اي آءِ / او سي آر اسپيسيفيڪيشن

سنڌ آءِ ٽي پورٽل — سهولت ڊيسڪ (SITP) تي سڀني اي آءِ صلاحيتن، پلگ ايبل انجن خلاصي، پرامپٽ/پائپ لائن ڊيزائن، PII حذف ۽ ترميم، حڪمراني، تشخيص، ۽ اخلاقيات لاءِ مستند انجنيئرنگ اسپيسيفيڪيشن۔

1. دائرو ۽ اصول

هي دستاويز ان ڳالهه جو واحد مستند ماخذ آهي ته SITP جي اندر اي آءِ ڪيئن استعمال ٿئي ٿو. هي انهن انٽرفيسز جي وضاحت ڪري ٿو جن مان هر اي آءِ ڪال گذري ٿي، انجنز جيڪي انهن کي نافذ ڪن ٿا، يارهين پيداوار صلاحيتون جيڪي انهن کي استعمال ڪن ٿيون، پرامپٽ/پائپ لائن حڪمراني، PII حذف ۽ ترميم پائپ لائن، لاگت/استعمال ماڊل، تشخيصي نظام، ۽ اخلاقي تحفظي نقاب. هي _context.md §3 ۾ مستحڪم "پلگ ايبل AI/OCR" فيصلي ۽ /specs/sd/15-tech-architecture/ §6 ۾ بيان ڪيل اي آءِ آرڪيٽيڪچر کي نافذ ڪري ٿو.

ريڪارڊ جو نظام MariaDB 10.11 آهي (PostgreSQL ناهي). سيمينٽڪ/ويڪٽر سرچ Meilisearch ۽ اي آءِ سروس جي پنهنجي ايمبيڊنگ اسٽور ڪي حوالي ڪئي آهي؛ اسٽيك ۾ ڪٿي به ڪو به pgvector انحصار موجود ناهي. اي آءِ سروس هڪ Python FastAPI مائڪرو سروس آهي جنهن کي NestJS API گیٽ وي ۽ BullMQ ورڪرز سڏين ٿا — ڪلائنٽس ڪڏهن به سڌي سنواسی ناهن.

1.1 اي آءِ اصول

1.2 غير هدف

• هي دستاويز چيٽ بوٽ جي نالج بيس (KB) تيار ڪرڻ جي ورڪ فلو جي وضاحت ناهي ڪندو (ڏسو /specs/sd/18-knowledge-base-sop/).
• هي اهو تعين ناهي ڪندو ته RBAC هيٺ ڪير اي آءِ آؤٽ پٽس استعمال ڪري سگهي ٿو (ڏسو /specs/sd/04-roles-permissions/)؛ ان جي صرف اها گهرج آهي ته اي آءِ آؤٽ پٽس وصول ڪندڙ جي موجودہ اسڪوپنگ جو وارث بجن.
• هي وينڊر ڪلائوڊ ماڊلز جي فائن ٽيوننگ جو احاطو ناهي ڪندو (V1 جي دائري کان ٻاهر؛ مرحلي 2 ۾ ٻيهر جائزو وٺو).

2. پلگ ايبل انجن آرڪيٽيڪچر

2.1 انٽرفيس ڪنٽريڪٽس

FastAPI اي آءِ سروس چار مستحڪم انٽرفيس خاندانن کي ظاهر ڪندي آهي. هر ڪنزيومر (NestJS ماڊيول يا BullMQ ورڪر) انٽرفيس لاءِ پروگرام ڪندو آهي، ڪڏهن وينڊر SDK لاءِ ناهي. هيٺ ڏنل ڪنٽريڪٽس TypeScript انداز ۾ سيوڊو ڪوڊ آهن؛ Python نفاذ ساڳئي شڪل کي پورو ڪن ٿا.

// ---- LLM family -----------------------------------------------------------
interface LLMClient {
  /** Single-turn completion (instructions + input → text). */
  complete(req: LLMRequest): Promise<LLMResponse>;
  /** Multi-turn chat (system + user/assistant turns → assistant text). */
  chat(req: ChatRequest): Promise<ChatResponse>;
  /** Embedding vectors for retrieval / similarity (on-prem by default). */
  embed(req: EmbedRequest): Promise<EmbedResponse>;
}

interface LLMRequest {
  promptTemplateId: string;        // e.g. "summary.v3" — versioned (§8)
  variables: Record<string, unknown>;
  locale: "en" | "ur" | "sd";
  sensitivityClass: "public" | "internal" | "confidential" | "restricted";
  maxOutputTokens: number;
  temperature: number;             // capability-default unless overridden
  responseFormat?: "text" | "json"; // json → schema-validated output
  jsonSchema?: object;             // required when responseFormat = "json"
  citationsRequired: boolean;      // force the model to cite source IDs
}

interface LLMResponse {
  text: string;
  structured?: object;             // populated when responseFormat = "json"
  citations: Citation[];           // [{type:"ticket"|"attachment"|"kb", id, span}]
  finishReason: "stop" | "length" | "content_filter" | "error";
  usage: { promptTokens: number; completionTokens: number; };
  engineUsed: string;              // e.g. "azure-openai:gpt-4o"
  redactionsApplied: number;       // count of PII tokens masked in input
  latencyMs: number;
}

// ---- OCR family -----------------------------------------------------------
interface OCRClient {
  /** Extract text + layout from a scanned/image/PDF document. */
  extract(req: OCRRequest): Promise<OCRResult>;
}

interface OCRRequest {
  objectKey: string;               // MinIO key (already AV-scanned)
  languages: ("en" | "ur" | "sd")[]; // drives tessdata / cloud language hint
  preserveLayout: boolean;         // keep reading order + table structure
  confidenceFloor: number;         // 0..1; below this → review queue
  sensitivityClass: SensitivityClass;
}

interface OCRResult {
  text: string;                    // plain text, reading-order preserved
  blocks: OCRBlock[];              // paragraphs/tables/lines with bbox + confidence
  languageDetected: "en" | "ur" | "sd" | "mixed";
  meanConfidence: number;          // 0..1
  lowConfidenceSpans: OCRSpan[];   // text spans below confidenceFloor
  needsManualReview: boolean;      // true iff meanConfidence < floor OR spans>threshold
  pageCount: number;
  engineUsed: string;
  latencyMs: number;
}

