AI ایجنٹس کو تیز، تصدیق شدہ ویڈیو سیاق دینے کے لیے CDAF استعمال کریں

CDAF کیا کرتا ہے

CDAF، جس کا مخفف Cached Descriptive Asset Files ہے، ویڈیو کے لیے ایک کھلا سائیڈ کار فارمیٹ ہے۔ یہ ویڈیو کے ساتھ، اسی بنیادی نام کے تحت، ٹائم اسٹیمپ شدہ سادہ متنی وضاحت محفوظ کرتا ہے۔ مثال کے طور پر، sunset-drone.mp4 کے ساتھ sunset-drone.cdaf منسلک ہوتی ہے۔

اس کا مقصد یہ ہے کہ ویڈیو کی وضاحت ایک بار کی جائے اور بعد کے AI کاموں میں دوبارہ استعمال ہو۔ ہر سوال کے لیے ایک ہی فوٹیج کو ویڈیو سمجھنے والے ماڈل سے گزارنے کے بجائے، کوئی ایجنٹ کہیں چھوٹی CDAF فائل کی تصدیق کرکے اسے پڑھ سکتا ہے۔

footage/
sunset-drone.mp4
sunset-drone.cdaf

اصل ویڈیو میں کوئی تبدیلی نہیں ہوتی اور عام ویڈیو سافٹ ویئر اسے چلا سکتا ہے۔ سائیڈ کار UTF-8 متن پر مشتمل ہوتی ہے، جس میں پہلے مختصر میٹا ڈیٹا ہیڈر اور اس کے بعد زبان کے ماڈلز کے لیے موزوں Markdown وضاحت شامل ہوتی ہے۔

سائیڈ کار کا دوبارہ استعمال محفوظ کیوں ہے

CDAF ہیڈر ویڈیو کا عین SHA-256 ہیش اور بائٹ سائز درج کرتا ہے۔ مطابق ٹولز ان اقدار سے طے کرتے ہیں کہ وضاحت اب بھی درست ہے یا نہیں۔ اگر ویڈیو تبدیل ہو جائے تو سائیڈ کار پرانی ہو جاتی ہے اور اسے استعمال نہیں کرنا چاہیے۔

--- CDAF/1.0
video: sunset-drone.mp4
sha256: 4a7d1ed4…
bytes: 48211394
duration: 00:00:31.500
generator: gemini-2.5-flash
created: 2026-08-26T14:03:12Z
---

## Summary
A 31-second aerial drone clip of a coastal highway at golden hour…

## Segments
[00:00.0-00:05.2] Wide aerial establishing shot…
[00:05.2-00:12.8] The drone pushes in and descends…

## Transcript
(no speech)

## On-screen Text
(none)

## Tags
drone, aerial, coastal highway, golden hour, sunset

متن میں خلاصہ، ٹائم اسٹیمپ والے حصے، نقل شدہ گفتگو، اسکرین پر موجود متن اور ٹیگز شامل کیے جا سکتے ہیں۔ معیاری فارمیٹ، تازگی کے مفاہیم، ورژننگ کے قواعد اور حصوں کے قواعد کے لیے منصوبے کی CDAF 1.0 specification دیکھیں۔

