وائب کوڈنگ

اس صفحے پر

انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔

وائب کوڈنگ — بڑے لسانی ماڈل کو بار بار پرامپٹ کر کے اور اُس کے نتیجے میں سامنے آنے والے رویے کا فیصلہ کر کے سافٹ ویئر بنانا، بغیر بنیادی سورس کوڈ کو براہِ راست پڑھنے یا بدلنے کے۔ Andrej Karpathy نے 2025 میں اِسے اُس ورک فلو کے طور پر مقبول کیا جس میں آدمی "کوڈ کے وجود کو ہی بھول جاتا ہے"؛ وائب کوڈنگ قدرتی زبان میں پروگرامنگ اور آخری صارف کی ترقی کا LLM-فطری عملی اظہار ہے — یہ فریمنگ اب اِس علمی ذخیرے میں مترادف سمجھی جاتی ہیں — جس میں نثر بنیادی پروگرامنگ انٹرفیس بن جاتی ہے۔

غور کرنے کے لیے سوالات

Karpathy کی اصل فریمنگ کہتی تھی کہ آپ کو "کوڈ کے وجود کو ہی بھول جانا" چاہیے۔ آگے پڑھنے سے پہلے خود سے پوچھیں: کوڈ نہ دیکھنا ایک خصوصیت ہے (یہ رکاوٹیں کم کرتا ہے) یا ایک خطرہ (جو آپ دیکھ نہیں سکتے اُسے آپ جانچ یا درست نہیں کر سکتے)؟ جواب اِس بات پر کیا مضمرات رکھتا ہے کہ کسے وائب کوڈنگ کی اجازت ہونی چاہیے؟
وائب کوڈنگ میں کامیابی کے بارے میں تحقیق نے پایا کہ روایتی کمپیوٹر سائنس کی کامیابی اب بھی کامیابی کی پیش گوئی کرتی ہے، چاہے صارف کوڈ کو ہاتھ نہ لگائے۔ اگر یہ آپ کو حیران کرتا ہے، تو CS کی تربیت کون سی پوشیدہ مہارت بنا رہی ہو گی جو محض نثر سے حاصل نہیں ہوتی؟
اُسی مطالعے نے پایا کہ تحریری مہارت وائب کوڈنگ کی کارکردگی کی پیش گوئی بڑی حد تک اِس لیے کرتی ہے کہ وہ زیادہ معیاری پرامپٹس پیدا کرتی ہے۔ اگر رکاوٹ واقعی پرامپٹنگ ہے، تو درست حل یہ ہے کہ لوگوں کو بہتر پرامپٹ کرنا سکھایا جائے — یا یہ کہ ٹولز اِس طرح نئے سرے سے ڈیزائن کیے جائیں کہ وہ کم نثری مہارت مانگیں؟
وائب کوڈنگ کو اکثر "ہر کسی" کو ڈویلپر بنانے کے طور پر سراہا جاتا ہے۔ مگر اگر تحریری مہارت اور CS کا علم دونوں نتائج کی تشکیل کرتے ہیں، تو کیا وائب کوڈنگ سافٹ ویئر بنانے تک رسائی کو وسیع کرتی ہے یا صرف مہارت کی رکاوٹ کو کوڈ سے نثر کی طرف منتقل کر دیتی ہے؟
کچھ ڈویلپر "خالص" وائب کوڈنگ (کوڈ کبھی نہ پڑھنا) کو AI کی مدد سے کوڈنگ سے الگ کرتے ہیں جہاں آپ ماڈل کے لکھے ہوئے کو جائزہ لیتے اور بدلتے ہیں۔ آپ کے خیال میں حقیقی سیکھنا — بمقابلہ حد سے زیادہ انحصار — کہاں زیادہ ممکن ہے، اور کیوں؟

