مائیکروسافٹ نے اعلان کیا ہے کہ Azure AI Foundry کا Prompt Flow 20 اپریل 2026 کو نئے فیچرز وصول کرنا بند کر دے گا اور 20 اپریل 2027 کو اسے ریٹائر کر دیا جائے گا۔ یہ ڈویلپرز پر زور دے رہا ہے کہ وہ اپنے ورک لوڈز کو Microsoft Agent Framework پر منتقل کریں۔ یہ ڈیڈ لائن اس لیے اہم ہے کیونکہ Prompt Flow کو چلانے والی runtime images جلد ہی سیکیورٹی اپ ڈیٹس سے محروم ہو جائیں گی، جس سے ان تمام اداروں کے لیے تعمیل (compliance) کے مسائل پیدا ہوں گے جو اس سروس کو جاری رکھتے ہیں۔

Prompt Flow، large-language-model (LLM) پائپ لائنز کے لیے Azure AI Foundry کا ایک بصری آرکیسٹریٹر (visual orchestrator) تھا۔ ایک "flow" بنیادی طور پر ایک فولڈر ہوتا ہے جس میں flow.dag.yaml فائل ہوتی ہے جو ان پٹس، آؤٹ پٹس اور نوڈز کے تسلسل کی وضاحت کرتی ہے۔ بصری ایڈیٹر صارفین کو اجزاء کو ڈریگ اینڈ ڈراپ کرنے کی اجازت دیتا تھا، لیکن اصل میں ورژن کنٹرول سسٹم نیچے موجود YAML فائل کو ہی ٹریک کرتے ہیں۔

یہ تبدیلی کیوں اہم ہے

  • تعمیل کا خطرہ (Compliance risk) – سیکیورٹی اپ ڈیٹس کے بغیر، runtime images میں دریافت ہونے والی کوئی بھی کمزوری (vulnerability) غیر اصلاح شدہ (unpatched) رہ جائے گی۔ ریگولیٹرز اکثر غیر منظم کوڈ کو غیر تعمیل (non-compliant) قرار دیتے ہیں، خاص طور پر جب وہ کریڈنشلز (credentials) کو ہینڈل کر رہا ہو۔

بنیادی تصورات جنہیں آپ کو جاننا ضروری ہے

اگرچہ آپ Prompt Flow کو چھوڑنے کا منصوبہ بنا رہے ہیں، لیکن اس کے ذریعے اپنائے گئے پیٹرنز اب بھی قیمتی ہیں۔ انہیں سمجھنے سے Agent Framework کی طرف منتقلی آسان ہو جائے گی۔

  • فولڈر پر مبنی تعریف (Folder-based definition) – فلو کی YAML فائل ہر نوڈ، اس کی قسم اور اس کے ڈیٹا کنٹریکٹس کی فہرست دیتی ہے۔ اس فائل کو سورس کنٹرول میں رکھیں؛ یہ حقیقت کا واحد ذریعہ (single source of truth) ہے۔
  • ڈیٹرمینسٹک کام کے لیے Python نوڈز – پارسنگ، ویلیڈیشن یا کسی بھی ایسے لاجک کے لیے Python اسٹیپس کا استعمال کریں جو ایک ہی ان پٹ کے لیے ایک ہی نتیجہ فراہم کرے۔ یہ غیر یقینی (nondeterministic) LLM کالز کو الگ کر دیتا ہے اور ڈاؤن اسٹریم ٹیسٹنگ کو آسان بناتا ہے۔
  • سیکرٹس کے لیے کنکشن آبجیکٹس – کریڈنشلز ایک الگ کنکشن فیلڈ میں ہوتے ہیں، کوڈ میں نہیں۔ یہ ڈیزائن آپ کو فلو کی تعریف کو چھیڑے بغیر ڈویلپمنٹ کیز کو پروڈکشن کیز سے تبدیل کرنے کی اجازت دیتا ہے۔
  • ایویلیوایشن ڈیٹا سیٹس (Evaluation datasets) – Prompt Flow کا سب سے مضبوط فیچر اس کا بلٹ ان ایویلیوایشن لوپ تھا۔ ایک JSONL فائل جو حقیقت پسندانہ ان پٹس کو متوقع آؤٹ پٹس کے ساتھ جوڑتی ہے، اسے کسی بھی فریم ورک میں دوبارہ استعمال کیا جا سکتا ہے؛ اسے پورٹیبل ٹیسٹ ڈیٹا کے طور پر استعمال کریں۔
  • سسٹم لیول میٹرکس – صرف ایک ہی نوڈ کے آؤٹ پٹ کی پیمائش کرنا گمراہ کن ہو سکتا ہے۔ ریگریشنز (regressions) کو پکڑنے کے لیے ڈیٹرمینسٹک چیکس (مثلاً regex matches) کو اینڈ ٹو اینڈ میٹرکس کے ساتھ ملا کر استعمال کریں، جو صرف پورے پائپ لائن کے چلنے کے بعد ظاہر ہوتے ہیں۔