// ---- Transcription family -------------------------------------------------
interface TranscriptionClient {
  /** Speech-to-text for meeting recordings / voice notes. */
  transcribe(req: AudioRequest): Promise<Transcript>;
}

interface AudioRequest {
  objectKey: string;
  languages: ("en" | "ur" | "sd")[];
  diarize: boolean;                // separate speakers (Company / S&ITD / Dept)
  sensitivityClass: SensitivityClass;
}

// ---- Translation family ---------------------------------------------------
interface TranslationClient {
  /** Translate text between EN/UR/Sindhi with glossary constraints. */
  translate(req: TranslationRequest): Promise<TranslationResult>;
}

interface TranslationRequest {
  text: string;
  sourceLocale: "en" | "ur" | "sd" | "auto";
  targetLocale: "en" | "ur" | "sd";
  domain: "general" | "legal" | "technical" | "official-letter";
  glossaryId?: string;             // injected from _glossary.md constraints
  preserveFormatting: boolean;
  sensitivityClass: SensitivityClass;
}

type SensitivityClass = "public" | "internal" | "confidential" | "restricted";

interface Citation {
  type: "ticket" | "attachment" | "kb" | "mom" | "comms";
  id: string;
  span?: { start: number; end: number }; // char offsets in output text
}

2.2 انجن رجسٽري ۽ چونڊ

انجنز اعلانيه طور تي رجسٽرڊ ٿين ٿا ۽ ڪال جي وقت في فيچر ۽ في حساسيت طبقي جي لحاظ کان چونڊيا وڃن ٿا. چونڊ جا ان پٽس: (a) فيچر فليگ سروس، (b) ان پٽ جي ڊيٽا درجه بندي، ۽ (c) ماحولياري سطح جي اجازت نالو فهرست ته جيئن هڪ "خودمختار" ماحول ڪلائوڊ انجنز کي مڪمل طور تي منع ڪري سگهي.

// ai_engine_configs — stored in MariaDB, cached in Redis, audited on change.
// One row per (capability, sensitivityClass) → ordered fallback chain.
type EngineConfig = {
  capability: CapabilityId;          // "ocr" | "summary" | "routing" | ...
  sensitivityClass: SensitivityClass;
  primary: EngineRef;                // first choice
  fallback: EngineRef[];             // ordered; tried on primary failure
  costBudgetPerCall?: Money;         // hard ceiling; call rejected if exceeded
  rateLimitPerMin?: number;          // per-tenant throttle
  enabled: boolean;                  // kill switch
};

type EngineRef = {
  family: "llm" | "ocr" | "transcription" | "translation";
  provider: "azure-openai" | "gemini" | "bedrock"
          | "ollama" | "vllm"              // self-hosted LLM
          | "tesseract"                     // self-hosted OCR
          | "google-doc-ai" | "azure-di" | "textract"  // cloud OCR
          | "zoom" | "meet"                 // cloud transcription
          | "whisper";                      // self-hosted transcription
  model: string;                      // e.g. "gpt-4o", "llama-3.1-70b", "qwen2.5-32b"
  residency: "cloud" | "on-prem";
};

رجسٽري قطارن جي مثال (ڊفالٽس — §4 يوز ڪيسز ذريعي تصديق ٿيل):

غير متغير: restricted ان پٽس لاءِ، اجازت نالو فهرست ۾ صرف residency: "on-prem" انجنز شامل آهن. سليڪٽر هڪ restricted طبقي لاءِ ڪلائوڊ انجن خارج ڪرڻ کان انڪار ڪندو آهي حتیٰ ته جيڪڏهن ڪو ايڊمن رجسٽر غلط ترتيب به ڪري ڏي — هڪ سخت پاليسي چيڪ ڪال کي بند ناڪامي ڏانهن وٺي وڃي ٿو.

2.3 درخواست جو وهڪرو

هر اي آءِ ڪال ساڳئي شڪل تي عمل ڪندي آهي: پاليسي حل ڪريو → انجن چونڊيو → PII حذف ڪريو → ڪال ڪريو → ناڪامي تي فال بیک → لاگ + آڊٽ → جواب ڏيو.

تحريري وضاحت۔ هڪ درخواست پنهنجي صلاحيت آءِ ڊي، حساسيت طبقي، لوڪيل، ۽ پي لوڊ کڻي اندر داخل ٿيندي آهي. گیٽ کيپر پهريان فيچر فليگ چيڪ ڪندو آهي (هڪ غير فعال صلاحيت هڪ ڍانچي واري "ڪو مشورو ناهي" موٽائيندي آهي — ڪڏهن به ڪالر کي استثنیٰ ناهي). پوءِ اهو رهائشي اجازت نالو فهرست نافذ ڪندو آهي: هڪ restricted پي لوڊ ڪڏهن به ڪلائوڊ انجن چونڊي ناهي سگهي. اهو في ڪال لاگت بجٽ ۽ في ٽيننٽ ريٽ ليمٽ چيڪ ڪندو آهي. سليڪٽر ai_engine_configs مان ترتيب ڏنل انجن چين کي حل ڪندو آهي. جيڪڏهن ڪلائوڊ انجن چونڊيو وڃي ته PII پي لوڊ جي قابلِ اعتماد حد کان نڪرڻ کان اڳ حذف ڪيو ويندو آهي؛ آن پريم انجنز لاءِ، دفاعي گهرائي لاءِ حذف ۽ ترميم اڃا به لاڳو ڪئي ويندي آهي پر ٻيهر شامل ڪرڻ لاءِ ميپنگ برقرار رکجندي آهي. ايڊاپٽر انجن کي ڪال ڪندو آهي؛ ناڪامي تي (ٽائم آئوٽ، 5xx، مواد فلٽر، بجٽ خلاف ورزي، يا آؤٽ پٽ اسڪيما تصديق ناڪامي) ايندڙ فال بیک ازمايو ويندو آهي، جيڪڏهن گهرج هجي ته تازو دماغ سان ٻيهر حذف ڪيو ويندو آهي. ڪامياب آؤٽ پٽ مان حذف ۽ ترميم واپس (PII ٽوڪنز ميموري والٽ مان ٻيهر شامل ڪيا) ڪئي ويندي آهي، ان جي JSON اسڪيما ۽ تحفظي نقاب جي خلاف تصديق ڪئي ويندي آهي، ۽ حوالتي چيڪ قابلِ تتبع ماخذ يقيني بڻائيندو آهي. هر ڪال — ڪاميابي يا ناڪامي — هڪ غير تبديل ٿيل ai_runs قطار لڪهندي آهي جيڪا انجن، ليٽنسي، ٽوڪنز، لاگت، حذف ۽ ترميم شمار، پرامپٽ ورزن، ۽ آؤٽ پٽ هيش قيد ڪندي آهي. جيڪڏهن سڀ انجنز ناڪام ٿين، ڪالر کي هڪ ڍانچي واري ناڪامي ملندي آهي ۽ اهو دستي موڊ ۾ گهٽجي ويندو آهي (§11).

