OpenClaw + Claude Code/Codex：ذاتی ترقیاتی ایجنٹ سوئرم بنانا

سب کو سلام، میں لو گون ہوں۔

حال ہی میں میں نے X پر ایک ٹویٹ دیکھی، جو فوراً میری توجہ حاصل کر لی۔ ایک آزاد ترقیاتی ایڈیٹر جس کا نام ایلوئیس ہے، نے کہا کہ وہ اب براہ راست Claude Code اور Codex کا استعمال نہیں کر رہا، بلکہ OpenClaw کو ایک ترتیب دینے کی تہہ کے طور پر استعمال کر رہا ہے، تاکہ ایک AI ترتیب دینے والے Zoe کو Claude Code اور Codex کے ایجنٹ سوئرم کا انتظام کرنے کے لیے استعمال کیا جا سکے۔

اس ٹویٹ کے اعداد و شمار بھی بہت متاثر کن ہیں، 4900000 ویوز، 11000 لائکس، 1800 ری ٹویٹس۔

ہم نے Vibe Coding کے لیے چار مہینے سے زیادہ لکھا ہے، Claude Code ہمیشہ ہمارا بنیادی ٹول رہا ہے۔ میں نے پہلے بھی کچھ ملٹی ایجنٹ تعاون، VSCode ملٹی ایجنٹ آرکیٹیکچر وغیرہ پر مضامین لکھے ہیں۔

لیکن ایلوئیس کے اس طریقے کو دیکھ کر، میں صرف یہ کہہ سکتا ہوں کہ یہ واقعی ماہر ہیں۔ ایک شخص، ایک ترتیب دینے کے نظام کے ذریعے، روزانہ اوسطاً 50 بار کوڈ جمع کر رہا ہے، سب سے زیادہ ایک دن میں 94 بار جمع کیا، اور 3 کلائنٹ کالز بھی موصول کیں، ایڈیٹر ایک بار بھی نہیں کھولا۔

کیا یہ ایک شخص کا ترقیاتی ٹیم کی طرح کام نہیں ہے؟

آج کا یہ مضمون اس بات کی وضاحت کرے گا کہ وہ یہ کیسے کرتا ہے۔

OpenClaw سب کے لیے غیر معروف نہیں ہے

یہ چھوٹا کیکڑا چینی نئے سال سے اب تک بہت مقبول رہا ہے۔ سادہ الفاظ میں، یہ ایک اوپن سورس AI ایجنٹ فریم ورک ہے، GitHub پر اس وقت 240,000 سے زیادہ ستارے ہیں، اور دو دن پہلے یہ React کو پیچھے چھوڑ کر GitHub کی تاریخ میں ستاروں کی سب سے تیز رفتار ترقی کرنے والا اوپن سورس پروجیکٹ بن گیا۔

اس کے بانی پیٹر اسٹینبرگر ایک آسٹریائی ترقیاتی ایڈیٹر ہیں، جنہوں نے پہلے PSPDFKit (ایک PDF فریم ورک کی B2B کمپنی) قائم کی تھی، 2021 میں Insight Partners سے ایک کروڑ یورو کی سرمایہ کاری حاصل کی۔ اس سال فروری میں پیٹر نے OpenAI میں شمولیت کا اعلان کیا، اور OpenClaw پروجیکٹ کو اوپن سورس فاؤنڈیشن کے حوالے کر دیا۔

OpenClaw کا مقصد چیٹ بوٹ نہیں ہے، بلکہ یہ آپ کے مقامی ڈیوائس پر چلنے والا AI ایجنٹ رن ٹائم ہے۔ اس میں چار بنیادی اجزاء ہیں: گیٹ وے (50 سے زیادہ پیغام رسانی کے پلیٹ فارم کو جوڑتا ہے)، ایجنٹ (استدلال انجن)، مہارتیں (5400 سے زیادہ پلگ ان)، یادداشت (یادداشت کا نظام)۔

