LLMs سے پہلے قواعد پر مبنی روٹنگ: کاروباری نام سے ویب سائٹ ٹیمپلیٹ چننا

اس لائبریری کے پیچھے ڈیمو انجن کے سترہ شعبہ جاتی ٹیمپلیٹس ہیں۔ ہر کاروبار کے لیے اسے صحیح ٹیمپلیٹ چننا ہے: نیل بار کو گیراج کی ترتیب نہیں ملنی چاہیے۔ یہ AI ماڈل کے لیے بہترین کام لگتا ہے۔ عملی طور پر بہترین پہلا قدم ترتیب وار کلیدی الفاظ کے قواعد کا ایک چھوٹا مجموعہ نکلا — اور AI کو وہاں رکھا گیا جہاں قواعد کام نہیں کرتے۔

#سرکاری زمرہ کوڈز کیوں نہیں؟

رجسٹرڈ کاروباروں کے پاس معیاری صنعتی درجہ بندی کوڈ ہوتے ہیں، تو واضح طریقہ کوڈ سے ٹیمپلیٹ تک جدول ہے۔ یہ جلد ناکام ہوتا ہے۔ کوڈ وسیع ہیں اور بہت مختلف پیشے انہیں بانٹتے ہیں: ہیئر ڈریسنگ اور بیوٹی ٹریٹمنٹ ساتھ ہیں، 'دیگر ذاتی خدمات' ٹیٹو آرٹسٹ سے پالتو گرومر تک سب کچھ ہے، اور بہت سے کاروبار عام کوڈ سے رجسٹر ہو کر کبھی اپ ڈیٹ نہیں کرتے۔

کاروبار کا نام عموماً کہیں بہتر اشارہ ہے۔ 'Fade District' اور 'Velvet Lash & Nail' کسی بھی کوڈ سے زیادہ بتاتے ہیں کہ کاروبار کیا کرتا ہے۔

#ترتیب وار کلیدی الفاظ کے قواعد

ہر ٹیمپلیٹ کلیدی الفاظ کے نمونوں کی فہرست رکھتا ہے۔ روٹنگ مقررہ ترجیحی ترتیب میں ٹیمپلیٹس دیکھتی ہے اور پہلا وہ چنتی ہے جس کے نمونے نام سے ملیں:

pets       → dog, pets, paws, kennel, grooming…
tattoo     → tattoo, ink, piercing…
clinic     → clinic, aesthetic, skin, dental, laser…
barber     → barber, cuts, fade, gents…
beauty     → beauty, nail, lash, brow, salon, spa…
…
restaurant → kitchen, cafe, pizza, grill, bakery…

ترتیب اہم ہے۔ 'Dog grooming' میں grooming ہے جو حجامت کا لفظ لگ سکتا ہے، اس لیے پالتو جانور پہلے جانچے جاتے ہیں۔ لفظی حدیں بھی اہم ہیں: \bmot\b کو 'Leeds MOT Centre' سے ملنا چاہیے، 'Motion Pilates' سے نہیں۔ جب کچھ نہ ملے تو زمرہ کوڈ متبادل ہوتا ہے، اور وہ بھی ناکام ہو تو غیر جانبدار کاروباری ٹیمپلیٹ۔

آپ روٹر خود AI آٹومیشن صفحے پر آزما سکتے ہیں — یہ وہی قواعد آپ کے براؤزر میں چلاتا ہے۔

#پہلے قواعد کیوں؟

• قطعی — ایک نام ہمیشہ ایک جواب دیتا ہے، جس سے خرابی ڈھونڈنا بہت آسان ہے۔
• قابلِ وضاحت — نظام بتا سکتا ہے کون سا کلیدی لفظ ملا۔
• مفت اور فوری — نہ API کالیں، نہ تاخیر، نہ استعمال کی حد۔
• محفوظ — ہدایات داخل کرنے (prompt injection) کو کچھ نہیں۔

سترہ ممکنہ نتائج والے روٹنگ فیصلے کے لیے یہ خوبیاں ماڈل کی چند فیصد اضافی درستی سے زیادہ اہم ہیں۔

#AI واقعی کہاں مدد کرتا ہے

قواعد ان ناموں میں مشکل میں ہوتے ہیں جن میں کوئی پیشہ ورانہ لفظ نہیں — 'Northgate'، 'The Lantern'، 'Smith & Daughters'۔ یہاں ماڈل مفید ہے: نام اور تھوڑے سیاق (ویب سائٹ کا ٹکڑا، زمرہ کی وضاحت) کے ساتھ وہ اعتماد اسکور کے ساتھ ٹیمپلیٹ تجویز کر سکتا ہے۔ ڈھانچہ اس قدم کو اختیاری اور بعد میں رکھتا ہے:

1. قواعد چلائیں۔ اگر کوئی قاعدہ ملے تو رک جائیں۔
2. نہیں تو ماڈل سے پوچھیں، سترہ درست نتائج تک محدود۔
3. اعتماد کم ہو تو غیر جانبدار ٹیمپلیٹ پر جائیں اور جائزے کے لیے نشان لگائیں۔

نتائج کی حد بندی، جواب کی اسکیما سے جانچ اور انسانی جائزے کے قابل متبادل وہ چیزیں ہیں جو کسی نظام میں AI قدم کو قابلِ اعتماد بناتی ہیں۔

#اسباق

• ماڈل تک جانے سے پہلے سب سے سستا مضبوط اشارہ ڈھونڈیں۔
• ترتیب اور حدیں واضح کریں؛ زیادہ تر روٹنگ بگ وہیں ہوتے ہیں۔
• نادر صورتوں کے لیے AI استعمال کریں، محدود نتائج اور محفوظ ڈیفالٹ کے ساتھ۔
• ہمیشہ بتا سکیں 'اس نے یہ کیوں چنا؟'