Vibe Coding دراصل کیا ہے؟

"Vibe coding" کی اصطلاح 2024-2025 میں تیزی سے پھیلی کیونکہ اس نے کچھ نام رکھا جو بہت سے ڈیولپرز پہلے سے خاموشی سے کر رہے تھے: اپنی چاہت کو سادہ انگریزی میں GPT-4، Claude، یا Cursor یا GitHub Copilot جیسے ٹول کو بیان کرنا، اور اسے زیادہ تر اصل کوڈ بنانے دینا۔ پروگرامر لوپ میں رہتا ہے، لیکن یہ لوپ روایتی کوڈنگ سے مختلف لگتا ہے۔

اصل تعریف

Andrej Karpathy نے یہ جملہ تیار کیا، ایک ایسے workflow کو بیان کرتے ہوئے جہاں آپ "مکمل طور پر vibes کے آگے ہاتھ ڈال دیتے ہیں" — آپ prompt کرتے ہیں، تجاویز قبول کرتے ہیں، کوڈ چلاتے ہیں، دیکھتے ہیں کہ کیا ٹوٹتا ہے، اور دوبارہ prompt کرتے ہیں۔ آپ ہر diff لائن کو line by line نہیں پڑھ رہے ہیں۔ آپ نتیجے سے رہنمائی کر رہے ہیں: کیا ایپ وہ کام کرتی ہے، کیا ٹیسٹ پاس ہوتا ہے، کیا صفحہ صحیح سے رینڈر ہوتا ہے۔ ہنر syntax لکھنے سے منتقل ہو کر نیت کو واضح طریقے سے بیان کرنے اور یہ پہچاننے میں تبدیل ہو جاتا ہے کہ آؤٹ پٹ کب غلط ہے۔

یہ محض autocomplete استعمال کرنے سے مختلف ہے۔ Copilot کے انداز میں inline suggestions ابھی بھی یہ فرض کرتے ہیں کہ آپ خود function لکھ رہے ہیں کچھ مدد کے ساتھ۔ Vibe coding فرض کرتا ہے کہ ماڈل function، فائل، کبھی کبھی پورا feature لکھتا ہے، اور آپ صفر سے لکھنے کی بجائے جائزہ لے رہے ہیں اور رہنمائی کر رہے ہیں۔

ایک حقیقی سیشن کیسا لگتا ہے

Cursor یا Replit کے Agent mode جیسے ٹول کے ساتھ ایک عام vibe-coding loop کچھ یوں ہوتا ہے:

1. Prompt: "Add a rate limiter to this Express API, 100 requests per 15 minutes per IP, return 429 with a JSON error body."
2. ماڈل middleware/rateLimit.js میں ترمیم کرتا ہے، اسے app.js میں وائر کرتا ہے، شاید express-rate-limit کو pull کرتا ہے۔
3. آپ npm test چلاتے ہیں یا loop میں curl سے endpoint کو hit کرتے ہیں یہ دیکھنے کے لیے کہ 429 اصل میں fire ہوتا ہے۔
4. کچھ غلط ہے — limiter ہر deploy پر reset ہو جاتا ہے کیونکہ یہ in-memory ہے۔ آپ ایسا کہتے ہیں۔
5. ماڈل Redis-backed store میں تبدیل کرتا ہے، ioredis dependency شامل کرتا ہے، docker-compose فائل کو اپڈیٹ کرتا ہے۔
6. آپ دوبارہ ٹیسٹ کرتے ہیں، یہ کام کرتا ہے، آپ commit کرتے ہیں۔

اس middleware کی کوئی بھی لائن براہ راست ہاتھ سے ٹائپ نہیں کی گئی۔ لیکن چھ یا سات فیصلے ایک انسان نے کیے: limit کیا ہونی چاہیے، کہ in-memory storage پروڈکشن کے لیے غلط تھا، کہ docker-compose فائل کو بھی اپڈیٹ کرنے کی ضرورت تھی۔