تعارف

وائب کوڈنگ تعامل کے ایسے انداز کو بیان کرتی ہے جسے LLM سے منسلک ترقیاتی پلیٹ فارم ممکن بناتے ہیں (Replit، Lovable، Cursor اور دیگر): صارف قدرتی زبان میں پروگرام کی تفصیل دیتا ہے، ماڈل کام کرنے والا نظام پیدا کرتا ہے، اور صارف سورس میں ترمیم کرنے کے بجائے مشاہدہ شدہ رویے کی بنیاد پر تکرار کرتا ہے۔ یہ اصطلاح OpenAI کے شریک بانی Andrej Karpathy نے فروری 2025 میں ایسے تجربے کو بیان کرنے کے لیے تراشی جس میں آدمی ماڈل پر اِس حد تک انحصار کرتا ہے کہ "کوڈ" شعور سے محو ہو جاتا ہے۔ وائب کوڈنگ اُن کئی دھاروں کے سنگم پر بیٹھتی ہے جن کا اِس علمی ذخیرے میں پہلے سے سراغ موجود ہے — یہ جنریٹو AI کا پروگرامنگ پر اطلاق ہے، پرامپٹ سے چلنے والے کام کی ایک انتہائی صورت، انسان اور AI کا تعاون کی ایک ٹھوس مثال، اور غیر پروگرامرز اور آخری صارفین کے اپنے سافٹ ویئر بنانے (آخری صارف کی ترقی) کا اب تک کا واضح ترین راستہ۔

اِس کی جڑیں بھی گہری ہیں۔ عام زبان میں پروگرامنگ کا خیال LLMs سے بہت پہلے موجود تھا — COBOL کی اُس خواہش سے، کہ وہ "غیر پیشہ ور پروگرامرز کے لیے انگریزی زبان کا پروگرامنگ نظام" ہو، ہوتے ہوئے Donald Knuth کی خواندہ پروگرامنگ تک، اور انگریزی کے محدود ذیلی مجموعوں کے ساتھ قدرتی زبان میں پروگرامنگ کی تحقیق تک۔ صرف LLMs کے بعد ہی یہ ممکن ہوا کہ واقعی گفتگو والی، کم وضاحت والی ہدایات کو چلنے والے کوڈ میں بدلا جا سکے۔ وائب کوڈنگ وہ مخصوص صورت ہے جس میں صارف جان بوجھ کر پیدا شدہ سورس کا معائنہ یا ترمیم نہیں کرتا، اور مکمل طور پر بار بار پرامپٹنگ اور رویے کی جانچ پر انحصار کرتا ہے۔

تصور کی تعریف: "خالص" بمقابلہ کوڈ-نظر آنے والی وائب کوڈنگ

وائب کوڈنگ کی تعریف ابھی بدل رہی ہے۔ کچھ لوگ اِس اصطلاح کو وسیع معنی میں ہر AI کی رہنمائی والی پروگرامنگ کے لیے استعمال کرتے ہیں؛ دیگر اِس پر اصرار کرتے ہیں کہ یہ سختی سے "LLM کے ساتھ سافٹ ویئر بنانا بغیر اُس کے لکھے کوڈ کا جائزہ لیے" کے لیے ہے۔ Google Cloud ایک "خالص" نو-کوڈ صورت (جو Karpathy کی تعریف سے ہم آہنگ ہے) اور ایسی صورت میں فرق کرتا ہے جہاں صارف پیدا شدہ کوڈ کو سمجھتا اور بہتر بناتا ہے۔ یہ فرق تحقیق کے لیے اہم ہے: وائب کوڈنگ کی مہارت کا کوئی کنٹرول شدہ مطالعہ اچھی طرح متعین تصور مانگتا ہے۔ CHI 2026 کے وائب کوڈنگ مہارت کی پیش گوؤں کے مطالعے نے جان بوجھ کر "خالص"، نو-کوڈ صورت کو نشانہ بنایا — شرکا پیدا شدہ سورس نہ دیکھ سکتے تھے نہ بدل سکتے تھے، چنانچہ ناپی گئی کارکردگی صرف نثر اور مشاہدہ شدہ اخراج کے ذریعے رویے کی وضاحت، بہتری اور ڈی بگنگ کی صلاحیت کو ظاہر کرتی تھی (دیکھیں Thorgeirsson et al.)۔

