OpenClaw کے ساتھ اپنی مرضی کے AI ایجنٹوں کی تعمیر: ڈویلپر گائیڈ

پروڈکشن کے لیے تیار AI ایجنٹ بنانا ایک چیٹ بوٹ لکھنے جیسا نہیں ہے۔ ایجنٹوں کو سیاق و سباق کا ادراک ہونا چاہیے، نامکمل معلومات پر استدلال کرنا چاہیے، متعدد قدمی منصوبوں پر عمل درآمد کرنا چاہیے، اور ناکامیوں سے باز آنا چاہیے- یہ سب کچھ انسانی نگرانی کے بغیر۔ OpenClaw ایک انٹرپرائز AI ایجنٹ پلیٹ فارم ہے جو خاص طور پر آپریشنل خودمختاری کی اس سطح کے لیے بنایا گیا ہے، جس سے ڈویلپرز کو ایک منظم رن ٹائم، ایک مہارت کی تشکیل کا ماڈل، اور پہلے دن سے فرسٹ کلاس مشاہدہ ملتا ہے۔

یہ ہدایت نامہ ان انجینئرز کے لیے لکھا گیا ہے جو صفر سے ایک تعینات، نگرانی شدہ OpenClaw ایجنٹ تک جانا چاہتے ہیں۔ ہم آرکیٹیکچر انٹرنل، مہارت کی تصنیف، میموری مینجمنٹ، آرکیسٹریشن ہکس، اور تعیناتی کے نمونوں کا احاطہ کرتے ہیں جو ایجنٹوں کو پروڈکشن بوجھ کے تحت قابل اعتماد رکھتے ہیں۔

اہم ٹیک ویز

• OpenClaw ایجنٹ ہنر (ایٹمی صلاحیتوں)، یادداشت کی تہوں، اور ایک آرکیسٹریٹر پر مشتمل ہوتے ہیں جو عملدرآمد کے سلسلے کی منصوبہ بندی کرتا ہے۔
• ایجنٹ مینی فیسٹ فائل رن ٹائم سے پہلے تمام انحصارات، اجازتوں اور ٹول بائنڈنگ کا اعلان کرتی ہے۔
• ہنر اسٹیٹ لیس فنکشنز ہیں جو ٹائپ شدہ ان پٹس کو قبول کرتے ہیں اور ٹائپ شدہ آؤٹ پٹس کو خارج کرتے ہیں۔
• ورکنگ میموری، ایپی سوڈ میموری، اور طویل مدتی میموری کے درجے مختلف برقرار رکھنے اور بازیافت کی ضروریات کو پورا کرتے ہیں۔
• ہکس (پری رن، پوسٹ رن، آن ایرر) آپ کو بنیادی مہارت کوڈ میں ترمیم کیے بغیر نگرانی، شرح کو محدود کرنے، اور فال بیک منطق لگانے دیتے ہیں۔
• اوپن کلاؤ کا سینڈ باکس موڈ آپ کو براہ راست API کالز کے بغیر ڈیبگنگ کے لیے مقامی طور پر پروڈکشن ٹریس کو دوبارہ چلانے دیتا ہے۔
• ملٹی ایجنٹ ہینڈ آف ایک ٹائپ شدہ میسج بس کا استعمال کرتے ہیں — ایجنٹوں کے درمیان کوئی خام تار نہیں گزرتا۔
• ECOSIRE منظم OpenClaw نفاذ، حسب ضرورت مہارت کی لائبریریاں، اور انٹرپرائز ٹیموں کے لیے جاری اصلاح فراہم کرتا ہے۔

---

OpenClaw ایجنٹ ماڈل کو سمجھنا

ہر OpenClaw ایجنٹ چار بنیادی چیزوں کا مرکب ہے: مہارت، میموری، ٹولز، اور ایک آرکیسٹریٹر۔

مہارت ایجنٹ کی صلاحیت کی جوہری اکائیاں ہیں۔ مہارت ایک فنکشن ہے جو ٹائپ شدہ ان پٹ اسکیما کو قبول کرتا ہے اور ٹائپ شدہ آؤٹ پٹ اسکیما واپس کرتا ہے۔ ہنر مطابقت پذیر یا غیر مطابقت پذیر ہوسکتے ہیں، اور وہ اپنی بیرونی انحصار کا واضح طور پر اعلان کرتے ہیں۔ مثالیں: ParseInvoice, SendSlackMessage, QueryCRMContact, GenerateReport.