اہم خصوصیات

• مصدقہ دوبارہ استعمال: SHA-256 اور بائٹ سائز کا میٹا ڈیٹا سائیڈ کار کو اس عین ویڈیو سے جوڑتا ہے جس کی وہ وضاحت کرتی ہے۔
• قابل مطالعہ متنی فارمیٹ: ایجنٹس ویڈیو کو دوبارہ ڈی کوڈ کیے بغیر وضاحتیں استعمال، تلاش اور دوبارہ استعمال کر سکتے ہیں۔
• ٹائم اسٹیمپ والے حصے: حصوں کی حدود کلپ کے انتخاب اور کٹ لسٹ بنانے میں مدد دے سکتی ہیں۔
• بنیادی سطح پر کوئی انحصار نہیں: پارسنگ، سیریلائزیشن، ہیشنگ، تازگی کی جانچ اور حصوں کا استخراج Python کی معیاری لائبریری سے ہوتا ہے۔
• بیچ پر مبنی CLI: کمانڈ لائن ٹول کسی ڈائریکٹری کے لیے سائیڈ کارز بنا سکتا ہے اور جو پہلے ہی تازہ ہوں انہیں چھوڑ سکتا ہے۔
• تفصیل کے متعدد پروفائلز: جنریشن brief، standard اور rich آؤٹ پٹ کو سپورٹ کرتی ہے۔
• ایجنٹ اسکل: پیکیج شدہ اسکل کوڈنگ ایجنٹس کو ویڈیو کا تجزیہ کرنے سے پہلے مصدقہ سائیڈ کارز چیک کرنا سکھاتی ہے۔
• اختیاری مقامی جنریشن: ریپوزٹری میں --local فراہم کنندہ شامل ہے، جس سے مقامی ماڈل کے ذریعے اور API key کے بغیر جنریشن کی جا سکتی ہے۔
• اختیاری جانچ: CDAF دورانیے، ریزولوشن اور فریم ریٹ کے میٹا ڈیٹا کے لیے ffprobe استعمال کر سکتا ہے، اور ffprobe دستیاب نہ ہونے پر بھی مناسب طور پر کام جاری رکھتا ہے۔

ایجنٹ اسکل انسٹال کریں

کسی معاون کوڈنگ ایجنٹ کو سائیڈ کار کو ترجیح دینے والا ورک فلو سکھانے کا تیز ترین طریقہ یہ ہے:

npx cdaf-skill

ڈیفالٹ طور پر، یہ اسکل ~/.claude/skills/cdaf پر انسٹال ہوتی ہے، جس سے یہ تمام منصوبوں میں دستیاب ہو جاتی ہے۔ معاون انسٹالیشن کے دیگر طریقوں میں شامل ہیں:

npx cdaf-skill --project
npx cdaf-skill --dir <path>
npx cdaf-skill --print

• --project موجودہ منصوبے کے لیے ./.claude/skills/cdaf میں انسٹال کرتا ہے۔
• --dir منتخب ڈائریکٹری میں انسٹال کرتا ہے۔
• --print اسکل کو معیاری آؤٹ پٹ پر لکھتا ہے تاکہ اسے کسی دوسرے ایجنٹ فریم ورک میں پیسٹ کیا جا سکے۔

انسٹالر کو دوبارہ چلانا محفوظ ہے۔ غیر تبدیل شدہ اسکل کو ویسے ہی رہنے دیا جاتا ہے، جبکہ تبدیل شدہ اسکل کو بدلنے سے پہلے SKILL.md.bak کے نام سے بیک اپ کیا جاتا ہے۔

ویڈیو فائل کا تجزیہ کرنے سے پہلے اسی بنیادی نام والی .cdaf فائل تلاش کریں۔ اگر اس کے bytes اور sha256 ہیڈر کی قدریں ویڈیو سے مطابقت رکھتی ہوں تو ویڈیو پر کارروائی کرنے کے بجائے اسے پڑھیں۔

CDAF CLI انسٹال کریں

Python CLI کے لیے Python 3.10 یا اس کے بعد کا ورژن درکار ہے۔ موجودہ README اسے براہ راست ریپوزٹری سے انسٹال کرتی ہے کیونکہ PyPI ریلیز ابھی آئندہ کے منصوبے میں شامل ہے۔

pip install "cdaf[generate] @ git+https://github.com/UditAkhourii/cdaf.git#subdirectory=cli"

اگر آپ کلون کی گئی ریپوزٹری سے کام کر رہے ہیں تو CLI کو مقامی cli ڈائریکٹری سے انسٹال کریں:

pip install ./cli[generate]

جنریٹر کا نفاذ Gemini Files API استعمال کرتا ہے۔ Google AI Studio سے Gemini API key حاصل کریں، پھر اسے اپنے ماحول میں سیٹ کریں۔

macOS اور Linux

export GEMINI_API_KEY=your-key

Windows PowerShell

$env:GEMINI_API_KEY="your-key"