لیکن ایلوئیس کا OpenClaw کا استعمال خاص ہے۔ وہ اسے ترتیب دینے کی تہہ کے طور پر استعمال کرتا ہے، خاص طور پر Claude Code اور Codex جیسے کوڈنگ ایجنٹس کا انتظام کرنے کے لیے، اسے عمومی معاون کے طور پر استعمال نہیں کرتا۔

یہ سوچ واقعی غیر معمولی ہے۔

ترتیب دینے کی تہہ کی ضرورت کیوں ہے؟

ایلوئیس نے ٹویٹ میں ایک بہت اہم نقطہ اٹھایا: سیاق و سباق کی کھڑکی صفر مجموعہ کھیل ہے۔

اگر آپ اس میں کوڈ بھر دیتے ہیں، تو کاروباری سیاق و سباق کے لیے جگہ نہیں بچتی۔ اگر آپ اس میں کلائنٹ کی تاریخ اور میٹنگ کے نوٹس بھر دیتے ہیں، تو کوڈ بیس کے لیے جگہ نہیں بچتی۔ ایک AI چاہے کتنا ہی طاقتور ہو، وہ دونوں مختلف قسم کی معلومات کو ایک ساتھ نہیں رکھ سکتا۔

لہذا اس نے نظام کو دو تہوں میں تقسیم کر دیا۔

اوپر کی تہہ OpenClaw کا ترتیب دینے والا Zoe ہے، جو تمام کاروباری سیاق و سباق کو جانتا ہے، بشمول کلائنٹ کے ڈیٹا، میٹنگ کے نوٹس، تاریخی فیصلے، کون سے منصوبے آزما چکے ہیں، کون سے ناکام ہوئے ہیں۔ یہ تمام معلومات ایلوئیس کے Obsidian نوٹ کی لائبریری میں موجود ہیں، Zoe انہیں براہ راست پڑھ سکتی ہے۔

نیچے کی تہہ Claude Code اور Codex جیسے کوڈنگ ایجنٹس ہیں، جو صرف کوڈ دیکھتے ہیں، صرف کوڈ لکھنے کا کام کرتے ہیں۔ جب ہر ایجنٹ شروع ہوتا ہے، تو Zoe کاروباری سیاق و سباق کی بنیاد پر اسے ایک درست پرامپٹ لکھتی ہے، بتاتی ہے کہ اسے کیا کرنا ہے، پس منظر کیا ہے، کلائنٹ کیا چاہتا ہے۔

سادہ الفاظ میں: ترتیب دینے والا ضروریات کو سمجھنے کا ذمہ دار ہے، کوڈنگ ایجنٹ کام کرنے کا ذمہ دار ہے۔ ہر ایک اپنی مہارت میں ماہر ہے۔

یہ آرکیٹیکچر اور Stripe کے حالیہ وقت میں عوامی طور پر جاری کردہ اندرونی نظام Minions میں بھی ایک جیسی خصوصیات ہیں۔ Stripe کا Minions بھی متوازی کوڈنگ ایجنٹس اور مرکزی ترتیب دینے کی تہہ کا ڈیزائن ہے، جو ہر ہفتے 1000 سے زیادہ مکمل طور پر AI کے ذریعے لکھے گئے PR کو ضم کر سکتا ہے۔ ایلوئیس نے کہا کہ وہ بے ساختہ ایک مشابہ آرکیٹیکچر بنا بیٹھا، بس یہ اپنے Mac mini پر چلتا ہے۔

حقیقی کیس کا ورک فلو

ایلوئیس نے ٹویٹ میں ایک حقیقی کیس کا استعمال کیا تاکہ اپنے مکمل ورک فلو کی وضاحت کرے، میں نے بنیادی مراحل کو سادہ طور پر ترتیب دیا ہے۔وہ ایک کلائنٹ کا فون کال لیتا ہے، کلائنٹ چاہتا ہے کہ ٹیم کے اندر موجودہ کنفیگریشن کو دوبارہ استعمال کیا جائے۔ کال ختم ہونے کے بعد، وہ Zoe سے اس ضرورت کے بارے میں بات کرتا ہے۔ چونکہ تمام میٹنگ کے نوٹس خود بخود Obsidian میں ہم آہنگ ہو جاتے ہیں، Zoe پہلے ہی جانتی ہے کہ کلائنٹ نے کیا کہا، Elvis کو اضافی وضاحت کرنے کی ضرورت نہیں ہے۔ انہوں نے مل کر فعالیت کی حدود طے کیں، حتمی منصوبہ ایک ٹیمپلیٹ سسٹم بنانے کا تھا۔