ٹولز بیرونی نظام کے پابند ہیں۔ OpenClaw REST APIs، ڈیٹا بیس، فائل سسٹم، براؤزرز، اور پیغام کی قطاروں کے لیے بلٹ ان ٹولز کے ساتھ جہاز بھیجتا ہے۔ آپ ایجنٹ مینی فیسٹ میں ٹولز کو رجسٹر کرتے ہیں اور انحصار انجیکشن کے ذریعے رن ٹائم کے وقت مہارتوں میں انجیکشن لگاتے ہیں۔

میموری کو تین درجوں میں منظم کیا گیا ہے۔ ورکنگ میموری موجودہ ٹاسک اسٹیٹ یعنی ایجنٹ کا سکریچ پیڈ رکھتی ہے۔ ایپی سوڈ میموری اسٹورز نے ٹاسک ہسٹریز کو مکمل کیا ہے جو موجودہ سیشن میں معنوی مماثلت کے ذریعے بازیافت کی جا سکتی ہیں۔ طویل مدتی میموری سیشنز میں برقرار رہتی ہے اور سیکھے گئے حقائق، صارف کی ترجیحات، اور ڈومین کے علم کو اسٹور کرتی ہے۔

آرکیسٹریٹر استدلال کا مرکز ہے۔ یہ ایک گول اسٹیٹمنٹ حاصل کرتا ہے، دستیاب ہنر کی رجسٹری سے استفسار کرتا ہے، عملدرآمد کا منصوبہ بناتا ہے، اور ہر قدم کی نگرانی کرتا ہے۔ جب کوئی ہنر ناکام ہو جاتا ہے، تو آرکیسٹریٹر فیصلہ کرتا ہے کہ آیا دوبارہ کوشش کرنی ہے، کسی متبادل مہارت کو تبدیل کرنا ہے، یا کسی انسان کے پاس جانا ہے۔

سنگل ایجنٹ کے لیے فن تعمیر کا خاکہ اس طرح لگتا ہے:

User Request
     ↓
[ Orchestrator ]
     ↓ plan
[ Skill Selector ] → [ Skill Registry ]
     ↓ execute
[ Skill Instance ]
     ↓ tool calls
[ Tool Layer ] → [ External Systems ]
     ↓ result
[ Memory Writer ]
     ↓ store
[ Working / Episode / Long-Term Memory ]
     ↓ next step or done
[ Orchestrator ] → response

یہ لوپ اس وقت تک جاری رہتا ہے جب تک کہ آرکیسٹریٹر اس بات کا تعین نہیں کر لیتا کہ ہدف پورا ہو گیا ہے یا رکنے کی شرط پوری نہیں ہو جاتی۔

---

اپنے ترقیاتی ماحول کو ترتیب دینا

اپنی پہلی مہارت لکھنے سے پہلے، آپ کو OpenClaw SDK اور مقامی ایجنٹ رن ٹائم کی ضرورت ہے۔

npm install @openclaw/sdk @openclaw/runtime @openclaw/cli
npx openclaw init my-agent --template=typescript

init کمانڈ اس ڈھانچے کے ساتھ ایک پروجیکٹ تیار کرتا ہے:

my-agent/
  agent.manifest.json   # Agent declaration
  skills/               # Skill implementations
  tools/                # Tool registrations
  memory/               # Memory adapter config
  tests/                # Skill and integration tests
  .openclaw/            # Local runtime state

agent.manifest.json سب سے اہم فائل ہے۔ یہ اوپن کلاؤ کو آپ کے ایجنٹ کو بوٹسٹریپ کرنے کے لیے درکار ہر چیز کا اعلان کرتا ہے:

{
  "name": "invoice-processor",
  "version": "1.0.0",
  "runtime": "node-20",
  "skills": [
    "skills/extract-line-items.ts",
    "skills/validate-vendor.ts",
    "skills/post-to-erp.ts"
  ],
  "tools": {
    "erp": { "type": "rest", "baseUrl": "${ERP_BASE_URL}", "auth": "bearer" },
    "storage": { "type": "s3", "bucket": "${DOCS_BUCKET}" }
  },
  "memory": {
    "working": { "ttl": 3600 },
    "episode": { "backend": "redis", "maxItems": 500 },
    "longTerm": { "backend": "postgres", "table": "agent_facts" }
  },
  "permissions": ["read:invoices", "write:erp", "read:vendors"]
}

ماحولیاتی متغیرات رن ٹائم پر انجیکشن کیے جاتے ہیں اور مینی فیسٹ میں کبھی بھی محفوظ نہیں ہوتے ہیں۔

---

اپنی پہلی مہارت لکھنا

ہنر ایک سخت معاہدے کی پیروی کرتا ہے۔ وہ اعلان کردہ اسکیما سے مماثل input آبجیکٹ کو قبول کرتے ہیں، انجکشن شدہ tools اور memory وصول کرتے ہیں، اور output آبجیکٹ واپس کرتے ہیں یا ٹائپ شدہ SkillError پھینک دیتے ہیں۔

import { defineSkill, SkillError } from "@openclaw/sdk";
import { z } from "zod";

const ExtractLineItemsInput = z.object({
  documentUrl: z.string().url(),
  documentType: z.enum(["invoice", "receipt", "purchase-order"]),
});

const ExtractLineItemsOutput = z.object({
  lineItems: z.array(
    z.object({
      description: z.string(),
      quantity: z.number(),
      unitPrice: z.number(),
      total: z.number(),
    })
  ),
  confidence: z.number().min(0).max(1),
});

export const ExtractLineItems = defineSkill({
  name: "extract-line-items",
  description: "Extracts line items from a document using OCR and LLM parsing",
  input: ExtractLineItemsInput,
  output: ExtractLineItemsOutput,
  tools: ["storage"],
  async run({ input, tools, memory }) {
    const fileBuffer = await tools.storage.get(input.documentUrl);
    if (!fileBuffer) {
      throw new SkillError("DOCUMENT_NOT_FOUND", `No document at ${input.documentUrl}`);
    }

    // OCR + LLM extraction logic here
    const extracted = await runOcrPipeline(fileBuffer);

    await memory.working.set("lastExtraction", extracted);

    return {
      lineItems: extracted.items,
      confidence: extracted.confidence,
    };
  },
});

مہارت کے لیے ڈیزائن کے کلیدی اصول:

• ان پٹ پر کوئی ضمنی اثرات نہیں: ہنر کو اپنی ان پٹ اشیاء کو تبدیل نہیں کرنا چاہیے۔
• ٹائپ شدہ غلطیاں: ہمیشہ SkillError کو مشین سے پڑھنے کے قابل کوڈ کے ساتھ پھینکیں، عام Error کے ساتھ نہیں۔
• آل پر انحصار کا اعلان کریں: صرف tools صف میں اعلان کردہ ٹولز کو انجکشن کیا جاتا ہے۔ غیر اعلانیہ ٹولز اسٹارٹ اپ کی توثیق کی خرابی کا سبب بنتے ہیں۔
• میموری کو واضح طور پر لکھیں: ہنر خود بخود حالت پر قائم نہیں رہتا ہے۔ جان بوجھ کر memory.working.set() پر کال کریں۔

---

پریکٹس میں میموری کا انتظام

میموری کے تین درجے مختلف مقاصد کو پورا کرتے ہیں، اور صحیح درجے کا انتخاب ایجنٹ کی درستگی کے لیے اہم ہے۔

