Prompt library پر واپس
Prompt libraryChat Prompt

ہلکا قانونی redline

Lightweight Legal Redline سے حقیقی workflow notes کو review، decisions، اور next actions کے لیے structured chat output میں بدلیں۔

قانونی reviewمعاہدہخطرہ
Preview

Chat Prompt

Recommended model

Claude Haiku 4.5

Output format

ساختی چیٹ آؤٹ پٹ

Preview

Chat Prompt

chat thread

Clause کہتا ہے vendor website پر صرف notice دے کر AI subprocessors تبدیل کر سکتا ہے۔ ہمیں کیا پوچھنا چاہیے؟

Risk: notice آسانی سے miss ہو سکتا ہے اور team کو object کرنے کے لیے کافی وقت نہیں دے سکتا۔ Business impact: privacy، procurement، اور customer commitments متاثر ہو سکتے ہیں۔ Question 1: کیا changes account owner کو email notice trigger کر سکتے ہیں؟ Question 2: کیا material subprocessor changes کے لیے objection window ہے؟ Question 3: کیا regulated customer data کو default طور پر new subprocessors سے exclude کیا جا سکتا ہے؟

Output

risk / impact / questions بریف

Lightweight Legal Redline کا preview، جو input context، structured reply، اور actionable next steps پر مرکوز ہے۔

Full prompt

ہلکا قانونی redline

structured analysis، risks، recommendations، اور next actions کے ساتھ Lightweight Legal Redline chat prompt۔

Recommended model: Claude Haiku 4.5Output format: ساختی چیٹ آؤٹ پٹ
Full prompt
Chat Prompt
آپ business contract reviewer ہیں، legal counsel نہیں۔ risky clauses کو سادہ زبان میں summarize کریں اور approval سے پہلے پوچھنے کے لیے business questions suggest کریں۔

Usage notes

چلانے سے پہلے real context، constraints، target reader، current evidence، اور expected output depth شامل کریں؛ اسے generic chat question کے طور پر استعمال نہ کریں۔

Prompt FAQ

یہ prompt استعمال کرنے سے پہلے

Inputs، model fit اور template adapt کرنے کے طریقے کو جلد check کریں تاکہ result کمزور نہ ہو۔

Lightweight Legal Redline استعمال کرنے سے پہلے مجھے کیا تیار کرنا چاہیے؟

real input notes، business goal، constraints، available evidence، اور وہ exact structure تیار کریں جو آپ واپس چاہتے ہیں۔

مجھے response quality کیسے judge کرنی چاہیے؟

چیک کریں کہ reply facts کو assumptions سے الگ کرتا ہے یا نہیں، اور generic advice کے بجائے risks، tradeoffs، اور actionable next steps دیتا ہے یا نہیں۔

Thread preview

Clause کہتا ہے vendor website پر صرف notice دے کر AI subprocessors تبدیل کر سکتا ہے۔ ہمیں کیا پوچھنا چاہیے؟
Risk: notice آسانی سے miss ہو سکتا ہے اور team کو object کرنے کے لیے کافی وقت نہیں دے سکتا۔ Business impact: privacy، procurement، اور customer commitments متاثر ہو سکتے ہیں۔ Question 1: کیا changes account owner کو email notice trigger کر سکتے ہیں؟ Question 2: کیا material subprocessor changes کے لیے objection window ہے؟ Question 3: کیا regulated customer data کو default طور پر new subprocessors سے exclude کیا جا سکتا ہے؟

Output

risk / impact / questions بریف

اس mode میں مزید prompts

chat thread

ہم چھوٹی ecommerce teams کے لیے ایک AI assistant بنانا چاہتے ہیں جو product photos کو campaign assets میں بدل دے۔

Problem hypothesis: چھوٹی ecommerce teams raw product photos کو channel-ready campaign assets میں بدلنے میں وقت ضائع کرتی ہیں۔ Riskiest assumptions: photo quality کافی اچھی ہے، teams AI asset variation پر اعتماد کرتی ہیں، اور اصل bottleneck review time ہے۔ Research questions: campaign asset creation کا owner کون ہے، revisions کہاں رکتی ہیں، اور کون سا quality bar publishing کو روکتا ہے۔ Validation plan: 5 operators کے interviews کریں، 3 prompt-led asset flows test کریں، اور time-to-first-approved asset compare کریں۔ Decision gate: صرف اس صورت میں آگے بڑھیں جب teams اپنے current workflow سے تیز publishable draft تک پہنچ سکیں۔

chat thread

ہم solo consultants کے لیے ایک نیا AI notes product explore کر رہے ہیں۔ اسے research brief میں بدلنے میں میری مدد کریں۔

Objective: define کریں کہ solo consultants کو AI notes workspace چاہیے یا ہلکی client-follow-up layer۔ Working assumptions: وہ پہلے ہی notes capture کرتے ہیں، مگر synthesis اور next-step drafting inconsistent ہیں۔ Audience: recurring client calls اور limited operations support رکھنے والے solo consultants۔ Key questions: کون سے notes billable work بنتے ہیں، calls کے بعد کیا کھو جاتا ہے، اور CRM tools کہاں بہت heavy محسوس ہوتے ہیں۔ Research plan: 6 interviews کریں، 10 recent call-note workflows review کریں، اور ایک follow-up brief prototype test کریں۔

chat thread

یہ ہمارے AI پروڈکٹ لینڈنگ پیج کا خاکہ ہے۔ ڈیزائن شروع کرنے سے پہلے بتائیں کہ کیا بات غیر واضح ہے۔

بنیادی وعدہ: دکھائی دے رہا ہے، لیکن ابھی بھی اسے ایک ٹھوس صارف نتیجے کے بجائے فیچر کے طور پر پیش کیا گیا ہے۔ غیر واضح نکتہ: صفحہ یہ نہیں بتاتا کہ سب سے پہلے کس صارف کو value ملتی ہے یا signup کے بعد workflow کیسے بدلتا ہے۔ مثال کی کمی: before-after مثالیں، model output samples، اور hero کے قریب ایک مختصر trust signal شامل کریں۔ CTA مسئلہ: بنیادی action بہت زیادہ وضاحت کے بعد آتا ہے؛ quick-use سیکشن کے قریب استعمال پر مبنی CTA منتقل کریں۔ ترمیمی منصوبہ: hero کو تیز کریں، outcome cards شامل کریں، پھر visuals polish کرنے سے پہلے اعتراضات دوبارہ لکھیں۔