پھر Zoe نے خود بخود تین چیزیں کیں: کلائنٹ کو خدمات کی ری چارج کرنے کی اجازت دی (اس کے پاس ایڈمن API کی اجازت ہے)، پیداوار کے ڈیٹا بیس سے کلائنٹ کی موجودہ کنفیگریشن کو کھینچا (صرف پڑھنے کی اجازت، کوڈنگ ایجنٹ کے پاس یہ اجازت کبھی نہیں ہوگی)، پھر ایک Codex ایجنٹ تیار کیا، جس میں مکمل کاروباری سیاق و سباق کے ساتھ تفصیلی prompt شامل ہے۔

ہر ایجنٹ کا اپنا علیحدہ worktree (عزل شاخ) اور tmux سیشن ہوتا ہے۔ شروع کرنے کا حکم تقریباً ایسا ہوتا ہے:

# Create worktree + spawn agent git worktree add ../feat-custom-templates -b feat/custom-templates origin/main cd ../feat-custom-templates && pnpm install tmux new-session -d -s "codex-templates" \ -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" \ "$HOME/.codex-agent/run-agent.sh templates gpt-5.3-codex high" ایجنٹ چلنے کے بعد، ایک مقررہ کام ہر 10 منٹ میں معائنہ کرتا ہے۔ لیکن یہ براہ راست ایجنٹ سے نہیں پوچھتا (ایسا کرنا بہت زیادہ ٹوکن خرچ کرے گا)، بلکہ ایک یقینی Shell اسکرپٹ چلاتا ہے، چیک کرتا ہے کہ tmux سیشن ابھی بھی زندہ ہے، کیا PR بنایا گیا ہے، CI کامیاب ہے یا نہیں۔

اگر CI ناکام ہو جاتا ہے، تو ایجنٹ کو خود بخود دوبارہ شروع کیا جاتا ہے، زیادہ سے زیادہ 3 بار کوشش کی جاتی ہے۔ صرف اس وقت نوٹیفکیشن بھیجا جاتا ہے جب انسانی مداخلت کی ضرورت ہو۔

ایجنٹ کام مکمل کرنے کے بعد خود بخود PR بناتا ہے۔ لیکن صرف PR بنانا کافی نہیں ہے، Elvis نے مکمل کرنے کے معیار کی ایک سیٹ متعین کی: PR بنانا، شاخ کو main کے ساتھ ہم آہنگ کرنا (کوئی ضم تنازعہ نہیں)، CI مکمل طور پر کامیاب ہونا، تین AI ماڈلز کے کوڈ کا جائزہ مکمل طور پر کامیاب ہونا، اگر کوئی UI تبدیلی ہو تو اس کے ساتھ اسکرین شاٹ بھی شامل ہونا ضروری ہے۔

تین AI ماڈلز کا کوڈ کا جائزہ

تین AI ماڈلز کا کوڈ کا جائزہ لینا بہت مستحکم لگتا ہے۔ ان تین ماڈلز کے بارے میں اس کی رائے پر بات کرنا دلچسپ ہے۔

Codex Reviewer، اس کی سب سے زیادہ تعریف کی گئی، اس نے کہا کہ یہ سرحدی حالات اور منطقی غلطیوں کے حوالے سے بہت مکمل جائزہ لیتا ہے، جھوٹی رپورٹنگ کی شرح بہت کم ہے۔