2.4 ڊيٽا ماڊل (اي آءِ مخصوص ٽيبلز)

هيٺ ڏنل ٽيبلز (ai_ سان prefix) ساڳئي MariaDB ڊيٽا بيس ۾ موجود آهن؛ مڪمل اسڪيماز /specs/sd/05-data-model/ ۾ آهن.

3. انجن ڪيٽلاگ

هر انجن خاندان لاءِ، ڪيٽلاگ ٺوس اختيار، طاقتون، اردو/سنڌي معيار، اشارتي لاگت، ڊيٽا رهائشي مؤقف، ۽ SITP ۾ تجويز ڪيل استعمال درج ڪندو آهي. لاگتون اشارتي آهن، هڪ بيس لائن جي مقابلي ۾ بيان ڪيون ويون آهن؛ حقيقي بجٽس ai_engine_configs.costBudgetPerCall ۾ مقرر ٿين ٿيون.

3.1 LLM انجنز

چونڊ جي رهنمائي۔ public/internal ڊيٽا تي معيار لاءِ ڪلائوڊ LLM استعمال ڪريو. پنهنجي مضبوط عربي اسڪرپٽ ٽريننگ جي ڪري اردو/سنڌي لاءِ Qwen 2.5 کي آن پريم بنيادي طور استعمال ڪريو؛ انگريزي غالب ڪمن لاءِ Llama 3.1 تي فال بیک ڪريو. restricted پي لوڊز ڪڏهن به ڪنهن ڪلائوڊ LLM ڏانهن موڪلو ناهو.

3.2 OCR انجنز

چونڊ جي رهنمائي۔ Tesseract آن پرم فرش آهي ۽ restricted ان پٽس (CNIC اسڪينز، نادرا پي لوڊز، خفيہ ثبوت) لاءِ واحد اجازت ڏنل OCR آهي. اردو ۽ سنڌي tessdata پيڪيجز انسٽال ڪريو (tessdata_fast ريپوزيٽري مان tesseract-ocr-urd، tesseract-ocr-snd، ان سان گڏ سنڌ حڪومت جي دستاويز نمونن جي خلاف جائزو ورتل هڪ چونڊيل snd.traineddata). LLM کي ٽيڪسٽ ڏيڻ کان اڳ هڪ پوسٽ OCR کلين اپ پاس (Whitespace نارمالائيزيشن، Diacritic مرمت، هندسي شڪل جي نارمالائيزيشن Western↔Arabic-Indic) لاڳو ڪريو.

3.3 ٽرانسڪرپشن انجنز

چونڊ جي رهنمائي۔ جڏهن ميٽنگ ان فراهم ڪندڙ تي هجي ۽ ڊيٽا ڪلاس ڪلائوڊ پروسيسنگ جي اجازت ڏي ته ميٽنگ فراهم ڪندڙ جي اڳ ۾ موجود ٽرانسڪرپشن استعمال ڪريو. restricted آڊيو لاءِ ۽ عالمي فال بیک طور آن پرم Whisper استعمال ڪريو. Whisper کي §10 ۾ گولڊن سيٽ جي خلاف جائزو ورتل سنڌي مخصوص فائن ٽيون مان فائدو ٿئي ٿو.

3.4 ترجمو انجنز

چونڊ جي رهنمائي۔ LLM بنياد ترجمو ڊفالٽ آهي ڇاڪاڻ ته اهو _glossary.md پابنديون قبول ڪندو آهي ۽ لھجي جي لحاظ کان مناسب سرڪاري ٽيڪسٽ پيدا ڪندو آهي. سرڪاري خطوط ۽ شهري اڳيان قانوني ٽيڪسٽ لاءِ انجن کان قطع نظر انساني جائزو ضروري آهي (§5.6).

4. 11 اي آءِ صلاحيتون

هر صلاحيت ان سان گڏ مخصوص ڪئي آهي: مقصد، ان پٽ، آؤٽ پٽ، انجن تجويز، پرامپٽ ٽيمپليٽ (جتي قابلِ اطلاق هجي)، انسان فيصلو ڪندڙ چيڪ پوائنٽ، فال بیک، لاگت تخمينو، ۽ ڪاميابي ميٽرڪس. هر صلاحيت جو هڪ مستحڪم CapabilityId آهي جيڪو ai_engine_configs ۽ فيچر فليگز (§13) ۾ استعمال ٿئي ٿو.

4.1 صلاحيت 1 — OCR

مقصد۔ اسڪينڊ نوٽسز، MoM تصويرن، آءِ ڊي دستاويزات، ۽ ڪابه به غير ٽيڪسٽ PDF/تصوير اپ لوڊ کي لے آئوٽ محفوظ رکڻ ۽ اعتماد اسڪورز سان گڏ ڍانچي واري، ٻولي ٽيگ ٿيل ٽيڪسٽ ۾ ڊجيٽائيز ڪريو. آؤٽ پٽ سرچ انڊيڪسنگ (Meilisearch)، MoM ڪڍڻ (§4.11)، ترجمو (§4.6)، ۽ فائلز پريويو کي کوليندو آهي.

ان پٽ۔ هڪ MinIO آبجيڪٽ ڪليد (اڳ ۾ ئي ClamAV ذريعي AV-scan ٿيل /specs/sd/15-tech-architecture/ §9 مطابق)، درخواست ٿيل ٻوليون، هڪ لے آئوٽ محفوظ رکڻ جو فليگ، هڪ اعتماد فرش (ڊفالٽ 0.75)، ۽ مالڪ ريڪارڊ جو حساسيت طبقو.