ورکنگ میموری ایک ان پروسیس کلیدی ویلیو اسٹور ہے جو ایک ہی ٹاسک چلانے کی مدت تک رہتا ہے۔ آؤٹ پٹ چین سے گزرے بغیر مہارتوں کے درمیان انٹرمیڈیٹ نتائج کو پاس کرنے کے لیے اس کا استعمال کریں۔ یہ خود بخود صاف ہو جاتا ہے جب آرکیسٹریٹر مکمل ہو جاتا ہے یا وقت ختم ہو جاتا ہے۔

// Skill A writes
await memory.working.set("vendorId", "VND-4521");

// Skill B reads
const vendorId = await memory.working.get("vendorId");

ایپی سوڈ میموری ایک سیمنٹک سرچ اسٹور ہے۔ جب کوئی کام مکمل ہو جاتا ہے، آرکیسٹریٹر اختیاری طور پر ایپیسوڈ میموری میں سرایت کرنے کا خلاصہ لکھتا ہے۔ مستقبل کے کام اپنے استدلال کو مطلع کرنے کے لئے اسی طرح کی ماضی کی اقساط کو بازیافت کرسکتے ہیں۔

// Query past episodes
const relatedEpisodes = await memory.episode.search(
  "invoice from Acme Corp with disputed line items",
  { topK: 3, minScore: 0.75 }
);

طویل مدتی یادداشت آپ کے ایجنٹ کی مستقل علمی بنیاد ہے۔ اس کا استعمال ان حقائق کے لیے کریں جو سیشنز میں زندہ رہیں: وینڈر کی درجہ بندی کے اصول، صارف کی ترجیحات، سیکھے ہوئے ڈومین کی رکاوٹیں۔

// Store a learned fact
await memory.longTerm.upsert({
  key: `vendor:${vendorId}:paymentTerms`,
  value: "NET-30",
  source: "invoice-2024-0312",
  confidence: 0.9,
});

ایک عام غلطی طویل مدتی میموری پر زیادہ لکھنا ہے۔ اسے مستحکم، اعلیٰ اعتماد والے حقائق کے لیے رکھیں۔ عارضی استدلال ورکنگ میموری میں ہے۔

---

مشاہداتی اور کنٹرول کے لیے لائف سائیکل ہکس

OpenClaw فی مہارت کے عمل میں چار لائف سائیکل ہکس کو بے نقاب کرتا ہے: preRun، postRun، onError، اور onTimeout۔ ایجنٹ مینی فیسٹ میں ہکس کو رجسٹر کریں یا اپنی بوٹسٹریپ فائل میں پروگرام کے مطابق۔

import { AgentRuntime } from "@openclaw/runtime";

const agent = new AgentRuntime({ manifest: "./agent.manifest.json" });

agent.useHook("preRun", async (ctx) => {
  ctx.metadata.startTime = Date.now();
  console.log(`[${ctx.skill}] starting with input keys: ${Object.keys(ctx.input)}`);
});

agent.useHook("postRun", async (ctx) => {
  const elapsed = Date.now() - ctx.metadata.startTime;
  metrics.record("skill.duration", elapsed, { skill: ctx.skill });
});

agent.useHook("onError", async (ctx) => {
  if (ctx.error.code === "RATE_LIMIT_EXCEEDED") {
    await sleep(ctx.error.retryAfterMs);
    return "retry";
  }
  alerting.send(`Skill ${ctx.skill} failed: ${ctx.error.message}`);
  return "escalate";
});

onError ہک ریٹرن ویلیو آرکیسٹریٹر کے رویے کو کنٹرول کرتی ہے: "retry" دوبارہ کوشش کو متحرک کرتا ہے (کنفیگر کردہ زیادہ سے زیادہ)، "escalate" کام کو انسانی قطار میں لے جاتا ہے، "fail" کام کو فوری طور پر ختم کر دیتا ہے۔