وائب کوڈنگ میں کون کامیاب ہوتا ہے: شواہد

پیشگی رجسٹرڈ کراس-سیکشنل مطالعہ (N = 100 ترتیری طلبہ) اِس بارے میں پہلا کنٹرول شدہ، شریک کی سطح کا ثبوت فراہم کرتا ہے کہ کون سی مہارتیں وائب کوڈنگ کی کامیابی کی پیش گوئی کرتی ہیں۔ تحریری مواصلات کی مہارت (r = .29) اور کمپیوٹر سائنس کی کامیابی (r = .39) دونوں نے ماہرین سے تصدیق شدہ، GUI-مرکوز وائب کوڈنگ کے کاموں پر کارکردگی کی نمایاں پیش گوئی کی، اور ڈومین-عمومی علمی مہارتوں کو کنٹرول کرنے کے بعد بھی CS کی کامیابی نمایاں رہی (جزوی r = .281)۔ مشترکہ ماڈل میں CS کی کامیابی نے تحریری مہارت سے تقریباً دوگنا منفرد تغیر میں حصہ ڈالا، مگر دونوں نے آزاد پیش گوئی کی قدر شامل کی۔ اہم بات یہ ہے کہ انسانوں کے درجہ بندی کردہ پرامپٹ کے معیار نے تحریر سے کارکردگی تک کے ربط میں ثالثی کی، جو جوابی عمل کا ثبوت دیتا ہے کہ واضح نثر بہتر پرامپٹس پیدا کر کے کام کرتی ہے۔ چونکہ ماحول نے سورس کوڈ چھپایا تھا، CS کا علم صرف بالواسطہ مدد کر سکتا تھا (مسئلے کی تحلیل، الگورتھمی سوچ اور کنٹرول فلو کے ذہنی ماڈلز کے ذریعے) — چنانچہ مصنفین استدلال کرتے ہیں کہ اُن کا CS کا تخمینہ AI کی مدد سے پروگرامنگ کے لیے کم از کم حد ہے، جس میں صارف کوڈ میں براہِ راست ترمیم بھی کر سکتے ہیں (Thorgeirsson et al., 2026)۔

وائب کوڈنگ بطور آخری صارف کی ترقی اور استاد کے اوزار

وائب کوڈنگ کا ایک بڑا وعدہ یہ ہے کہ یہ غیر پروگرامرز — بشمول اساتذہ اور ڈومین کے ماہرین — کو اپنا سافٹ ویئر بنانے دیتی ہے، یعنی آخری صارف کی ترقی کی LLM دور کی صورت۔ GAIDE فریم ورک کا مطالعہ دکھاتا ہے کہ K-12 کے اساتذہ (غیر پروگرامرز) نے آٹھ ہفتے کی ورکشاپ میں وائب کوڈنگ استعمال کر کے AI سے چلنے والے سیکھنے کے ٹولز بنائے، اپنی AI خواندگی بڑھائی اور "تخلیق کے ذریعے سیکھنے" کو پیشہ ورانہ ترقی کے ماڈل کے طور پر پیش کیا۔ اعلیٰ تعلیم میں ایک مدرس نے چند دنوں میں وائب کوڈنگ کے ذریعے IDE سرگرمی لاگز سے پروگرامنگ کے عمل کا بصری نمائندہ تیار کر لیا، جس سے طلبہ کے پروگرامنگ کے عمل کو تدریس اور علمی سالمیت کے جائزے کے لیے دیکھا جا سکا۔ یہ کیسز وائب کوڈنگ کو محض طالب علم کی مہارت کے بجائے ایسی تصنیفی صلاحیت قرار دیتے ہیں جو یہ بدل دیتی ہے کہ تعلیمی ٹیکنالوجی کون بنا سکتا ہے۔

ڈیزائن کی ہم شکلی: تنوع کے بغیر رسائی

وائب کوڈنگ کا آخری صارف کی ترقی کا وعدہ اِس بارے میں ہے کہ کون بنا سکتا ہے، نہ کہ کیا بنتا ہے۔ ایک کورس کی تعیناتی میں، ایک ہی وائب کوڈنگ پلیٹ فارم پر الگ الگ کاروباروں کے لیے سائٹس بنانے والے 73 طلبہ نے تقریباً ایک درجن مختلف ڈیزائن پیدا کیے، اور محسوس کیا کہ تصنیف ناپی گئی اصلیت کے ساتھ مطابقت نہیں رکھتی (Boussioux et al. (2026))۔ تعمیر کی رکاوٹ کم کرنا اخراج کو معیاری بنا سکتا ہے — یہ وہ قیمت ہے جس کا اشتہار رسائی کا وعدہ نہیں دیتا۔