آؤٽ پٽ۔ سادي ٽيڪسٽ (پڙهڻ جي ترتيب مطابق محفوظ)، ڍانچي وارا blocks (پيراگراف/ٽيبل/لائن bbox + في بلاڪ اعتماد سان)، ڪئي وئي ٻولي، اوسط اعتماد، گهٽ اعتماد اسپينز، هڪ needsManualReview فليگ، صفحو شمار، استعمال ٿيل انجن، ليٽنسي.

انجن تجويز۔ public/internal لاءِ ڪلائوڊ فرسٽ (Google Document AI → Azure Document Intelligence → Tesseract)؛ confidential/restricted لاءِ صرف Tesseract آن پرم. §3.2 ڏسو.

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ جڏهن needsManualReview سچ هجي، دستاويز في محڪمو OCR جائزو قطار ڏانهن موڪلي ويندي آهي. هڪ جائزو ڪارگزار اصل تصوير OCR ٽيڪسٽ سان گڏ گڏ ڏسندو آهي، ان لائن ترميم ڪندو آهي، ۽ تصديق ڪندو آهي. تصديق ٿيل ٽيڪسٽ اي آءِ ٽيڪسٽ جي جاءِ وٺندو آهي ۽ سرچ انڊيڪس ۾ human_verified=true طور پرچم دار ٿيندو آهي.

فال بیک۔ ڪلائوڊ OCR دستياب ناهي → ايندڙ ڪلائوڊ OCR → Tesseract آن پرم. جيڪڏهن سڀ OCR ناڪام ٿين، فائل اڃا تائين منسلڪ ۽ ڏسڻ واري آهي؛ هڪ پليس هولڊر نوٽ ("OCR هيٺ التواء — دستي اندراج دستياب") ڏيکاريو ويندو آهي ۽ هڪ ٻيهر ڪوشش جي جاب شيڊول ڪئي ويندي آهي.

لاگت تخمينو۔ ڪلائوڊ OCR ~$0.05–$0.15 في صفحو (فراهم ڪندڙ تي منحصر)؛ Tesseract مؤثر طور تي مفت (ڪيپيڪس). في ڪال بجٽ ai_engine_configs ۾ مقرر.

ڪاميابي ميٽرڪس۔ گولڊن سيٽ جي مقابلي ۾ اوسط ڪريمڪٽر ليول درستگي (≥ 97% EN، ≥ 90% UR، ≥ 85% SD)؛ دستي جائزي جي ضرورت وارن دستاويزن جو % (هدف ≤ 15%)؛ 10 صفحي دستاويز لاءِ OCR ليٽنسي P95 ≤ 8 s.

{{templateId: ocr.cleanup.v2}}
{{locale: en}}
You are correcting OCR output for a {{domain}} document in {{detected_language}}.
The source is OCR which may introduce: broken ligatures, dropped diacritics,
Arabic-Indic digits mixed with Western digits, broken words across lines,
spurious whitespace, and table-cell bleed.

Rules:
1. Output the corrected text only — no commentary.
2. Preserve the original paragraph and table structure.
3. Normalize all digits to Western (0-9) unless the source is a date in
   Hijri format (preserve as-is and tag [HIJRI]).
4. Repair obvious ligature/diacritic errors using context; if a word is
   ambiguous, keep the OCR reading and append [?].
5. Do NOT invent content. If a span is illegible, output [ILLEGIBLE].
6. If the document is in Urdu or Sindhi, ensure right-to-left joining is
   preserved; do not reorder words.

Raw OCR:
"""
{{raw_ocr_text}}
"""

4.2 صلاحيت 2 — خلاصو

مقصد۔ هڪ ٽِڪيٽ ۽ هر اٽيچمينٽ جو هڪ مختصر خلاصو تيار ڪريو، ڊيگهه ۾ تشڪيل قابل، گهڻ لساني، ماخذ اسپينز ڏانهن حوالن سان. فرزبندي منظرن، ٽِڪيٽ فهرستن، RAG اسسٽنٽ (§6)، ۽ ڊائجسٽس ۾ استعمال ٿئي ٿو.

ان پٽ۔ ٽِڪيٽ آءِ ڊي (لوڪيل سان گڏ)، ٽِڪيٽ باڊي + سڀني پيغام هسٽري + اٽيچمينٽ OCR ٽيڪسٽ (PII حذف ٿيل)، هڪ هدف ڊيگهه (short ≤ 60 لفظ، medium ≤ 150، long ≤ 400)، ۽ هدف لوڪيل.

آؤٽ پٽ۔ خلاصو ٽيڪسٽ + حوالن اري + ڍانچي وارا keyPoints[] (≤ 5 بلٽس) + entities[] (محڪما، ڪمپنيون، حوالو ڪيل قانون).

انجن تجويز۔ public/internal لاءِ ڪلائوڊ LLM (Azure OpenAI GPT-4o)؛ confidential/restricted لاءِ آن پرم Qwen 2.5. §3.1 ڏسو.

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ خلاصا تجويزن طور پيش ڪيا وڃن ٿا؛ هڪ آفيسر ترميم، مسترد، يا پن ڪري سگهي ٿو. پن ٿيل خلاصا ٽِڪيٽ هيڊر ۾ ظاهر ٿيندا آهن. آفيسر جي منظوري کان سواءِ ڪو به خلاصو ڪنهن شهري اڳيان سطح تي آٽو پبليش ناهي ٿيندو.

فال بیک۔ ڪلائوڊ LLM → آن پرم LLM → جيڪڏهن ٻئي ناڪام ٿين، فال بیک "پريويو" طور ٽِڪيٽ باڊي جا پهريا 400 ڪريمڪٽر ڏيکاريو.

لاگت تخمينو۔ ~$0.002 في خلاصو (GPT-4o، ~1.5k ٽوڪنز ان / 300 آئوٽ).

ڪاميابي ميٽرڪس۔ انساني حوالي جي مقابلي ۾ ROUGE-L ≥ 0.45 گولڊن سيٽ تي؛ حوالتي درستگي 100% (هر حوالو ٿيل اسپين موجود هجڻ گهرجن)؛ آفيسر "جيئن هو رکيو" شرح ≥ 60%.