Gemini Code Assist Reviewer، مفت، اس نے کہا کہ یہ بہت عملی ہے، دوسرے ماڈلز کی طرف سے نظرانداز کردہ حفاظتی خطرات اور توسیع پذیری کے مسائل کو دریافت کر سکتا ہے، اور مخصوص اصلاحات کی تجاویز بھی دے سکتا ہے۔

Claude Code Reviewer، اس کے الفاظ میں "بنیادی طور پر بے کار"، اس نے کہا کہ یہ زیادہ محتاط ہے، اسکرین پر "اضافہ کرنے پر غور کریں..." جیسے مشوروں سے بھرا ہوا ہے، زیادہ تر زیادہ ڈیزائن کے زمرے میں آتا ہے۔ جب تک کہ اسے اہم مسئلہ کے طور پر نشان زد نہ کیا جائے، وہ براہ راست چھوڑ دیتا ہے۔

جب میں نے یہ حصہ دیکھا تو مجھے تھوڑا حیرت ہوئی۔ Claude Code کا بھاری صارف ہونے کے ناطے، میں نے واقعی اس کے کوڈ کے جائزے کے دوران زیادہ محتاط ہونے کی صورت حال کا سامنا کیا ہے، لیکن بنیادی طور پر بے کار کا یہ تبصرہ تھوڑا زیادہ ہے۔ لیکن یہ بھی ایک طرف سے یہ ظاہر کرتا ہے کہ متعدد ماڈلز کے متبادل جائزے واقعی قیمتی ہیں، مختلف ماڈلز کی تعصبات ایک دوسرے کی تکمیل کرتی ہیں۔

جب تینوں جائزے کامیاب ہو جاتے ہیں، تو Elvis کو Telegram نوٹیفکیشن ملتا ہے۔ اس مرحلے پر، وہ بنیادی طور پر اسکرین شاٹس دیکھتا ہے، یہ تصدیق کرنے کے لیے کہ UI تبدیلی درست ہے، بہت سے PR وہ کوڈ دیکھے بغیر براہ راست ضم کر دیتا ہے۔ اس نے کہا کہ اس کا انسانی جائزہ لینے کا وقت صرف 5 سے 10 منٹ ہے۔

Zoe کی فعالیت

Zoe صرف ایک عمل درآمد کرنے والا نہیں ہے۔ ورک فلو سے زیادہ دلچسپ بات یہ ہے کہ Zoe کی فعالیت ہے۔

Elvis نے کہا کہ Zoe نہیں بیٹھتی کہ اسے کام تفویض کیا جائے، یہ خود بخود کام تلاش کرتی ہے۔ صبح Sentry کی غلطی کی لاگ کو اسکین کرتی ہے، 4 نئے غلطیوں کا پتہ لگاتی ہے، 4 ایجنٹس کو خود بخود بنانے کے لیے۔ میٹنگ کے نوٹس کو اسکین کرنے کے بعد، کلائنٹ کی طرف سے ذکر کردہ 3 فعالیت کی ضروریات کو نشان زد کرتی ہے، پھر 3 Codex ایجنٹس کو خود بخود شروع کرتی ہے۔ شام کو Git لاگ کو اسکین کرتی ہے، Claude Code کو changelog اور کلائنٹ کی دستاویزات کو اپ ڈیٹ کرنے کے لیے شروع کرتی ہے۔

Elvis جب باہر چہل قدمی کر کے واپس آتا ہے، تو Telegram پر ایک پیغام ہوتا ہے: 7 PR تیار ہیں، 3 نئی خصوصیات، 4 بگ کی اصلاحات۔ کیا یہ وہی نہیں ہے جس کی میں ہمیشہ توقع کرتا رہا ہوں کہ OPC ایک شخصی کمپنی کی ترقیاتی ٹیم کا اثر ہو؟اور جب ایجنٹ ناکام ہوتا ہے تو زوئی کا طریقہ کار سادہ دوبارہ کوشش کرنے سے کہیں زیادہ ترقی یافتہ ہوتا ہے۔ یہ کاروباری سیاق و سباق کو ناکامی کی وجوہات کا تجزیہ کرنے کے لیے یکجا کرتا ہے۔ کیا ایجنٹ کا سیاق و سباق ٹوٹ گیا؟ یہ دائرہ کو محدود کرے گا، تاکہ ایجنٹ صرف تین فائلوں پر توجہ مرکوز کرے۔ کیا ایجنٹ کا رخ غلط ہو گیا؟ یہ بھی درست کرے گا، ایجنٹ کو بتائے گا کہ گاہک کو X چاہیے نہ کہ Y، اور اجلاس میں اصل الفاظ کے ساتھ فراہم کرے گا۔