سیکھنا، ایجنسی اور حد سے زیادہ انحصار کا خطرہ

وائب کوڈنگ اُن بنیادی سوالات کو دوبارہ کھولتی ہے کہ جب AI نفاذ کو خودکار بناتا ہے تو کیا سیکھا جاتا ہے۔ چونکہ صارف کوڈ نہیں پڑھتا، اُسے ماڈل کے رویے پر بھروسہ کرنا پڑتا ہے — جو وائب کوڈنگ کو سیکھنے والے کی ایجنسی اور حد سے زیادہ انحصار کے درمیان اُس تناؤ کا ایک زیادہ داؤ والا معاملہ بنا دیتا ہے جو AI کی مدد سے پروگرامنگ میں ہر جگہ موجود ہے۔ نصاب اِس کا جواب یہ دے رہے ہیں کہ نفاذ سکھانے سے ہٹ کر یہ سکھایا جائے کہ AI سے پیدا شدہ مصنوعات کی رہنمائی، تصدیق اور جانچ کیسے کی جائے (دیکھیں انڈر گریجویٹ CS کی تشکیلِ نو اور ایجنٹک سافٹ ویئر انجینئرنگ)۔ وائب کوڈنگ طالب علم کے علمی مقام کو بھی بدلتی ہے: کامیابی کوڈ لکھنے پر کم اور ارادے کو درستگی سے بیان کرنے اور رویے کو مقاصد کے سامنے جانچنے پر زیادہ منحصر ہوتی ہے، یعنی ایسی صلاحیتیں جو روایتی نحو پر عبور کے بجائے کمپیوٹیشنل سوچ اور منظم تحریر کے زیادہ قریب ہیں۔

دوسری حد خود تعمیر میں سامنے آتی ہے: کوڈنگ کی رکاوٹ ہٹانا تشخیص کے بوجھ کو اَن چھیڑا چھوڑ سکتا ہے۔ دو انجینئرنگ کیس اسٹڈیز میں ایک مدرس نے چند گھنٹوں میں سادہ زبان میں Gemini کو پرامپٹ کر کے بیٹری تھرمل مینجمنٹ نظام اور تین ARQ پروٹوکولز کی کام کرنے والی ویب سمولیشنز بنائیں (Tarasak et al. (2026))۔ پھر ایک ڈپلیکیٹ-پیکٹ کی غلطی بار بار پرامپٹس کے باوجود برقرار رہی، بشمول اُس پرامپٹ کے جس میں مطلوبہ رویہ بیان کیا گیا تھا۔ اُس کی اصلاح صرف اُس وقت ہوئی جب مدرس نے پروٹوکول کے رویے سے استدلال کر کے ناکافی ٹائم آؤٹ وقفے تک پہنچے، یعنی ایسا پیرامیٹر جو انٹرفیس نے کبھی سامنے نہیں لایا تھا۔ کسی بھی سمولیشن کا سیکھنے پر اثر ناپا نہیں گیا، چنانچہ یہ روداد تاثیر کے بجائے عملی امکان ثابت کرتی ہے۔

عام غلط فہمیاں

"وائب کوڈنگ مہارت کی رکاوٹ کم کرتی ہے، چنانچہ یہ بنیادی طور پر اچھی تحریر کا معاملہ ہے۔" تحریری مواصلات کی مہارت مدد دیتی ہے اور نتیجہ اکیلی نہیں اُٹھاتی۔ پیشگی رجسٹرڈ کراس-سیکشنل مطالعے (N = 100 ترتیری طلبہ) میں تحریری مواصلات کی مہارت (r = .29) اور کمپیوٹر سائنس کی کامیابی (r = .39) دونوں نے ماہرین سے تصدیق شدہ، GUI-مرکوز وائب کوڈنگ کے کاموں پر کارکردگی کی نمایاں پیش گوئی کی، اور مشترکہ ماڈل میں CS کی کامیابی نے تحریری مہارت سے تقریباً دوگنا منفرد تغیر میں حصہ ڈالا جبکہ دونوں نے آزاد پیش گوئی کی قدر برقرار رکھی۔ رکاوٹ منتقل ہوئی ہے، غائب نہیں ہوئی، اور اُس کا ایک حصہ اب بھی تکنیکی ہے۔

