ایک Claude AI ایجنٹ جو ویب فارم کے ہر ٹیکسٹ فیلڈ کو بھر سکتا تھا، آخری مرحلے پر رک گیا جب اس نے تین تصاویر منسلک کرنے کی کوشش کی، جس سے Desktop App کے فائل اپ لوڈ ہینڈلنگ میں ایک غیر دستاویزی (undocumented) حد کا انکشاف ہوا۔ یہ ناکامی اس لیے اہم ہے کیونکہ یہ ایک مکمل نظر آنے والی end-to-end آٹومیشن کو دستی (manual) کام میں بدل دیتی ہے، جس سے ڈویلپرز کو مجبور ہونا پڑتا ہے کہ وہ AI پر مبنی ورک فلو بنانے کے اپنے طریقے پر نظر ثانی کریں۔
یہ مسئلہ اب کیوں سامنے آ رہا ہے
Claude ایجنٹس تین ماحول (environments) میں چلتے ہیں: command-line interface (CLI)، Visual Studio Code extension، یا اسٹینڈ الون Desktop App۔ CLI میں، ایجنٹ سیشن میں شامل کردہ ڈائریکٹری سے فائل پڑھتا ہے اور اسے بغیر کسی مسئلے کے اپ لوڈ کر دیتا ہے۔ Desktop App میں یہ رویہ برقرار نہیں رہتا۔ یہاں تک کہ جب ایجنٹ اپنی عارضی فولڈر میں فائل لکھتا ہے، تب بھی ایپ اپ لوڈ کو مسترد کر دیتی ہے، اور "shared" فائلوں کی ایک ایسی اندرونی تعریف کا حوالہ دیتی ہے جو عوامی دستاویزات (public docs) میں کبھی ظاہر نہیں ہوتی۔
یہ فرق اس وقت سامنے آیا جب ایک صارف نے ایک ایسی آٹومیشن بنائی جس نے فارم بھرا، "save draft" پر کلک کیا، اور پھر تین تصاویر منسلک کرنے کی کوشش کی۔ ٹیکسٹ فیلڈز مکمل طور پر بھر گئیں، لیکن اپ لوڈ کے مرحلے پر ہر بار ایرر (error) آیا۔
ڈویلپرز نے کیا کوششیں کیں
- ایپ کے ذریعے بنائے گئے سیشن فولڈر میں فائلیں شامل کیں۔
- directory-connect ٹول کا استعمال کیا جو ایجنٹ کو ہوسٹ فولڈر دیکھنے کی اجازت دیتا ہے۔
- چیٹ ونڈو میں براہ راست تصاویر منسلک کیں۔
- ایک دستی اپ لوڈ فولڈر بنایا اور فارم کو اس کی طرف اشارہ کیا۔
ان تمام طریقوں سے ایک ہی ریجیکشن ایرر (rejection error) ملا۔ فائل پکر ڈائیلاگ (file-picker dialog) دکھانے والی براؤزر ونڈو ڈیسک ٹاپ آٹومیشن کے لیے read-only موڈ میں چلتی ہے۔ ایجنٹ ڈائیلاگ کو دیکھ تو سکتا ہے لیکن اس کے اندر کلک نہیں کر سکتا اور نہ ہی کوئی پاتھ (path) ٹائپ کر سکتا ہے، اس لیے UI-automation کے طریقے ناکام ہو جاتے ہیں۔
ایک کمزور “backdoor”
واحد طریقہ جو کامیاب رہا اس میں Windows clipboard کا استعمال کیا گیا:
- ایک PowerShell اسکرپٹ ٹارگٹ فائل کو کلپ بورڈ پر کاپی کرتا ہے۔
- ایجنٹ Ctrl + V کی اسٹروک بھیجتا ہے۔
- براؤزر پیسٹ ایونٹ وصول کرتا ہے اور فائل اپ لوڈ کر دیتا ہے۔
یہ ہیک کام تو کرتا ہے، لیکن یہ صارف کے کلپ بورڈ کو صاف کر دیتا ہے، صرف Windows تک محدود ہے، اور Desktop App کی کسی بھی اپ ڈیٹ کے ساتھ ٹوٹ سکتا ہے۔ یہ پروڈکشن پائپ لائنز کے لیے ایک پائیدار حل نہیں ہے۔
اس حد کا اصل مطلب کیا ہے
بنیادی مسئلہ کوئی سافٹ ویئر بگ نہیں ہے؛ بلکہ یہ ایک غیر دستاویزی سطح ہے جو فائل پرمیشنز (file permissions) کو محض ایک فائل سسٹم فلیگ کے بجائے ہوسٹ ایپلی کیشن کی خصوصیت کے طور پر لیتی ہے۔ CLI میں، ایجنٹ پروسیس کے ریڈ ایکسیس (read access) کو وراثت میں حاصل کرتا ہے، اس لیے سیشن جو بھی فائل دیکھ سکتا ہے اسے اپ لوڈ کیا جا سکتا ہے۔ Desktop App میں، رن ٹائم ایجنٹ کے فائل سسٹم ویو کو الگ تھلگ (isolate) کر دیتا ہے، جس سے صرف وہی فائلیں اپ لوڈ ہو سکتی ہیں جو چھپے ہوئے "shared" معیار پر پورا اترتی ہیں۔
چونکہ یہ پابندی Desktop App کے آرکیٹیکچر کا حصہ ہے، اس لیے UI مینیپولیشن یا عارضی فولڈرز پر انحصار کرنے والے متبادل طریقے کامیاب نہیں ہو سکے۔
آگے بڑھنے کے قابل اعتماد راستے
اگر ورک فلو میں فائل اپ لوڈ کی ضرورت ہو، تو ڈویلپرز کے پاس تین قابل اعتماد اختیارات ہیں:
- ایجنٹ کو CLI سے چلائیں۔ یہ ماحول سیشن کے فائل سسٹم پرمیشنز کا احترام کرتا ہے اور اضافی اقدامات کے بغیر اپ لوڈ کر دیتا ہے۔
- VS Code extension کا استعمال کریں۔ یہ ایکسٹینشن CLI کے پرمیشن ماڈل کی عکاسی کرتی ہے، جس سے ایجنٹس ان فائلوں کو پڑھ اور اپ لوڈ کر سکتے ہیں جو ایڈیٹر دیکھ سکتا ہے۔
- اپ لوڈ کا مرحلہ انسان پر چھوڑ دیں۔ ایک کمزور متبادل بنانے میں گھنٹوں ضائع کرنے سے بہتر ہے کہ دو منٹ کا دستی کام کر لیا جائے۔
پہلے دو اختیارات کا انتخاب کرنے سے آٹومیشن Desktop App سے باہر چلتی ہے۔
خلاصہ
Claude AI ایجنٹس میں فائل اپ لوڈ کی صلاحیت تمام رن ٹائمز (runtimes) میں یکساں نہیں ہے؛ یہ اس بات پر منحصر ہے کہ ایجنٹ کو کیسے لانچ کیا گیا ہے۔ قابل اعتماد آٹومیشن کے لیے، CLI اور VS Code extension کو ہی واحد ماحول کے طور پر لیں جو فائل سسٹم پرمیشنز کا بھرپور احترام کرتے ہیں۔ Desktop App استعمال کرتے وقت، دستی ہینڈ آف (manual hand-off) کی منصوبہ بندی کریں یا ایک کمزور کلپ بورڈ ہیک کو قبول کریں۔ اس فرق کو نظر انداز کرنا ایک ہموار end-to-end اسکرپٹ کو مہنگے ڈی بگنگ (debugging) کے عمل میں بدل سکتا ہے۔