آپ کی فوٹیج آپ کی اپنی API key کے ذریعے پروسیس ہوتی ہے۔ صرف موجودہ سائیڈ کارز کو پڑھنے یا ان کی تصدیق کرنے والی کمانڈز کے لیے API key یا جنریٹر کی dependencies درکار نہیں ہوتیں۔

سائیڈ کارز بنائیں

ایک یا زیادہ ویڈیوز کسی ڈائریکٹری میں رکھیں اور اس ڈائریکٹری پر cdaf generate چلائیں:

cdaf generate ./footage

CDAF ویڈیوز کی وضاحت کرتا ہے اور مماثل بنیادی ناموں کے ساتھ سائیڈ کارز بناتا ہے۔ دوبارہ چلانے پر، جن ویڈیوز کی سائیڈ کارز پہلے ہی تازہ ہوں، ان کی جنریشن چھوڑ دی جاتی ہے۔

تفصیل کا پروفائل منتخب کریں

تین دستاویزی جنریشن پروفائلز میں سے ایک منتخب کرنے کے لیے --detail استعمال کریں:

cdaf generate ./footage --detail brief
cdaf generate ./footage --detail standard
cdaf generate ./footage --detail rich

پروفائل کا انتخاب اس بات کے مطابق کریں کہ بعد کے کاموں کو کتنے وضاحتی سیاق و سباق کی ضرورت ہے۔ آپ --model کے ذریعے Gemini ماڈل بھی منتخب کر سکتے ہیں یا --force کے ذریعے دوبارہ تخلیق کی درخواست کر سکتے ہیں۔

cdaf generate ./footage --model <gemini-model>
cdaf generate ./footage --force

ویڈیو لائبریری کی حالت چیک کریں

سائیڈ کارز کو FRESH، STALE یا MISSING کے طور پر درجہ بند کرنے کے لیے status کمانڈ استعمال کریں:

cdaf status ./footage

• FRESH: سائیڈ کار موجودہ ویڈیو سے مطابقت رکھتا ہے۔
• STALE: سائیڈ کار موجود ہے، لیکن اس میں درج شناخت اب ویڈیو سے مطابقت نہیں رکھتی۔
• MISSING: CDAF کا کوئی مطابقت رکھنے والا سائیڈ کار دستیاب نہیں ہے۔

اس کمانڈ کو نہ API key کی ضرورت ہے اور نہ generation dependencies کی، اس لیے یہ موجودہ asset libraries کی ہلکی پھلکی جانچ کے لیے موزوں ہے۔

تصدیق شدہ وضاحت پڑھیں

جب آپ کسی agent، script یا prompt کے لیے سائیڈ کار کا متن چاہتے ہوں تو cdaf read استعمال کریں:

cdaf read ./footage/sunset-drone.mp4

کمانڈ وضاحت دکھانے سے پہلے hash کی تصدیق کرتی ہے۔ یہ stale سائیڈ کار دکھانے سے انکار کرتی ہے، جس سے freshness کا اصول صرف agent instructions پر منحصر رہنے کے بجائے tool میں نافذ رہتا ہے۔

Automation میں سائیڈ کارز کی توثیق کریں

validation کمانڈ صرف اسی وقت کامیابی سے ختم ہوتی ہے جب مطابقت رکھنے والا سائیڈ کار درست ساخت کا اور تازہ ہو:

cdaf validate ./footage/clip.mp4

چونکہ یہ کمانڈ صرف درست اور تازہ سائیڈ کار کے لیے status 0 کے ساتھ ختم ہوتی ہے، اس لیے اسے scripts یا continuous-integration workflows میں استعمال کیا جا سکتا ہے۔ Validation کے لیے API key یا optional generator dependencies درکار نہیں ہوتیں۔