وقت کے ساتھ، زوئی تجربہ بھی جمع کرے گا، یاد رکھے گا کہ کون سی پرامپٹ کی ساخت کس قسم کے کاموں کے لیے اچھی ہے، اگلی بار زیادہ درست پرامپٹ لکھے گا۔

یہ سوچ دراصل رالف لوپ کا اپ گریڈ ورژن ہے۔ رالف لوپ کی بنیادی منطق سیاق و سباق کو کھینچنا، آؤٹ پٹ پیدا کرنا، نتائج کا اندازہ لگانا، تجربہ محفوظ کرنا جیسے چکر ہیں، لیکن زیادہ تر عمل درآمد میں ہر بار چکر کے لیے پرامپٹ مقرر ہوتا ہے۔ ایلس کا نظام مختلف ہے، ہر بار دوبارہ کوشش کرتے وقت زوئی ناکامی کی وجہ کے مطابق متحرک طور پر پرامپٹ کو ایڈجسٹ کرے گا، اور مکمل کاروباری سیاق و سباق کی مدد سے۔

لاگت اور ہارڈویئر

لاگت کے لحاظ سے، ایلس کے عوامی اعداد و شمار یہ ہیں کہ کلاڈ ہر ماہ تقریباً 100 ڈالر، کوڈیکس ہر ماہ تقریباً 90 ڈالر ہے۔ اس نے یہ بھی کہا کہ آپ 20 ڈالر سے شروع کر کے آزما سکتے ہیں۔

یہ لاگت ایک ڈویلپر کو بھرتی کرنے کے مقابلے میں یقینی طور پر بہت سستی ہے۔ لیکن اگر آپ یہ بھی مدنظر رکھیں کہ آپ کو خود پروڈکٹ کے فیصلے کرنے، گاہکوں کے ساتھ بات چیت کرنے، کوڈ کا جائزہ لینے کی ضرورت ہے، تو یہ زیادہ تر دہرائی جانے والی سرگرمیوں جیسے کوڈنگ اور ٹیسٹنگ کو بچانے میں آپ کی مدد کرنے والا ایک مؤثر آلہ بن جاتا ہے۔

ہارڈویئر کے لحاظ سے، ایلس نے ذکر کیا کہ اس کی موجودہ سب سے بڑی رکاوٹ RAM ہے۔ ہر ایجنٹ کو ایک علیحدہ ورک ٹری کی ضرورت ہوتی ہے، ہر ورک ٹری کے اپنے nodemodules ہوتے ہیں، ہر ایجنٹ کو تعمیر، قسم کی جانچ اور ٹیسٹ چلانے کی ضرورت ہوتی ہے۔ 5 ایجنٹ ایک ساتھ چلانے کا مطلب ہے 5 متوازی TypeScript کمپائلرز، 5 ٹیسٹ رنرز، 5 سیٹیں انحصار۔

اس کا میک منی 16GB میموری میں زیادہ سے زیادہ 4 سے 5 ایجنٹ ایک ساتھ چلا سکتا ہے، اس سے زیادہ ہونے پر میموری کی تبدیلی شروع ہو جاتی ہے۔ لہذا اس نے 128GB میموری کا میک اسٹوڈیو M4 میکس (3500 ڈالر) خریدا، جس کا ارادہ ہے کہ وہ مزید ایجنٹوں کی ہم وقتی کو سنبھال سکے۔

