پھیلتے رہیں۔
ایک سادہ تقاضا میٹرکس پہلے سے بنائی جا سکتی ہے:
تقاضا: صارف کون سا آپریشن مکمل کر سکتا ہے؟
قبولیت: آپریشن کی کامیابی کیسے ثابت ہوگی؟
ترجیح: کیا یہ P0 میں شامل ہے؟
حالت: شروع نہیں ہوا، جاری ہے یا تصدیق شدہ؟
خطرہ: انحصار، اجازت، ناکامی کا راستہ یا وقت کی لاگت کیا ہے؟میٹرکس کی اہمیت فارمیٹ میں نہیں، بلکہ اس بات میں ہے کہ ہر کام واضح قبولیتی شواہد سے منسلک ہو۔
دوسرا مرحلہ: Starter یا موجودہ ریپوزٹری کا آڈٹ کریں
اگر انٹرویو لینے والا Starter فراہم کرے تو فوراً اسے دوبارہ نہ لکھیں۔ پہلے موجودہ ڈائریکٹری، انحصارات، بلڈ کا طریقہ، ڈیٹا ماڈل اور دوبارہ استعمال ہونے والے اجزا کی جانچ کریں، پھر فیصلہ کریں کہ کن حصوں کو برقرار، توسیع یا تبدیل کرنا ہے۔
- تصدیق کریں کہ پروجیکٹ درست طور پر انسٹال، بلڈ اور رن ہو سکتا ہے۔
- موجودہ اسٹیٹ مینجمنٹ، مستقل محفوظ کاری اور ٹیسٹنگ کے طریقوں کی شناخت کریں۔
- پلیٹ فارم، اجازتوں اور رن ٹائم کی پابندیوں کا جائزہ لیں۔
- رکاوٹوں کو درج کریں، تاکہ AI غلط مفروضوں کی بنیاد پر کوڈ تیار نہ کرتا رہے۔
تیسرا مرحلہ: ڈیٹا، اسٹیٹ، ٹولز اور رن ٹائم ڈیزائن کریں
مختلف سوالات مختلف حدود پر زور دیتے ہیں: Agent پروجیکٹ میں ٹول لوپ، سیشن کی علیحدگی اور ناکامی سے بحالی اہم ہے؛ موبائل پروجیکٹ میں ساختی Action، صارف کی تصدیق اور مقامی ٹولز اہم ہیں؛ جبکہ ٹاسک سسٹم میں CRUD، ڈریگ اینڈ ڈراپ اسٹیٹ، مقامی مستقل محفوظ کاری اور ٹائم لائن پر توجہ دینی ہوتی ہے۔
ڈیزائن کے دوران معمول کی حالت، لوڈنگ کی حالت، ناکامی کی حالت اور بحالی کا طریقہ واضح کریں۔ صرف مرکزی راستہ موجود ہو اور حدود کی حالتیں نہ ہوں تو عموماً قابلِ ڈیلیوری مکمل چکر تشکیل نہیں پاتا۔
چوتھا مرحلہ: AI ٹاسکس کو عمودی حصوں میں تقسیم کریں
AI سے ایک ہی بار پورا سسٹم تیار کرنے کا مطالبہ نہ کریں۔ زیادہ قابلِ اعتماد طریقہ یہ ہے کہ عمودی حصوں کے ذریعے آگے بڑھا جائے، جہاں ہر حصے میں ضروری ڈیٹا، منطق، انٹرفیس اور تصدیق شامل ہو۔
AI کو دیے جانے والے ٹاسک کنٹریکٹ میں کم از کم یہ چیزیں واضح ہونی چاہییں:
مقصد: اس مرحلے میں مکمل ہونے والا قابلِ مشاہدہ نتیجہ
دائرہ کار: وہ ماڈیولز جن میں ترمیم کی اجازت ہے
پابندیاں: ٹیکنالوجی اسٹیک، وقت اور مطابقت کے تقاضے
قبولیت: وہ آپریشن یا جانچ جو لازماً کامیاب ہونی چاہیے
ممنوعہ امور: وہ خصوصیات جنہیں اس مرحلے میں وسعت نہیں دینییہ تقسیم سیاق کے بکھراؤ کو کم کرتی ہے اور ہر مرحلے کا انسانی جائزہ آسان بناتی ہے۔
پانچواں مرحلہ: انسانی Review اور خودکار تصدیق
AI عمل درآمد کی رفتار بڑھا سکتا ہے، لیکن تکنیکی فیصلہ اب بھی ڈیولپر کی ذمہ داری ہے۔ ہر ترمیم کے بعد جانچیں کہ کوڈ تقاضوں کے مطابق ہے یا نہیں، موجودہ رویے متاثر ہوئے ہیں یا نہیں، اور ناکامی کے راستے کو سنبھالا گیا ہے یا نہیں۔