Python سے CDAF استعمال کریں

بنیادی Python API ایپلی کیشنز کو language model کو متن دینے سے پہلے سائیڈ کار تلاش کرنے، لوڈ کرنے اور اس کی تصدیق کرنے کی سہولت دیتی ہے۔

from cdaf import load, check_freshness, sidecar_path_for

video = "footage/sunset-drone.mp4"
sidecar = load(sidecar_path_for(video))

if check_freshness(video, sidecar) == "fresh":
    context_for_llm = sidecar.body

یہ طریقہ CDAF integration کی بنیاد ہے: متوقع سائیڈ کار path اخذ کریں، فائل parse کریں، ویڈیو کے مقابل freshness کی تصدیق کریں، اور sidecar.body کو صرف اس وقت استعمال کریں جب نتیجہ fresh ہو۔

پیکیج کا core serialization، chunked SHA-256 calculation اور segment extraction کو بھی سپورٹ کرتا ہے۔ یہ operations صرف standard library استعمال کرتے ہیں۔ Generator-specific code صرف generation کی درخواست ہونے پر import کیا جاتا ہے۔

Sidecar-First Agent Workflow بنائیں

1. Editing، search یا question-answering task کے حصے کے طور پر ویڈیو path حاصل کریں۔
2. اسی basename والی .cdaf فائل تلاش کریں۔
3. موجودہ ویڈیو کے مقابل سائیڈ کار کی freshness چیک کریں۔
4. اگر یہ تازہ ہو تو ویڈیو کو دوبارہ سمجھنے کا عمل چلانے کے بجائے اس کا متن پڑھیں۔
5. اگر یہ stale یا missing ہو تو اس کے مواد پر بھروسا کرنے سے پہلے اسے دوبارہ generate کریں۔
6. Downstream task کے لیے summary، segments، transcript، on-screen text اور tags کو context کے طور پر استعمال کریں۔

Packaged agent skill exploration کے دوران ہلکی پھلکی size check اور اہم فیصلوں کے لیے مکمل hash check تجویز کرتی ہے۔ ایپلی کیشنز کو operation کے مطابق verification کی مناسب سطح استعمال کرنی چاہیے، جبکہ اس بنیادی اصول کو برقرار رکھنا چاہیے کہ stale descriptions پر بھروسا نہیں کیا جا سکتا۔

اعلیٰ درجے کی تجاویز

ویڈیو مجموعوں کو متن کے طور پر تلاش کریں

جب ویڈیوز کے ساتھ سائیڈ کارز موجود ہوں تو agents اور command-line tools ہر ویڈیو کھولنے کے بجائے .cdaf فائلیں تلاش کر سکتے ہیں۔ Tags اور descriptions ایسی درخواستوں، مثلاً غروبِ آفتاب کے ساحلی مناظر جن میں کوئی شخص نہ ہو، کو asset library میں text retrieval میں تبدیل کر سکتے ہیں۔

Segments کو Edit Decisions میں تبدیل کریں

[00:05.2-00:12.8] جیسی timestamped lines وہ ranges فراہم کرتی ہیں جنہیں programmatic editors clips یا sequences میں تبدیل کر سکتے ہیں۔ README خاص طور پر Remotion، HyperFrames اور prompt-to-edit tools کو ایسے workflows کے طور پر شناخت کرتا ہے جو اس structure سے فائدہ اٹھا سکتے ہیں۔

Transcript Timing دوبارہ استعمال کریں

جب گفتگو موجود ہو تو Transcript section dialogue کو timeline کے ساتھ ہم آہنگ کرتا ہے۔ Editing workflow captions اور audio synchronization کے لیے اس معلومات کو دوبارہ استعمال کر سکتا ہے، یوں دوبارہ understanding pass کی ضرورت نہیں رہتی۔

اختیاری ffprobe Metadata استعمال کریں

اگر ffprobe دستیاب ہو تو CDAF کا probe component duration، resolution اور frames-per-second metadata جمع کر سکتا ہے۔ ffprobe موجود نہ ہونے پر بھی engine مناسب طور پر کام جاری رکھتا ہے، اس لیے یہ optional integration بنیادی sidecar operations میں رکاوٹ نہیں بنتی۔