مائیگریشن روڈ میپ

Prompt Flow سے Agent Framework پر منتقل ہونا صرف ایک کلک اور کنورٹ کرنے والا عمل نہیں ہے؛ اس کے لیے ہر نوڈ کے سیمنٹکس (semantics) کو دوبارہ لکھنے کی ضرورت ہوتی ہے۔

  1. LLM نوڈز کو میپ کریں – بصری LLM بلاکس کو ایجنٹ کلاس میں لپٹے ہوئے واضح API کالز سے بدل دیں۔ ایجنٹ کو وہی ان پٹ اسکیما قبول کرنا چاہیے جو اصل YAML میں بیان کیا گیا تھا۔
  2. Python نوڈز کا ترجمہ کریں – Python کوڈ کو عام فنکشنز یا میتھڈز میں منتقل کریں جنہیں نیا آرکیسٹریٹر کال کر سکے۔ ان کے گرد بنائے گئے کسی بھی ڈیٹرمینسٹک کنٹریکٹ کو برقرار رکھیں۔
  3. کنکشنز کو دوبارہ جوڑیں – Prompt Flow سے کنکشن کی تعریفیں ایکسپورٹ کریں اور انہیں Agent Framework کے سیکرٹ اسٹور میں امپورٹ کریں۔ تصدیق کریں کہ ماحول کے لحاظ سے مخصوص ویلیوز اب بھی درست طریقے سے حل ہو رہی ہیں۔
  4. ایویلیوایشن ڈیٹا منتقل کریں – موجودہ JSONL فائل کو نئے فریم ورک کے ٹیسٹ ہارنس (test harness) میں ڈالیں۔ Agent Framework کے رپورٹنگ فارمیٹ سے مطابقت رکھنے کے لیے میٹرک کیلکولیشنز میں ضروری تبدیلی کریں۔
  5. اینڈ ٹو اینڈ تصدیق کریں – اصل ٹریفک کے نمونے پر مکمل پائپ لائن چلائیں۔ تبدیلیوں (drift) کو پکڑنے کے لیے حتمی آؤٹ پٹس کا اصل Prompt Flow بیس لائن سے موازنہ کریں۔
  6. آرکیسٹریشن پر کام جاری رکھیں – اگر آپ کے ورک فلو کو پروسیس ری اسٹارٹ کے دوران استحکام (resilience) کی ضرورت ہے، تو بصری فلو کو دوبارہ بنانے کے بجائے Azure Durable Functions یا کسی دوسرے دیرپا (durable) آرکیسٹریٹر پر غور کریں۔

آگے کیا دیکھنا ہے

خلاصہ (Takeaway): اپریل 2027 کی ڈیڈ لائن کو ایک حتمی حد کے طور پر لیں۔ Prompt Flow کے کسی بھی نئے پروجیکٹ کو روک دیں، دوبارہ استعمال کے قابل حصوں—YAML تعریفیں، Python لاجک، کنکشن کنفیگریشنز اور ایویلیوایشن ڈیٹا—کو نکالیں، اور جب تک سیکیورٹی اپ ڈیٹس مل رہی ہیں، انہیں Agent Framework میں دوبارہ بنانا شروع کر دیں۔ ابھی کی گئی کوشش بعد میں جلد بازی اور پرخطر مائیگریشن سے بچائے گی۔

ماخذ: https://dev.to/multigrid/building-a-prompt-flow-in-azure-ai-foundry-2bbn