خلاصہ اور حقیقی مسائل

سچ کہوں تو، ایلس کا یہ نظام مجھے کافی متاثر کن لگا۔ میں نے پہلے اوپن کلا کو ایک کھلونے کے طور پر استعمال کیا، پیداوری کے لحاظ سے، میں ہمیشہ علیحدہ کلاڈ کوڈ پر انحصار کرتا رہا ہوں۔ کبھی کبھار ورک ٹری کا استعمال کرتے ہوئے متوازی کام کیا، لیکن اس نظامی ترتیب کی سطح تک کبھی نہیں پہنچا۔ اس کی ٹویٹس دیکھنے کے بعد، مجھے لگا کہ AI پروگرامنگ کا یہ معاملہ ایک بار پھر بلند ہو گیا ہے۔

میں حال ہی میں اس کے طریقہ کار کے مطابق، اوپن کلا کو مکمل طور پر خودکار ایک فرد ڈویلپمنٹ ٹیم بنانے کے لیے تیار ہوں۔ لہذا، جلد ہی ہم اوپن کلا کے عملی مضامین کی کئی اقساط شائع کریں گے۔

کچھ حقیقی مسائل ہیں جن کا میں آپ سب کو یاد دہانی کرانا چاہتا ہوں۔

اس نظام کا بنیادی شرط یہ ہے کہ آپ کے پاس ایک واضح پروڈکٹ، واضح گاہک کی ضروریات، اور مکمل CI/CD پائپ لائن ہونی چاہیے۔ ایلس ایک حقیقی B2B SaaS پروڈکٹ بنا رہا ہے، جس کے پاس گاہک، آمدنی، اور پیداوار کا ماحول ہے۔ اگر آپ ابھی بھی ڈیمو لکھ رہے ہیں یا سیکھنے کے مرحلے میں ہیں، تو اس ڈھانچے کا ROI شاید زیادہ فائدہ مند نہ ہو۔

اس کے علاوہ، اوپن کلا کی موجودہ سیکیورٹی مسائل پر بھی توجہ دینا ضروری ہے۔ عوامی معلومات کے مطابق، کئی خطرناک CVE کی معلومات سامنے آ چکی ہیں، اور 341 بدنیتی پر مبنی کمیونٹی پلگ ان میں ڈیٹا چوری کی سرگرمی پائی گئی ہے۔ اوپن کلا کو تعینات کرتے وقت، الگ تھلگ اور اجازت کنٹرول کو اچھی طرح سے کرنا ضروری ہے۔ یہ بھی میری وجہ ہے کہ میں نے اوپن کلا کو اپنے مقامی اہم مشین پر تعینات نہیں کیا۔

ایک اور بات، ایلس نے ٹویٹ میں کلاڈ کوڈ کے کوڈ کے جائزے کی کم درجہ بندی کی ہے، لیکن حال ہی میں کلاڈ کوڈ نے ایجنٹ ٹیمز کی خصوصیت متعارف کرائی ہے (سرکاری طور پر متعدد ایجنٹوں کے تعاون کے لیے) اور اینتھروپک بھی اس سمت میں کام کر رہا ہے۔

لیکن ان تفصیلات کو چھوڑ کر، ایلس کا یہ ترتیب کی سطح اور عمل درآمد کی سطح کا ڈھانچہ واقعی توجہ کے قابل ہے۔ سیاق و سباق کی کھڑکی کا صفر مجموعہ کھیل واقعی موجود ہے، اس مسئلے کو حل کرنے کے لیے ایک تہہ دار ڈھانچے کا استعمال کرتے ہوئے، مختلف AI کو اپنے اپنے کام کرنے دینا، میں ذاتی طور پر اسے درست سمجھتا ہوں۔

اس موضوع میں دلچسپی رکھنے والے دوست، براہ راست ایلس کی اصل ٹویٹ دیکھ سکتے ہیں، معلومات کی کثافت بہت زیادہ ہے:[[HTMLPLACEHOLDER0]][[HTMLPLACEHOLDER_1]]