جہاں یہ اچھی طرح کام کرتا ہے

Vibe coding boilerplate-heavy کام میں مضبوط ہے: CRUD endpoints، form validation، test scaffolding، config files، دو APIs کے درمیان glue code جو آپ پہلے سے سمجھتے ہیں۔ یہ prototyping کے لیے بھی اچھا ہے — ایک گھنٹے میں ایک idea کا کام کرتا ہوا demo بنانا بجائے ایک دن کے، پھر یہ فیصلہ کرنا کہ آیا اسے صحیح طریقے سے بنانے کے قابل ہے۔

یہ اکیلے devs اور چھوٹی ٹیموں کے لیے حقیقی طور پر تیز ہے جو اندرونی ٹولز یا MVPs شپ کر رہے ہیں جہاں bug کی قیمت کم ہے اور iteration speed معماری کی پاکیزگی سے زیادہ اہم ہے۔

جہاں یہ ناکام ہو جاتا ہے

ناکامی کا طریقہ جو لوگ کافی تک نہیں بولتے: ماڈل ایسا کوڈ بناتے ہیں جو چلتا ہے لیکن طریقوں سے غلط ہے جو بعد میں تک ظاہر نہیں ہوتے۔ ایک تیار شدہ SQL query خوشحال راستے کے لیے کام کر سکتا ہے لیکن injection کے لیے کمزور ہو سکتا ہے کیونکہ string concatenation ماڈل کے لیے ٹھیک لگا۔ ایک تیار شدہ auth check ٹیسٹ pass کر سکتا ہے لیکن ایک route پر role check کو skip کر سکتا ہے۔ اگر آپ کوڈ نہیں پڑھ رہے ہیں، تو آپ یہ نہیں پکڑیں گے — آپ صرف یہ دیکھیں گے کہ ٹیسٹ pass ہو رہے ہیں اور یہ ship کریں۔

یہ تقریباً کہیں بھی سے زیادہ security-sensitive کوڈ میں اہم ہے۔ Simon Willison اور دوسروں نے اشارہ کیا ہے کہ حقیقی صارف کے ڈیٹا کے ساتھ vibe-coded projects کو کسی بھی دوسرے کوڈ کی طرح ہی review rigor کی ضرورت ہے، بہتری سے، کیونکہ جس شخص نے اسے "لکھا" وہ شاید یہ وضاحت نہیں کر سکتے کہ یہ line by line کیا کرتا ہے۔

بہت سارے implicit state والے پیچیدہ نظام — concurrency، distributed transactions، کوئی بھی چیز subtle timing bugs کے ساتھ — بھی ایک برا فٹ ہیں۔ ماڈل ان cases کے لیے قابلِ قبول نظر آنے والا کوڈ بناتے ہیں جو اس طریقے سے ناکام ہو جاتے ہیں جو debugging کرنا مشکل ہے بالکل اس وجہ سے کہ کوئی بھی، انسان یا ماڈل، edge cases کو پوری طرح model نہیں کرتا۔

وہ skill جو اب اہم ہے

اگر آپ vibe coding کر رہے ہیں، تو قیمتی skill typing speed نہیں ہے، یہ specification ہے۔ Vague prompts کو vague، buggy کوڈ ملتا ہے۔ Specific prompts — exact library names، error-handling expectations، اور edge cases کے ساتھ جو point کیے جائیں — بہت بہتر آؤٹ پٹ ملتا ہے۔ دوسری سب سے قیمتی skill کوڈ کو اتنی تیزی سے پڑھنا ہے کہ آپ یہ پکڑ سکیں کہ کیا غلط ہے، جس کا مطلب ہے کہ آپ کو اب بھی زبان اور domain کو سمجھنے کی ضرورت ہے حتیٰ کہ اگر آپ ہر حرف ٹائپ نہیں کر رہے ہیں۔

AI-generated کوڈ کے ساتھ ایسے سلوک کریں جیسے آپ ایک junior dev سے pull request کے ساتھ سلوک کریں گے جو تیز ہے لیکن کبھی کبھی بہت زیادہ اعتماد والا ہے: مفید، اکثر صحیح، لیکن production کو چھونے سے پہلے ایک حقیقی review کے قابل۔

AI ٹولز کے ساتھ کوڈ لکھنے پر گہرائی میں جانا چاہتے ہیں quality کے کنٹرول کو کھوئے بغیر؟ Korra Studio کے AI اور Python segments کو دیکھیں hands-on walkthroughs کے لیے۔