Local Generation پر غور کریں

Repository میں ایک local provider شامل ہے جو --local کے ذریعے دستیاب ہوتا ہے۔ یہ اس وقت local model کے ساتھ generation کے لیے ہے جب API key استعمال نہیں کرنی ہو۔ موجودہ supported local-model setup کے لیے repository کی local provider implementation دیکھیں۔

Backends کو Format سے الگ رکھیں

CDAF خود model-agnostic ہے۔ Gemini شامل remote generator backend ہے، جبکہ دیگر video-language-model backends اسی Sidecar type کے پیچھے کام کر سکتے ہیں۔ Additional Claude، GPT اور local VLM backends roadmap پر درج ہیں اور فی الحال ان کی دستیابی فرض نہیں کی جانی چاہیے۔

Benchmark دوبارہ چلائیں

Repository میں ایک objective benchmark شامل ہے جو ffmpeg استعمال کرتے ہوئے scripted recipes سے ویڈیوز بناتا ہے۔ اس کے مراحل ترتیب سے چلائیں:

python benchmarks/bench.py make
python benchmarks/bench.py run
python benchmarks/bench.py report

پہلے مرحلے کے لیے ffmpeg درکار ہے، دوسرے مرحلے کے لیے GEMINI_API_KEY درکار ہے، اور آخری مرحلہ benchmarks/RESULTS.md میں نتائج لکھتا ہے۔ رپورٹ کیے گئے 20 سوالات کے ٹیسٹ میں، سائیڈ کارڈ جوابات نے 20 میں سے 20 درست جوابات حاصل کیے، جبکہ براہِ راست ویڈیو نے 20 میں سے 19 درست جوابات دیے۔ اس دوران ہر سوال کے لیے اوسطاً 3,066 کے بجائے 303 پرامپٹ ٹوکن استعمال ہوئے۔ یہ ریپوزٹری کے بینچ مارک نتائج ہیں اور فوٹیج، ماڈلز، پرامپٹس اور ماحول کے لحاظ سے مختلف ہو سکتے ہیں۔

موجودہ حدود اور آئندہ کا منصوبہ

README میں کئی چیزوں کو موجودہ فعالیت کے بجائے مستقبل کے کام کے طور پر درج کیا گیا ہے: PyPI ریلیز، MCP سرور، ہوسٹڈ کنورٹر، اضافی جنریٹر بیک اینڈز، Node یا TypeScript انجن پورٹ، قدرتی فوٹیج کے بینچ مارک کی توسیع، اور دستخط شدہ سائیڈ کارڈز۔ آج کے لیے دستاویزی Git پر مبنی Python انسٹالیشن اور موجودہ CLI استعمال کریں، اور یہ فرض نہ کریں کہ روڈ میپ کے یہ اجزا دستیاب ہیں۔

نتیجہ

CDAF بار بار کی جانے والی ویڈیو تحلیل کو تصدیق اور مطالعے کے ورک فلو میں تبدیل کرتا ہے۔ سائیڈ کارڈ ایک بار تیار کریں، اسے ماخذ ویڈیو کے ساتھ رکھیں، اثاثہ استعمال کیے جانے پر ہر بار اس کی توثیق کریں، اور اس کا متن بعد کے ایجنٹس کو فراہم کریں۔ فارمیٹ کے ہیشز ترمیم کے بعد غیر ارادی دوبارہ استعمال کو روکتے ہیں، جبکہ اس کے خلاصے، ٹائم اسٹیمپس، ٹرانسکرپٹس، متن اور ٹیگز ویڈیو لائبریریوں کو تلاش اور خودکار بنانے میں آسانی پیدا کرتے ہیں۔

CDAF، MIT لائسنس کے تحت دستیاب ہے۔ ماخذ کوڈ، specification، مثالیں، بینچ مارک کی تفصیلات اور ایجنٹ اسکل CDAF GitHub ریپوزٹری میں دستیاب ہیں۔