---

تنہائی میں جانچ کی مہارت

چونکہ مہارتوں میں ان پٹ اور آؤٹ پٹ ٹائپ ہوتے ہیں، یونٹ ٹیسٹنگ سیدھی سی ہے۔ OpenClaw کی ٹیسٹ یوٹیلیٹیز تمام ٹول انٹرفیس کا فرضی نفاذ فراہم کرتی ہیں۔

import { testSkill } from "@openclaw/testing";
import { ExtractLineItems } from "../skills/extract-line-items";

describe("ExtractLineItems", () => {
  it("extracts items from a valid invoice", async () => {
    const result = await testSkill(ExtractLineItems, {
      input: {
        documentUrl: "s3://test-bucket/invoice-001.pdf",
        documentType: "invoice",
      },
      mocks: {
        storage: {
          get: jest.fn().mockResolvedValue(samplePdfBuffer),
        },
      },
    });

    expect(result.lineItems).toHaveLength(3);
    expect(result.confidence).toBeGreaterThan(0.8);
  });

  it("throws DOCUMENT_NOT_FOUND for missing file", async () => {
    await expect(
      testSkill(ExtractLineItems, {
        input: { documentUrl: "s3://test-bucket/missing.pdf", documentType: "invoice" },
        mocks: { storage: { get: jest.fn().mockResolvedValue(null) } },
      })
    ).rejects.toMatchObject({ code: "DOCUMENT_NOT_FOUND" });
  });
});

انضمام کے ٹیسٹ کے لیے سینڈ باکس موڈ استعمال کریں۔ سینڈ باکس آپ کے موجودہ سکل کوڈ کے خلاف ریکارڈ شدہ پروڈکشن ٹریس کو دوبارہ چلاتا ہے، لائیو سسٹم تک پہنچنے سے پہلے ہی ریگریشن پکڑتا ہے۔

npx openclaw sandbox replay --trace=traces/invoice-20240315.json

---

پروڈکشن میں تعیناتی

OpenClaw ایجنٹوں کو Docker کنٹینرز، بغیر سرور کے افعال، یا طویل عرصے سے چلنے والے عمل کے طور پر تعینات کیا جا سکتا ہے۔ انٹرپرائز کی تعیناتیوں کے لیے تجویز کردہ پیٹرن کام کی قطار کے پیچھے ایک کنٹینرائزڈ ایجنٹ پول ہے۔

FROM openclaw/runtime:node-20
WORKDIR /agent
COPY package.json pnpm-lock.yaml ./
RUN pnpm install --frozen-lockfile
COPY . .
RUN npx openclaw build
CMD ["npx", "openclaw", "serve", "--workers=4"]

ہائی تھرو پٹ منظرناموں کے لیے، ایجنٹ پول کو آٹو اسکیلنگ کے اصولوں کے ساتھ ترتیب دیں۔ OpenClaw رن ٹائم /metrics پر قطار کی گہرائی، مہارت میں تاخیر کے پرسنٹائلز، خرابی کی شرح، اور میموری کے استعمال کے لیے Prometheus میٹرکس کو ظاہر کرتا ہے — ان کو اپنے الرٹنگ اسٹیک سے جوڑیں۔

گو لائیو سے پہلے پروڈکشن چیک لسٹ:

• تمام ماحولیاتی متغیرات سیکرٹ مینیجر (AWS سیکرٹس مینیجر، HashiCorp Vault) میں ہیں، .env فائلوں میں نہیں۔
• میموری بیک اینڈز (Redis، PostgreSQL) میں کنکشن پولنگ ترتیب دی گئی ہے۔
• maxConcurrentTasks ترتیب آپ کے بنیادی ڈھانچے کی صلاحیت سے میل کھاتی ہے۔
• بیرونی ٹول کالز پر شرح کی حدیں وینڈر API کی حدود سے ملتی ہیں۔
• ایک ڈیڈ لیٹر قطار ان کاموں کے لیے ترتیب دی گئی ہے جو دوبارہ کوششوں کو ختم کرتے ہیں۔
• تقسیم شدہ ٹریسنگ (اوپن ٹیلی میٹری) فعال ہے اور نشانات آپ کے مشاہداتی پلیٹ فارم پر بہہ رہے ہیں۔