{{templateId: summary.ticket.v3}}
{{locale: {{target_locale}}}}
You are summarizing a Government of Sindh facilitation-desk ticket for an
officer. Be factual, neutral, and government-formal.

Inputs:
- Ticket title: {{title}}
- Filed by: {{requester_company}} ({{entity_type}})
- Against department: {{department}}
- History (newest last):
{{message_history_redacted}}
- Attachment excerpts (PII-redacted):
{{attachment_excerpts}}

Produce JSON matching this schema:
{
  "summary":   "string, {{length}} words or fewer, in {{target_locale}}",
  "keyPoints": ["string", "..."],     // up to 5, each ≤ 20 words
  "entities":  [{"type":"dept|company|statute|person", "name":"string"}],
  "citations": [{"type":"ticket|attachment", "id":"string", "span":[start,end]}]
}

Rules:
- Cite every factual claim with a citation whose span maps into the inputs above.
- Do NOT include CNIC, phone, email, or bank details even if present in inputs.
- Do NOT speculate. If status is unclear, say so.
- Translate the summary to {{target_locale}} using the approved glossary.

4.3 صلاحيت 3 — آٽو روٽنگ / درجه بندي

مقصد۔ مفت ٽيڪسٽ شڪايت مان منزل محڪمو، سيڪشن، ۽ قسمن جي پيشگوي ڪريو، هڪ اعتماد اسڪور ۽ ٽاپ 3 تجويزن سان. آفيسر تصديق ڪندو آهي؛ تصديق ٿيل يا صحيح ٿيل پيشگوين هڪ فيڊبیک لوپ کي کولينديون آهن جيڪو ماڊل کي بهتر ڪنديون آهن.

ان پٽ۔ ٽِڪيٽ عنوان + باڊي + درخواست ڪندڙ وجوديت قسم + لوڪيل. (روٽنگ لاءِ ڪابه PII ضروري ناهي — ان کي پهريان حذف ڪيو ويندو آهي.)

آؤٽ پٽ۔ ڍانچي وارو: top3: [{department, category, confidence, rationale}]، overallConfidence، needsHumanReview فليگ (سچ جيڪڏهن ٽاپ 1 اعتماد < 0.70)، ان سان گڏ هڪ rulesHit[] اري (LLM کان اڳ هلندڙ تعيناتي قاعدن جي تهن).

انجن تجويز۔ هائبرڊ: پهريان تعيناتي رول تهن (ڪنجي لفظ/regex/معروف نمونا ٽيبل جيڪو S&ITD ايڊمن برقرار رکن ٿا) → صرف مبهم معاملن لاءِ LLM. public/internal لاءِ ڪلائوڊ LLM؛ restricted لاءِ آن پرم.

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ هڪ فرزبندي آفيسر ٽاپ 3 تجويزون ڏسندو آهي ۽ تصديق يا تجاوز ڪندو آهي. هر تجاوز ai_feedback ۾ لاگ ٿيندو آهي ۽ رول تهن کي ٻيهر تربيت ڏيڻ ۽ هڪ فائن ٽيوننگ Corpus ٺاهڻ (مرحلو 2) لاءِ استعمال ٿيندو آهي.

فال بیک۔ جيڪڏهن LLM دستياب ناهي، رول تهن تنهائي تجويزون پيدا ڪندي آهي؛ جيڪڏهن رول تهن به خالي هجي، ٽِڪيٽ ڊفالٽ S&ITD فرزبندي قطار ۾ تبديلي کان سواءِ موڪليو ويندو آهي.

لاگت تخمينو۔ ~$0.0005 في درجه بندي (GPT-4o-mini، مختصر پرامپٽ).

ڪاميابي ميٽرڪس۔ ٽاپ 1 درستگي ≥ 75%؛ ٽاپ 3 درستگي ≥ 92%؛ آفيسر تجاوز شرح ≤ 25%؛ وچين ليٽنسي ≤ 1.5 s.

{{templateId: routing.classify.v2}}
{{locale: {{source_locale}}}}
You are a routing assistant for the Sindh IT Portal. Classify the complaint
into exactly one department and one category from the provided catalogs.

Departments (code → name):
{{department_catalog}}

Categories (code → name, scoped to department):
{{category_catalog}}

Complaint (PII-redacted):
Title: {{title}}
Body: {{body_redacted}}
Requester entity type: {{entity_type}}

Produce JSON:
{
  "top3": [
    {"department":"<code>","category":"<code>","confidence":0.0,
     "rationale":"≤ 25 words"}
  ],
  "overallConfidence": 0.0,
  "needsHumanReview": true,
  "signals": ["keyword matched: ...", "..."]
}

Rules:
- Confidence values are in [0,1] and must sum to ~1 across top3.
- Use ONLY departments and categories from the catalogs. Never invent codes.
- Rationale must reference specific words from the complaint.
- If the complaint is out of scope (not a GoS department matter), set
  department = "OUT_OF_SCOPE" and confidence high.

4.4 صلاحيت 4 — جلديَت / جذباتي حالت اسڪورنگ

مقصد۔ هڪ ترجيح (Low / Medium / High / Critical) ۽ فليگز (vip، urgent، legal_deadline، media_attention) هڪ بنياد سان گڏ تجويز ڪريو. فرزبندي ترتيب ۽ SLA ٽِڪ ويٽنگ هلائيندو آهي.

ان پٽ۔ ٽِڪيٽ باڊي + درخواست ڪندڙ ڪنٽيڪسٽ (ڇا ڪمپني PSEB رجسٽرڊ / وڏو آجور آهي؟ — صرف بولين، ڪابه PII ناهي) + ڪا به واضح ذڪر ٿيل آخري تاريخون.

آؤٽ پٽ۔ { priority, vipFlag, urgentFlag, sentimentScore (-1..1), rationale, signals[] }.

انجن تجويز۔ وڌيڪ حجم تي لاگت لاءِ آن پرم Llama 3.1 70B يا Qwen 2.5؛ نادر needsHumanReview معاملن لاءِ ڪلائوڊ. پهريان تعيناتي قاعدا (RTI، قانوني آخري期限 جملن، VIP نالو فهرست لاءِ regex).

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ تجويز فرزبندي آفيسر کي ڏيکاري ويندي آهي جيڪا حتمي ترجيح مقرر ڪندي آهي. تبديليون ai_feedback کي کولينديون آهن.