"چونکہ اب ہر کوئی سافٹ ویئر بنا سکتا ہے، جو بنے گا وہ زیادہ متنوع ہو گا۔" رسائی اور تنوع الگ الگ نتائج ہیں، اور رسائی دوسرے کو سکیڑ بھی سکتی ہے۔ اِس ذخیرے میں ڈیزائن کی ہم شکلی کے شواہد بعینہٖ یہی نمونہ بیان کرتے ہیں: بنانے والوں کی وسیع تر آبادی جو ایک ہی ماڈلز، ایک ہی اجزا کے کنونشنز اور ایک ہی پرامپٹنگ ڈیفالٹس سے کام لیتی ہے، یکجا ہوتے ڈیزائنوں کی طرف مائل ہوتی ہے۔ تصنیف کو جمہوری بنانا خودبخود مصنوعات کو متنوع نہیں کرتا۔

"'خالص' وائب کوڈنگ ہی اِس اصطلاح کا مطلب ہے، چنانچہ فرق اہم نہیں۔" یہ جانچ اور سلامتی دونوں کے لیے اہم ہے۔ صفحہ خالص وائب کوڈنگ، جس میں صارف جان بوجھ کر پیدا شدہ سورس کا معائنہ یا ترمیم نہیں کرتا اور مکمل طور پر بار بار پرامپٹنگ اور رویے کی جانچ پر انحصار کرتا ہے، اور کوڈ-نظر آنے والے اُس کام میں فرق کرتا ہے جس میں صارف پیدا شدہ چیز پڑھتا ہے۔ یہ الگ سرگرمیاں ہیں جن کے غلطیوں کے نمونے الگ ہیں، اور ایک کا مطالعہ دوسرے کے بارے میں دعوؤں کی اجازت نہیں دیتا۔

"اگر ایپ چلتی ہے تو پیدا شدہ کوڈ ٹھیک ہے۔" چلنا ایک کمزور امتحان ہے۔ Veracode کے 2025 تجزیے نے AI سے پیدا شدہ کوڈ کا صرف 55% محفوظ پایا، چنانچہ وائب کوڈنگ سے بنائے کلاس روم ٹولز کو طلبہ ڈیٹا سنبھالنے یا کسی بھی ایسے نظام سے جڑنے سے پہلے جائزے کا ایک مرحلہ درکار ہے جس کی حفاظت قابلِ قدر ہو۔ رویے کی جانچ صرف اُن راستوں کی تصدیق کرتی ہے جن پر صارف اتفاقاً گزرتا ہے اور اُن کے بارے میں کچھ نہیں کہتی جن پر وہ نہیں گزرتا۔

وائب کوڈنگ کو عملی طور پر اپنانا

مدرسین اور اساتذہ کے معلمین کے لیے

خالص اور کوڈ-نظر آنے والی وائب کوڈنگ کے فرق کو واضح طور پر سکھائیں، اور طلبہ کا ڈیٹا سنبھالنے والی کسی بھی چیز کے لیے دوسری کو لازمی قرار دیں۔ یہ فرق ایک سکھائی جانے والی عادت ہے، فلسفیانہ نزاکت نہیں۔
وائب کوڈنگ کے کام کے ساتھ ساتھ ایک حقیقی پروگرامنگ دھار بھی جاری رکھیں، کیونکہ CS کی کامیابی نے تقریباً دوگنا منفرد پیش گوئی والا تغیر اُٹھایا تھا۔ قدرتی زبان کی تفصیل کو مکمل متبادل سمجھنا زیادہ مضبوط پیش گو کو پھینک دینا ہے۔
طلبہ سے کہیں کہ وہ مصنوعاتی رویے کا جائزہ لیں اور جو بھی وہ تعینات کریں اُس کا سورس دیکھیں۔ پیدا شدہ کوڈ پڑھنا ایک جائزے کی مہارت ہے، اور اُن طلبہ کے لیے خودبخود حاصل نہیں ہوتی جو پرامپٹ کر سکتے ہیں۔

ڈویلپرز اور منتظمین کے لیے

کسی بھی وائب کوڈنگ والے ٹول پر طلبہ کے ریکارڈ کو چھونے سے پہلے سلامتی کے جائزے کا ایک مرحلہ چلائیں، جو 55% محفوظ کوڈ کی دریافت سے ہم آہنگ ہو۔
ہم شکلی کے لیے بجٹ رکھیں: اگر کئی عملہ ایک ہی قسم کا ٹول ایک ہی ڈیفالٹس سے وائب کوڈ کرے، تو ملتا جلتا اخراج متوقع رکھیں اور منصوبہ بنائیں کہ تفریق جان بوجھ کر کیسے حاصل کی جائے گی۔
برقرار رکھے جانے والے ٹولز کے لیے کوڈ-نظر آنے والے ورک فلو کو ترجیح دیں اور خالص وائب کوڈنگ صرف وقتی نمونوں کے لیے رکھیں۔

