Blank chat box consequential work چلاؤن لئی changa مقام نہیں۔ ایہ پنج وکھرے سوال اک stream وچ ملا دیندا اے: تسی کیہ چاہندے او، کس نوں دیکھ رہے او، ایہ کس تے based اے، تسی کیہ allowed او، تے پہلے کیہ ہویا اے۔ Casual tasks لئی ایہ ٹھیک ہو سکدا اے؛ governed operations لئی نہیں، جتھے actions systems of record نوں چھوہندے نیں تے decisions defensible ہونیاں چاہیدیاں نیں۔
Threada workspace جان بوجھ کے پنج surfaces وچ decomposed اے۔ ہر surface اک سوال جواب دیندی اے، تے ایہ distinction work نوں reviewable بناؤندی اے۔
1. Intent bar — تسی کیہ چاہندے او؟
Threada وچ work deep navigation توں نہیں، persistent intent bar توں شروع ہوندا اے۔ تسی natural language وچ outcome دسدو، optional structured commands دے نال، تے runtime ایس نوں structured executable artifact وچ بدلدا اے: WorkItem، extracted entities، confidence score، تے risk flags سمیت۔
Operator نوں پہلے form، queue، workflow نہیں لبھنا پیندا۔ System goal capture کردا اے تے path assemble کردا اے۔ Missing information ہووے تاں بالکل اوہ ہی پچھدا اے جو چاہیے، لمبا static wizard نہیں دکھاؤندا۔
2. Adaptive canvas — تسی کس تے کم کر رہے او؟
Canvas اوہ جگہ اے جتھے WorkItem رہندا تے shape ہوندا اے۔ UI temporary forms، comparisons، تے decision panels assemble کر سکدی اے، ہر work type لئی اک fixed layout نہیں۔
Generated output default طور تے editable draft اے، committed change نہیں۔ Operator review، edit، تے decide کردا اے۔ Lock zones، side-by-side compare، undo، تے rollback واضح controls نیں؛ canvas deliberation دی جگہ اے، model دے پہلے guess نوں truth بناون دی نہیں۔
3. Evidence drawer — ایہ کس تے based اے؟
ہر consequential output اپنا work دکھا سکنا چاہیدا اے۔ Evidence drawer citations، retrieval traces، تے source attribution رکھدا اے۔ جے system answer ground نہیں کر سکدا، اوہ explicit fallback reason record کردا اے، confidence invent نہیں کردا۔
ایہ surface “AI تے trust کرو” نوں inspectable claim بناؤندی اے۔ Operator draft نوں blindly believe نہیں کردا؛ drawer کھول کے دیکھ سکدا اے کہ sources کتنے تازہ نیں، claim کتھوں آیا، تے rationale کیہ اے۔
4. Action controls — تسی کیہ کر سکدے او؟
Reading تے drafting safe نیں۔ دنیا تے action safe نہیں؛ ایس لئی controls governed نیں۔ ایتھے proposals approvals بن دیاں نیں تے approvals external systems تے executed actions: refund، ticket، record update، access grant۔
Governance policy دے طور تے express ہوندی اے: permissions، thresholds، approval gates، redlines۔ High-risk actions proposed → approved → executing progression وچ چل دیاں نیں، تے auto-execute صرف اوہدوں ہوندا اے جدوں policy اجازت دے۔ Service-level kill switch connector call توں پہلے execution روک سکدا اے، state review لئی محفوظ رہندی اے۔
5. Run log — کیہ ہو چکیا اے؟
Run log WorkItem دی timeline اے: ہر transition، approval، action، AI participant event، sequence وچ۔ ایتھے receipts history بن جاندے نیں۔
AI actions human activity وچ چھپدیاں نہیں؛ اوہ distinct actor events نیں۔ Run log پڑھ کے صاف پتہ لگدا اے کس نے propose کیتا، کس نے approve کیتا، تے کیہ execute ہویا — human یا agent۔
Split ہی point اے
اک surface بناؤنا آسان ہوندا، پر consequential work سوالاں نوں وکھ رکھن دی demand کردا اے۔ جے intent، evidence، تے action اک جگہ blur ہو جان، grounded نہ ہوئی چیز تے act کرنا یا basis نہ دیکھی approval دینا آسان ہو جاندا اے۔
Threada careful path نوں natural بناؤندا اے: intent state کرو، canvas تے draft shape کرو، evidence check کرو، پھر governed controls نال action لو — run log سب کجھ record کردا رہندا اے۔
پنج surfaces packs تے roles across constant رہندیاں نیں؛ اندر والا work adapt ہوندا اے۔ اک workspace دا shape سکھن والا operator باقی workspace وی سمجھ لیندا اے، چاہے IT access provisioning ہووے، vendor security review ہووے، یا procurement approval۔