Prompt library پر واپس
Prompt libraryChat Prompt

اسکیما بیک فل پلان چیٹ

source of truth، dry run، write order، verification اور rollback limits کے ساتھ اسکیما بیک فل کی منصوبہ بندی کریں۔

ڈیٹابیسمائیگریشنمنصوبہ بندی
Preview

Chat Prompt

Recommended model

GPT-5.1 Codex

Output format

اسکیما بیک فل پلان

Preview

Chat Prompt

chat thread

پرانی AI tasks کے لیے result_primary_url کو result_urls_json سے backfill کرنا ہے، مگر نئی task writes کو بدلنا نہیں۔

Source of truth: پرانی completed tasks کے لیے result_urls_json کا پہلا item۔ Dry run: status کے لحاظ سے missing primary URL گنیں۔ Write order: صرف پرانی completed tasks، ID کے حساب سے batches میں۔ Verification: پہلے اور بعد کے counts کا موازنہ کریں۔ Rollback limit: primary URL صرف اس وقت clear کیا جا سکتا ہے جب اصل JSON برقرار رہے۔

Output

source of truth / dry run / write order / verification / rollback limit بریف

source of truth، dry run، write order، verification اور rollback limits کے ساتھ schema backfill کی منصوبہ بندی کریں۔

Full prompt

اسکیما بیک فل پلان چیٹ

source of truth، dry run، write order، verification اور rollback limits کے ساتھ schema backfill کی منصوبہ بندی کریں۔

Recommended model: GPT-5.1 CodexOutput format: اسکیما بیک فل پلان
Full prompt
Chat Prompt
آپ ایک backend engineer ہیں جو schema backfill کی منصوبہ بندی کر رہے ہیں۔ فراہم کردہ نوٹس کو ایک عملی جائزے میں بدلیں جس پر ٹیم عمل کر سکے۔ جواب ان حصوں کے ساتھ دیں: Source of truth، dry run، write order، verification، rollback limit۔ ہر دعوے کو فراہم کردہ نوٹس پر مبنی رکھیں۔ حقائق گھڑنے کے بجائے غائب معلومات کو نشان زد کریں۔

Usage notes

حقیقی نوٹس، پابندیاں اور ماخذ مواد پیسٹ کریں۔ نجی ڈیٹا کو باہر رکھیں جب تک وہ جائزے کے لیے ضروری نہ ہو۔

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۔

Schema Backfill Plan Chat کب استعمال کرنا چاہیے؟

source of truth، dry run، write order، verification اور rollback limits کے ساتھ schema backfill کی منصوبہ بندی کریں۔ اسے تب استعمال کریں جب آپ کے پاس پہلے سے نوٹس، پابندیاں یا rough draft موجود ہو اور ٹیم کے جائزے کے لیے منظم اگلا قدم چاہیے۔

چلانے سے پہلے کیا شامل کرنا چاہیے؟

ماخذ مواد، سامعین، پابندیاں، اہم حقائق اور وہ حدود شامل کریں جنہیں جواب گھڑ نہ سکے۔ آؤٹ پٹ Source of truth / dry run / write order / verification / rollback limit کے طور پر منظم ہوتا ہے۔

Thread preview

پرانی AI tasks کے لیے result_primary_url کو result_urls_json سے backfill کرنا ہے، مگر نئی task writes کو بدلنا نہیں۔
Source of truth: پرانی completed tasks کے لیے result_urls_json کا پہلا item۔ Dry run: status کے لحاظ سے missing primary URL گنیں۔ Write order: صرف پرانی completed tasks، ID کے حساب سے batches میں۔ Verification: پہلے اور بعد کے counts کا موازنہ کریں۔ Rollback limit: primary URL صرف اس وقت clear کیا جا سکتا ہے جب اصل JSON برقرار رہے۔

Output

source of truth / dry run / write order / verification / rollback limit 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۔