فال بیک۔ LLM دستياب نه هجڻ تي صرف قاعدن تي مبني ترجيح؛ قاعدا خالي هجن ته ڊفالٽ Medium.

لاگت تخمينو۔ ~$0.0002 في ڪال (آن پرم ~0 تائين amortize).

ڪاميابي ميٽرڪس۔ آفيسر سان ترجيح متفق ≥ 80%؛ VIP ياداشت ≥ 95% (ڪوڙا منفي مهنگا هوندا آهن)؛ CSAT سان جذباتي حالت تعلق ≥ 0.5.

{{templateId: urgency.score.v2}}
{{locale: {{source_locale}}}}
Assess the urgency of this facilitation-desk ticket.

Ticket (PII-redacted):
{{body_redacted}}

Requester context (no PII):
- PSEB-registered: {{pseb_registered}}
- Employee-band: {{employee_band}}   // small | medium | large
- Explicit deadline mentioned: {{deadline_extracted}}

Produce JSON:
{
  "priority": "Low|Medium|High|Critical",
  "vipFlag": false,
  "urgentFlag": false,
  "legalDeadlineFlag": false,
  "mediaAttentionFlag": false,
  "sentimentScore": 0.0,   // -1 (very negative) .. 1 (very positive)
  "rationale": "≤ 30 words",
  "signals": ["..."]
}

Rules:
- "Critical" implies action today and is reserved for: legal/statutory
  deadlines within 48h, VIP requesters, or safety-of-life language.
- VIP list is provided server-side; do not infer VIP from names alone.
- Never mark Critical based on sentiment alone.

4.5 صلاحيت 5 — مسودو جواب تجويزون

مقصد۔ درخواست ڪندڙ جي ترجيحي لوڪيل ۾، صحيح لھجي ۾، موڪڻ کان اڳ ترميم قابل، ڪنٽيڪسٽ آگاهه آفيسر جواب جا مسودا تيار ڪريو. آفيسر ٽائپنگ گهٽ ڪندو آهي ۽ هڪ مستقل، باوقار سرڪاري انداز نافذ ڪندو آهي.

ان پٽ۔ ٽِڪيٽ آءِ ڊي، لوڪيل، تازي ترين آنڌي وارو پيغام، ٽِڪيٽ هسٽري (حذف ٿيل)، RAG تهن (§6) ذريعي بازیافت ٿيل متعلقه KB/SOP اقتباس، ۽ هڪ لھجو اشارو (informational، apologetic، directive، closure).

آؤٽ پٽ۔ 3 تائين متبادل مسودا، هر هڪ { body, tone, citations[] }.

انجن تجويز۔ ڪلائوڊ LLM (Azure OpenAI GPT-4o) بنيادي؛ آن پرم Qwen فال بیک.

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ مسودا ڪڏهن به آٽو موڪيا ناهن ويندا. آفيسر هڪ چونڊيندو آهي، ترميم ڪندو آهي، ۽ موڪيندو آهي. حتمي موڪليل پيغام محفوظ ٿيندو آهي؛ مسودي ۽ حتمي جي وچ ۾ ڊف بهتري جي لوپ کي کوليندو آهي.

فال بیک۔ جيڪڏهن LLM دستياب ناهي، هڪ چونڊيل ٽيمپليٽ لائبريري (في قسم) ڏيکاريو جنهن مان آفيسر دستي طور چونڊي سگهي.

لاگت تخمينو۔ ~$0.003 في مسودو سيٽ.

ڪاميابي ميٽرڪس۔ مسودو قبول (≤ 20% ترميم سان موڪليل) ≥ 50%؛ اے/بي ۾ آفيسر پهرين جواب جو وقت گهٽجڻ ≥ 30%؛ لھجو تعميل (جائزو ڪارگزارشدرجه بنندل) ≥ 90%.

{{templateId: draft_reply.v3}}
{{locale: {{target_locale}}}}
You are drafting a reply for an officer of the Sindh IT Portal facilitation
desk to a company representative. Write in {{target_locale}}.

Context (PII-redacted):
- Ticket: {{ticket_ref}} ({{department}})
- Latest message from requester: {{latest_message_redacted}}
- History summary: {{history_summary}}
- Applicable SOP/KB (retrieved):
{{retrieved_context_with_ids}}
- Tone hint: {{tone_hint}}

Produce JSON:
{
  "drafts": [
    {"body":"string in {{target_locale}}, 80-200 words",
     "tone":"informational|apologetic|directive|closure",
     "citations":[{"type":"kb|sop|ticket","id":"string"}]}
  ]
}

Rules:
- Address the requester respectfully per {{target_locale}} convention.
- State the next concrete step and a realistic timeframe.
- Cite the SOP/KB used; never invent policy or commit to actions outside SOP.
- Do NOT include any PII not already in {{latest_message_redacted}}.
- Offer 2-3 variants differing in tone or length, not in substance.
- Close with the standard sign-off block (added by the caller, not the model).

4.6 صلاحيت 6 — ترجمو (EN ↔ UR ↔ سنڌي)

مقصد۔ پيغامات، MoM، KB آرٽيڪلز، سرڪيولرز، ۽ سرڪاري خطوط جو EN/UR/سنڌي جي وچ ۾ لغت پابندين ۽ هدف سامعين جي مناسب لھجي سان ترجمو ڪريو. شهري اڳيان ۽ سرڪاري قانوني آؤٽ پٽس هميشہ انساني جائزي مان گذرندا آهن.

ان پٽ۔ ماخذ ٽيڪسٽ (حذف ٿيل)، ماخذ لوڪيل (يا auto)، هدف لوڪيل، ڊومين (general | legal | technical | official-letter)، لغت آءِ ڊي.

آؤٽ پٽ۔ { translated, detectedSourceLocale, glossaryHits[], confidence }.

انجن تجويز۔ public/internal لاءِ لغت انجيڪشن سان ڪلائوڊ LLM؛ confidential/restricted لاءِ آن پرم Qwen 2.5 (بهترين SD).

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ انهن لاءِ ضروري: سرڪاري خطوط (ماڊيول L)، شهري اڳيان قانوني ٽيڪسٽ، RTI قسمن جا جواب، ۽ ڪابه به official-letter ڊومين وارو ٽيڪسٽ. اندروني پيغامات لاءِ آپشنل.