---

اکثر پوچھے گئے سوالات

OpenClaw آرکیسٹریٹر یہ کیسے طے کرتا ہے کہ اگلا کون سا ہنر چلانا ہے؟

آرکیسٹریٹر گول سڑن اور مہارت کے ملاپ کے امتزاج کا استعمال کرتا ہے۔ یہ اعلیٰ سطح کے ہدف کو ذیلی اہداف میں تقسیم کرتا ہے، پھر ہر ذیلی گول کی تفصیل کے خلاف معنوی مماثلت کا استعمال کرتے ہوئے مہارت کی رجسٹری سے استفسار کرتا ہے۔ مہارتوں کو متعلقہ سکور، انحصار کی دستیابی، اور کامیابی کی تاریخی شرح کے لحاظ سے درجہ بندی کیا جاتا ہے۔ آرکیسٹریٹر مہارت کے عمل کا ایک ڈائریکٹڈ تیزابی گراف بناتا ہے اور شروع کرنے سے پہلے انحصار کو حل کرتا ہے۔

کیا کوئی ہنر کسی دوسرے ہنر کو براہ راست کال کرسکتا ہے؟

نہیں—مہارتوں کو دوسری مہارتوں کو براہ راست نہیں بلانا چاہیے۔ کراس اسکل کوآرڈینیشن آرکیسٹریٹر کی ذمہ داری ہے۔ اگر آپ کو مہارت B کے چلنے سے پہلے مہارت A کے آؤٹ پٹ کی ضرورت ہو تو آرکیسٹریٹر پلان میں انحصار کا اعلان کریں۔ یہ مہارتوں کو بے وطن اور انفرادی طور پر قابل آزمائش رکھتا ہے۔ مستثنیٰ جامع مہارتیں ہیں، جنہیں واضح طور پر آرکیسٹریشن پرائمیٹو کے طور پر نشان زد کیا گیا ہے۔

کیا ہوتا ہے جب کسی مہارت کے عمل کے دوران ایک بیرونی API بند ہو جائے؟

onError ہک ناکامی کو روکتا ہے۔ اگر ہک "retry" لوٹاتا ہے، تو آرکیسٹریٹر ترتیب شدہ بیک آف وقفہ کا انتظار کرتا ہے اور مہارت کی دوبارہ کوشش کرتا ہے۔ تھکا دینے والی کوششوں کے بعد، ٹاسک ڈیڈ لیٹر قطار میں چلا جاتا ہے۔ اگر آپ کے پاس اسی قابلیت کے لیے فال بیک اسکل رجسٹرڈ ہے تو آرکیسٹریٹر ہار ماننے سے پہلے اسے آزمائے گا۔ ورکنگ میموری میں جزوی ٹاسک سٹیٹ محفوظ ہے تاکہ آخری کامیاب مہارت سے کام دوبارہ شروع ہو سکے۔

آپ ان رازوں کو کیسے ہینڈل کرتے ہیں جن کی مہارت کو رن ٹائم کے وقت ضرورت ہوتی ہے؟

ایجنٹ مینی فیسٹ میں بتائے گئے ٹولز کو سٹارٹ اپ پر اسناد کے ساتھ شروع کیا جاتا ہے، نہ کہ فی ہنر۔ آپ کا سیکرٹ مینیجر کنٹینر کے آغاز پر مینی فیسٹ (${ERP_BASE_URL}، ${DOCS_BUCKET}، وغیرہ) میں حوالہ کردہ ماحولیاتی متغیرات کو آباد کرتا ہے۔ ہنر کبھی بھی خام اسناد نہیں دیکھتا ہے - وہ رن ٹائم کے ذریعہ انجیکشن پہلے سے تصدیق شدہ ٹول مثالوں کے ساتھ تعامل کرتے ہیں۔