محققین کے لیے

نتائج کے ساتھ ساتھ وائب کوڈنگ کی حالت (خالص بمقابلہ کوڈ-نظر آنے والی) بھی رپورٹ کریں، اور خود رپورٹ شدہ کامیابی کے بجائے ماہرین سے تصدیق شدہ، GUI-مرکوز کام استعمال کریں تاکہ نتائج مختلف مطالعات میں موازنہ کے قابل رہیں۔
اگر رسائی کا دعویٰ جانچا جا رہا ہے تو مصنوعات کا تنوع ناپیں، صرف مصنوعات کی گنتی یا بنانے والوں کی تعداد نہیں۔

منسلک تصورات

منسلک مضامین

Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency — کمپیوٹر سائنس کی کامیابی اور تحریری مہارت وائب کوڈنگ کی مہارت کی پیش گوئی کرتی ہیں (CHI 2026 کا تجرباتی مطالعہ)
A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding — K-12 اساتذہ کے لیے وائب کوڈنگ کے ذریعے AI سے چلنے والی سیکھنے کی ٹیکنالوجیز بنانے کی رہنما چوکھٹ
From Idea to Classroom in Days: Using "Vibe Coding" to Create a Programming Process Visualizer from IDE Activity Logs — خیال سے کلاس روم تک چند دنوں میں: IDE سرگرمی لاگز سے پروگرامنگ کے عمل کا بصری نمائندہ بنانے کے لیے "وائب کوڈنگ" کا استعمال
Vibe Coding for Simulation Development in Engineering Education — وائب کوڈنگ نے گھنٹوں میں دو انجینئرنگ سمولیشنز بنائیں؛ پروٹوکول کی غلطی کی تشخیص کے لیے پھر بھی مدرس درکار تھا
Understanding Student Perceptions, Mistakes, and Debugging Approaches when Solving Natural Language Programming Tasks — قدرتی زبان میں پروگرامنگ کے کام حل کرتے وقت طلبہ کے تاثرات، غلطیاں اور ڈی بگنگ کے طریقوں کو سمجھنا
Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education — جنریٹو AI کے ساتھ کوڈ سے سیکھنا: اعلیٰ ثانوی تعلیم میں مصنوع کی تعمیر کے لیے نظریاتی طور پر بنیاد رکھا فریم ورک
Reshaping Undergraduate Computer Science Education in the Generative AI Era — جنریٹو AI کے لیے انڈر گریجویٹ CS تعلیم کی تشکیلِ نو
Flowcode: An AI-Powered Programming Environment for Scaffolding Iteration in Creative Computing Education — Flowcode: تخلیقی کمپیوٹنگ تعلیم میں تکرار کو سہارا دینے والا AI سے چلنے والا پروگرامنگ ماحول
AI Intrapreneurship: Educators as Frontline Innovators in the Age of Generative AI — AI انٹراپرینیورشپ: فیکلٹی کے اپنے ٹولز بنانا، اور وہ تنظیمی عوامل جو طے کرتے ہیں کہ یہ جذبہ زندہ رہے گا یا نہیں (Zimmer 2026)
One Tool, One Taste? How Vibe Coding Trades Collective Diversity for Individual Creativity — ایک ٹول، ایک ذائقہ؟ وائب کوڈنگ اجتماعی تنوع کو انفرادی تخلیقیت کے بدلے کیسے بیچ دیتی ہے

میٹا ڈیٹا

شعبہ	Cs Education, Writing Education
درجہ	Higher Ed, K 12
مطلوبہ سامعین	Instructors, Curriculum Designers, Researchers, Software Developers
ٹیکنالوجیز اور طریقے	جنریٹو AI, بڑے لینگویج ماڈلز (LLMs), پرامپٹ انجینئرنگ
تعلیم میں AI کی بنیادیں	ایجنٹک AI, مصنوعی ذہانت کی لیٹریسی, کمپیوٹیشنل سوچ, انسان اور AI کا تعاون, تدریس

ذریعہ تاریخچہ ترمیم کریں گفتگو