فال بیک۔ وقفه ٿيل MT API → آن پرم LLM → جيڪڏهن سڀ ناڪام ٿين، اصل ٻولي جو ٽيڪسٽ هڪ بينر "ترجمو دستياب ناهي" سان گڏ ڏيکاريو ويندو آهي.

لاگت تخمينو۔ ~$0.001–$0.005 في صفحو انجن تي منحصر.

ڪاميابي ميٽرڪس۔ گولڊن سيٽ جي مقابلي ۾ COMET يا BLEU: EN↔UR ≥ 0.40 BLEU؛ UR↔SD ≥ 0.35 BLEU؛ لغت اصطلاح پابندي 100%؛ انساني جائزو ڪارگزار قبوليت ≥ 80%.

{{templateId: translation.glossary.v2}}
{{locale: {{target_locale}}}}
Translate the following {{source_locale}} text into {{target_locale}}.

Domain: {{domain}}
Use ONLY these approved term mappings (do not paraphrase the left column):
{{glossary_pairs}}

Text (PII-redacted):
"""
{{source_text}}
"""

Rules:
- Preserve paragraph breaks, list markers, and table structure.
- Preserve all numbers, dates, ticket IDs, and URLs verbatim.
- Preserve [BRACKETED_PLACEHOLDERS] verbatim — they are template tokens.
- If a term is ambiguous, choose the glossary mapping; if no mapping,
  keep the source term in parentheses after the translation on first use.
- For domain=official-letter, use formal government register and the
  approved salutation/valediction for {{target_locale}}.
- Output the translation only, no commentary.

4.7 صلاحيت 7 — نقل / مشابهت جي سڃاڻپ

مقصد۔ نقل يا انتهايي مشابه ٽِڪيٽس جي سڃاڻپ ڪريو (ساڳي ڪمپني جو ٻيهر داخل ڪرڻ، يا هڪ ئي مسئلي سان متاثر گھڻ ڪمپنيون)، ضم ڪرڻ جون تجويزون ڏيو، ۽ متعلقه ٽِڪيٽس آفيسر اڳيان آڻيو.

ان پٽ۔ هڪ نئين ٽِڪيٽ جو عنوان + باڊي (حذف ٿيل)، يا ڪنهن موجودہ ٽِڪيٽ تي واضح "مشابه ڳوليو" استفسار. اختياري طور تي ڪمپني، محڪمي، يا وقت ونڊو جي لحاظ کان اسڪوپڊ.

آؤٽ پٽ۔ candidates: [{ ticketId, score, reason }] اسڪور مطابق ترتيب ٿيل، جڏهن اسڪور ≥ threshold هجي ۽ ساڳئي درخواست ڪندڙ/وجوديت شامل هجي mergeSuggested فليگ سان.

انجن تجويز۔ ايمبيڊنگز هميشہ آن پرم رهنديون آهن. آن پرم ايمبيڊنگ ماڊل سان ايمبيڊنگز تيار ڪريو؛ مشابهت سرچ Meilisearch ۾ هلندي آهي (جو گهڻ لساني انڊيڪس سان گڏ ويڪٽر سرچ جي حمايت ڪندو آهي). خفيہ/VIP ٽِڪيٽس لاءِ، ايمبيڊنگز ڪمپيوٽ توڙي وينديون آهن پر صرف ساڳئي خفيہ حلقي جي اندر ملايون وينديون آهن.

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ ضم هميشہ هڪ سبب سان گڏ آفيسر جو واضح عمل آهي. نظام ڪڏهن به آٽو ضم ناهي ڪندو.

فال بیک۔ جيڪڏهن ايمبيڊنگز دستياب نه هجن، عنوانن تي Meilisearch ليڪسيڪل مشابهت (BM25 جهڙوڪ) تي فال بیک ڪريو.

لاگت تخمينو۔ قابلِ تخطيه (آن پرم ايمبيڊنگز amortize).

ڪاميابي ميٽرڪس۔ گولڊن نقل سيٽ تي Precision@10 ≥ 0.6؛ حقيقي نقل جي ياداشت ≥ 0.85؛ ڪوڙي ضم تجويز شرح ≤ 5%.

{{templateId: dedup.explain.v1}}
{{locale: {{source_locale}}}}
You are explaining why two tickets may be duplicates, to help an officer
decide whether to merge. Both ticket texts below are PII-redacted.

Ticket A ({{ticket_a_ref}}):
{{ticket_a_redacted}}

Ticket B ({{ticket_b_ref}}):
{{ticket_b_redacted}}

Cosine similarity of embeddings: {{similarity_score}}

Produce JSON:
{
  "areDuplicates": true|false,
  "confidence": 0.0,
  "sharedAspects": ["...", "..."],   // concrete shared facts
  "differences":   ["...", "..."],
  "mergeSuggested": true|false,
  "rationale": "≤ 40 words"
}

Rules:
- Two tickets are duplicates only if they describe the SAME underlying issue
  from the SAME requester (or a verifiable proxy). Similar topic ≠ duplicate.
- Never suggest merging across different companies unless evidence is strong.

4.8 صلاحيت 8 — عوامي چيٽ بوٽ

مقصد۔ پورٽل تي هڪ عوام اڳيان وارو اسسٽنٽ جيڪو FAQ جو جواب ڏيندو آهي، داخل ڪرڻ ۾ مدد ڪندو آهي، ۽ ٽِڪيٽ حالت ڳوليندو آهي. عوامي نالج بيس (KB) تي Retrieval-Augmented Generation (RAG)؛ سخت اسڪوپ؛ مڪمل ڪنٽيڪسٽ سان گڏ انساني هينڊ آف.

ان پٽ۔ صارف پيغام (مفت ٽيڪسٽ، ڪابه به لوڪيل)، سيشن آءِ ڊي، اختياري ticketRef حالت ڳولڻ لاءِ (صرف جيڪڏهن صارف ٽِڪيٽ جي مالڪ طور تصديق ٿيل هجي)، لوڪيل.

آؤٽ پٽ۔ { answer, citations[], suggestedActions[], handoff: bool }. جواب KB آرٽيڪلز کي آءِ ڊي ۽ عنوان جي حساب سان حوالو ڏيندا آهن.