کیا اس بات کی کوئی حد ہے کہ ایک ایجنٹ کتنی مہارتیں حاصل کرسکتا ہے؟

ہنر کی رجسٹری کی کوئی سخت حد نہیں ہے، لیکن اگر آپ اوور لیپنگ تفصیل کے ساتھ سینکڑوں مہارتوں کو رجسٹر کرتے ہیں تو عملی آرکیسٹریشن کا معیار گر جاتا ہے۔ متعلقہ مہارتوں کو مہارت کے پیکجوں میں گروپ کریں، اور واضح، الگ وضاحتیں استعمال کریں۔ بہت بڑی مہارت والی لائبریریوں کے لیے، مخصوص ایجنٹوں میں تقسیم کرنے اور کاموں کو صحیح ایجنٹ تک پہنچانے کے لیے ملٹی ایجنٹ آرکیسٹریشن کا استعمال کرنے پر غور کریں۔

کیا OpenClaw ایجنٹ کلاؤڈ انحصار کے بغیر آن پریمیسس چلا سکتے ہیں؟

جی ہاں OpenClaw کلاؤڈ-اگنوسٹک ہے۔ رن ٹائم، میموری بیک اینڈز، اور ٹول لیئر سبھی کو آن پریمیس انفراسٹرکچر استعمال کرنے کے لیے کنفیگر کیا جا سکتا ہے۔ Redis مقامی طور پر چل سکتا ہے، طویل مدتی میموری بیک اینڈ آن پریمیس پوسٹگری ایس کیو ایل مثال کی طرف اشارہ کر سکتا ہے، اور ٹول انضمام اندرونی APIs کو نشانہ بنا سکتا ہے۔ صرف بیرونی کال آرکیسٹریٹر استدلال کے لیے LLM فراہم کنندہ کو ہے — اگر ضرورت ہو تو آپ اسے آن پریمیس LLM استعمال کرنے کے لیے ترتیب دے سکتے ہیں۔

آپ ایجنٹ کی مہارتوں کو چلانے والے کاموں کو توڑے بغیر کیسے ورژن بناتے ہیں؟

اسکلز کو ایجنٹ مینی فیسٹ میں سیمنٹک ورژننگ کے ساتھ ورژن بنایا جاتا ہے۔ رن ٹائم ایک رولنگ تعیناتی کے دوران ایک ساتھ متعدد ہنر مند ورژن چلانے کی حمایت کرتا ہے۔ پرواز میں کام اس مہارت کے ورژن کو استعمال کرتے رہتے ہیں جس کے ساتھ انہوں نے آغاز کیا تھا۔ نئے کام تازہ ترین ورژن اٹھاتے ہیں۔ مہارت کے ان پٹ/آؤٹ پٹ اسکیموں میں تبدیلیوں کو توڑنے کے لیے ایک بڑے ورژن کے ٹکرانے اور کسی بھی ایجنٹ کے لیے منتقلی کے منصوبے کی ضرورت ہوتی ہے جو اس مہارت کے آؤٹ پٹ کو استعمال کرتا ہے۔

---

اگلے اقدامات

پروڈکشن گریڈ AI ایجنٹوں کی تعمیر کے لیے اچھے کوڈ سے زیادہ کی ضرورت ہوتی ہے — اس کے لیے ناکامی کے طریقوں، اسکیلنگ پیٹرن، اور ڈومین کے لیے مخصوص مہارت کی لائبریریوں کے ساتھ آپریشنل تجربے کی ضرورت ہوتی ہے جنہیں تیار کرنے اور بہتر کرنے میں مہینوں لگتے ہیں۔

ECOSIRE کی OpenClaw Custom Skills service آخر سے آخر تک ایجنٹ کی ترقی فراہم کرتی ہے: ضروریات کا تجزیہ، مہارت کا فن تعمیر، آپ کے موجودہ سسٹمز کے ساتھ انضمام، جانچ، تعیناتی، اور جاری اصلاح۔ ہماری ٹیم نے دستاویزات کی پروسیسنگ، ERP آٹومیشن، کسٹمر سپورٹ، مالیاتی تجزیہ اور مزید کے لیے OpenClaw ایجنٹس بنائے ہیں۔

اپنی آٹومیشن کی ضروریات پر بات کرنے اور اپنی مرضی کے مطابق ترقیاتی روڈ میپ حاصل کرنے کے لیے OpenClaw ماہر سے بات کریں۔