- موجودہ ٹیسٹس اور بلڈ کا عمل چلائیں۔
- صارف کے بنیادی راستے کی دستی تصدیق کریں۔
- اسٹیٹ، اجازت، مستقل محفوظ کاری اور حدود کی حالتیں چیک کریں۔
- تصدیق کریں کہ انٹرفیس پر دکھایا گیا نتیجہ حقیقی رن ٹائم نتیجے سے مطابقت رکھتا ہے۔
- صرف “کوڈ تیار ہو گیا” درج کرنے کے بجائے قبولیتی نتیجہ ریکارڈ کریں۔
چھٹا مرحلہ: محدود وقت میں ترجیحات، ڈیمو اور حتمی ڈیلیوری
وقت کم ہو تو کم قدر والے دائرہ کار کو فعال طور پر کم کریں اور P0 کا مکمل چکر یقینی بنائیں۔ حتمی ڈیلیوری میں صرف سورس کوڈ شامل نہیں ہوتا، بلکہ بلڈ کے نتیجے، ٹیسٹس، ڈیمو اور دستاویزات کے ذریعے یہ ثابت کرنا بھی ضروری ہے کہ پروجیکٹ واقعی چل سکتا ہے۔
ایک مختصر ڈیلیوری چیک لسٹ یوں لکھی جا سکتی ہے:
کیا بنیادی عمل مکمل ہے؟
کیا پروجیکٹ بلڈ اور اسٹارٹ ہو سکتا ہے؟
کیا اہم ناکامی کے راستے سنبھالے گئے ہیں؟
کیا ڈیٹا یا اسٹیٹ تقاضے کے مطابق محفوظ ہے؟
کیا ڈیمو کے مراحل مستحکم اور دوبارہ قابلِ عمل ہیں؟
کیا دستاویزات میں دائرہ کار، ترجیحات اور معلوم پابندیاں بیان کی گئی ہیں؟اس ریپوزٹری کا استعمال کیسے شروع کریں
یہ سوالات کے تجزیے اور طریقۂ کار کی ریپوزٹری ہے، ایسی ایپلیکیشن نہیں جس کے لیے مشترکہ طور پر انحصارات انسٹال کر کے اسے اسٹارٹ کرنا ضروری ہو۔ اس لیے تیاری کا بنیادی حصہ مواد پڑھنا، ٹیمپلیٹس نقل کرنا اور مخصوص سوال کے مطابق اپنا عملی منصوبہ بنانا ہے۔
- GitHub صفحے سے موجودہ ریپوزٹری کو کلون یا ڈاؤن لوڈ کریں۔
- تینوں پروجیکٹ سوالات بالترتیب پڑھیں اور مختلف شکلوں میں انجینئرنگ کے اہداف اور قبولیت کے نکات سمجھیں۔
- عمومی حل پڑھیں اور اس میں موجود تقاضا میٹرکس، ٹاسک کنٹریکٹ اور ڈیلیوری چیک لسٹ کو نقل کریں۔
- ایک سوال منتخب کریں اور تقاضوں کو محدود وقت میں مکمل ہونے والے P0 دائرہ کار تک محدود کریں۔
- عمل درآمد کی تفصیلات درکار ہوں تو متعلقہ ذاتی حل کی ریپوزٹری میں جا کر سورس کوڈ، ڈیزائن دستاویزات اور ٹیسٹس دیکھیں۔
README میں تجویز کردہ ترتیبپہلے تین سوالات، پھر عمومی حل پڑھناہے۔ حقیقی عمل کے دوران تمام ٹیمپلیٹس کو جوں کا توں نقل کرنا ضروری نہیں؛ پروجیکٹ کے حجم اور وقت کے مطابق انہیں کم کریں۔
بنیادی عملی مثال
فرض کریں آپ Jira طرز کے ٹاسک مینجمنٹ سسٹم کی مشق کر رہے ہیں۔ ایک دن کے ہدف کو پہلے قابلِ تصدیق بنیادی چکر تک محدود کریں: CRUD، کنبانڈ ڈریگ اینڈ ڈراپ، مقامی مستقل محفوظ کاری اور ٹائم لائن کے گرد عمل درآمد اور قبولیت کا انتظام کریں۔ ہر حصہ مکمل ہونے پر اسٹیٹ اپ ڈیٹ اور مستقل محفوظ کاری کے نتیجے کی بھی تصدیق کریں، بجائے اس کے کہ تمام صفحات مکمل ہونے کے بعد ایک ساتھ ٹیسٹ کریں۔
اگر آپ اسکرین شاٹ ایکشن Agent کی مشق کر رہے ہیں تو “اسکرین شاٹ ان پٹ، ملٹی موڈل سمجھ، ساختی Action، صارف کی تصدیق، مقامی ٹولز” کے گرد عمودی حصے ترتیب دیں۔ ہر مرحلے میں انسانی تصدیق اور جانچ کے مراحل برقرار رکھیں، تاکہ ماڈل کے آؤٹ پٹ کو براہِ راست قابلِ اعتماد عمل درآمد کا نتیجہ نہ سمجھا جائے۔
Computer Use Agent Dashboard کے لیے پہلے ٹول لوپ، سیشن کی علیحدگی، قابلِ مشاہدہ عمل اور رن ٹائم کی قابلِ اعتماد کارکردگی کی تصدیق کریں۔ انٹرفیس نظام کا صرف ایک حصہ ہے؛ عمل کی ٹریکنگ اور ناکامی کے بعد کا طریقۂ کار بھی قبولیت کے دائرے میں شامل ہیں۔
اعلیٰ درجے کی تجاویز
خصوصیات کی تعداد سے پہلے قبولیتی شواہد رکھیں
محدود وقت کے پروجیکٹ میں ٹیسٹ اور ڈیمو کے ساتھ مکمل کیے گئے تین فیچرز عموماً ایسے دس صفحات سے زیادہ مؤثر ہوتے ہیں جو مستحکم طور پر نہیں چل سکتے۔ ہر P0 فیچر کو آپریشن، ٹیسٹ، بلڈ کے نتیجے یا دستاویزات کے ذریعے ثابت کیا جا سکنا چاہیے۔
AI کو عمل درآمد تیز کرنے دیں، فیصلہ سازی کی جگہ نہ لینے دیں
AI واضح حدود والے کاموں کے لیے موزوں ہے، لیکن دائرہ کار کی تقسیم، آرکیٹیکچر کے انتخاب، خطرے کے اندازے اور حتمی Review کا کنٹرول ڈیولپر کے پاس رہنا چاہیے۔ کام جتنا مبہم ہوگا، ایک ہی بار بڑی مقدار میں کوڈ تیار کرنے کی دوبارہ محنت کا خطرہ اتنا ہی زیادہ ہوگا۔
اسٹیٹ اور بحالی کے راستوں کو پہلے چیک کریں
اگرچہ تینوں سوالات کی شکل مختلف ہے، لیکن سب میں اسٹیٹ، ناکامی، بحالی، اجازت، مستقل محفوظ کاری یا حدود کی حالتیں شامل ہیں۔ ڈیمو سے پہلے غیر معمولی ان پٹ، ٹول کی ناکامی، اسٹیٹ کی تبدیلی اور ایپ میں دوبارہ داخل ہونے کے بعد کے رویے کو فعال طور پر جانچیں۔
تعاون کے طریقے کا تجزیہ کرنے کے لیے حقیقی گفتگو کی تاریخ استعمال کریں
ForceTrack کی 24 حقیقی گفتگو کے مراحل AI Coding کے عمل کے کنٹرول کا تجزیہ کرنے کے لیے موزوں ہیں۔ پڑھتے وقت توجہ دیں کہ ہر مرحلے کا مقصد کیسے واضح ہوتا ہے، ٹاسکس کیسے تقسیم ہوتے ہیں، اور نتیجہ PRD سے بتدریج Repo Wiki میں کیسے منتقل ہوتا ہے۔
اختتامیہ
اس مواد کی قدر صرف تین مشقی سوالات فراہم کرنے میں نہیں، بلکہ AI Coding کی قابلِ دوبارہ استعمال ڈیلیوری کا ایک طریقہ دکھانے میں ہے: پہلے تقاضے سمجھیں اور دائرہ کار منجمد کریں، پھر ماحول کا آڈٹ کریں، حدود ڈیزائن کریں، ٹاسکس تقسیم کریں، انسانی جائزہ لیں، اور آخر میں ٹیسٹس، بلڈ، ڈیمو اور دستاویزات کے ذریعے قبولیت مکمل کریں۔
حقیقی بھرتی کے عمل میں سوالات، وقت کی حد اور رازداری کے تقاضے مختلف ہو سکتے ہیں۔ ان طریقوں کو استعمال کرتے وقت ہمیشہ موصولہ رسمی مواد کو ترجیح دیں اور وقت کے مطابق کم قدر والے دائرہ کار کو فعال طور پر محدود کریں۔