انجن تجويز۔ معيار لاءِ ڪلائوڊ LLM (Azure OpenAI GPT-4o)؛ ريٽرايول انڊيڪس صرف عوامي KB مواد آهي (ڪابه ٽِڪيٽ باڊيز ناهي، ڪابه PII ناهي).

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ بوٽ ڪڏهن به ٽِڪيٽ آٽو داخل، تبديل، يا بند ناهي ڪندو. هڪ "سهولت ڪار سان ڳالهائيو" هينڊ آف گفتگو ٽرانسڪرپٽ + حوالو ٿيل آرٽيڪلز پيڪيج ڪندو آهي ۽ هڪ انسان لاءِ ٽِڪيٽ اسڪوپڊ ٿريڊ ٺاهيندو آهي.

فال بیک۔ جيڪڏهن LLM ڊائون هجي، بوٽ KB تي خالص ڪنجي لفظ سرچ تي آرٽيڪل لنڪس سان گهٽجي ويندو آهي.

لاگت تخمينو۔ ~$0.005 في گفتگو (اوسط 4 موڙ).

ڪاميابي ميٽرڪس۔ انحراف شرح (انساني هينڊ آف کان سواءِ حل) ≥ 40%؛ حوالتي درستگي 100%؛ تحفظي نقاب خلاف ورزي شرح = 0؛ بوٽ جوابن تي CSAT ≥ 4/5.

تحفظي نقاب۔ سسٽم پرامپٽ نافذ ڪندو آهي: صرف بازیافت ٿيل KB مان جواب ڏيو؛ ڪڏهن به PII قبول يا محفوظ نه ڪريو (جيڪڏهن صارف CNIC/فون ٽائپ ڪري، بوٽ انڪار ڪندو آهي ۽ تصديق ٿيل ٽِڪيٽ حالت پيج ڏانهن اشارو ڪندو آهي)؛ ڪڏهن به سياست، مذهب، يا هيٺ التواء مطلب تي راءِ نه ڏيو؛ شائع ٿيل SLA کان ٻاهر ڪڏهن به آخري期限 جو واعدو نه ڪريو؛ هميشہ انساني هينڊ آف پيش ڪريو.

{{templateId: chatbot.public.v3}}
{{locale: {{user_locale}}}}
You are the Sindh IT Portal public assistant. You help IT companies and
citizens with the Sindh IT Portal — Facilitation Desk.

Retrieved Knowledge Base context (cite these by id):
{{retrieved_kb_chunks}}

Conversation so far:
{{conversation}}

User's latest message:
{{user_message}}

Produce JSON:
{
  "answer": "string in {{user_locale}}, ≤ 150 words",
  "citations": [{"type":"kb","id":"...","title":"..."}],
  "suggestedActions": [{"label":"...","action":"file|track|handoff|kb:read"}],
  "handoff": false
}

Hard rules:
- Answer ONLY using the retrieved KB context. If the answer is not there,
  say you don't know and suggest handoff.
- NEVER accept or repeat PII (CNIC, phone, email, bank). If the user sends
  any, warn them and do not store it.
- NEVER give legal advice or predict outcomes of specific cases.
- NEVER quote SLA numbers not present in the KB.
- Always offer handoff to a human facilitator as a suggested action.
- Keep answers concise and actionable.

4.9 صلاحيت 9 — PII حذف ۽ ترميم

مقصد۔ ذاتي سڃاڻپ واري معلومات (CNIC، فون، اي ميل، مالي) کي ڪنهن به ڪلائوڊ انجن ڪال کان اڳ سڃاڻپ ۽ لڪايو. صرف اندروني طور تي مختصر TTL PII والٽ ذريعي قابلِ تبديبي. هي بنيادي صلاحيت آهي — هر ٻي صلاحيت ان تي انحصار ڪري ٿي. تفصيلي پائپ لائن §7 ۾.

ان پٽ۔ مفت ٽيڪسٽ (يا دستاويز باڊي) حساسيت طبقي ۽ منزل رهائش (ڪلائوڊ بمقابله آن پرم) سان.

آؤٽ پٽ۔ { redactedText, mappings: [{token, type, originalRef}], redactionCount }. originalRef خفيه ڪيل ai_pii_vault ۾ هڪ مبهم هينڊل آهي؛ خام ويليوز ڪڏهن به اي آءِ سروس ناهي ڇڏيندا.

انجن تجويز۔ هميشہ آن پرم. Regex + چونڊيل گزٽيئر + هڪ ننڍڙو آن پرم NER ماڊل (مثلاً هڪ فائن ٽيون ٿيل XLM-R يا اردو/سنڌي توسيعن سان spaCy پائپ لائن). هي صلاحيت ڪڏهن به ڪلائوڊ انجن کي ڪال ناهي ڪندي.

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ رن ٽائم تي ڪابه ناهي (مڪمل طور تي خودڪار هجڻ گهرجن). ڊيٽا حڪمراني جائزو ڪارگزار ذريعي درستگي/ياداشت آڊٽ لاءِ وقفوً وقفوً نمونو ورتو ويندو آهي (§10).

فال بیک۔ جيڪڏهن NER ماڊل دستياب ناهي، صرف regex حذف ۽ ترميم اڃا تائين هلندي آهي. جيڪڏهن regex به ڊائون هجي، ڪال بند ناڪامي آهي: پي لوڊ لاءِ ڪو به ڪلائوڊ انجن سڏيل ناهي ويندو؛ آن پرم انجنز جاري رهندا آهن.

لاگت تخمينو۔ قابلِ تخطيه (آن پرم، صرف CPU).

ڪاميابي ميٽرڪس۔ CNIC (13 هندسي) لاءِ ياداشت ≥ 0.99، فون/اي ميل لاءِ ≥ 0.97، بينڪ/IBAN لاءِ ≥ 0.95؛ درستگي ≥ 0.98 (ڪوڙي حذف ۽ ترميم پڙهڻ ٽوڙي ڇڏيندي آهي، تنهنڪري درستگي اهم آهي)؛ صفر خام PII ايگريشن واقعا (هڪ ڊائون سٽريم ڪينري ذريعي نگراني).

{{templateId: pii_redact.rules.v1}}
{{locale: auto}}
PII redaction is rule-and-model based, not LLM-based, to guarantee determinism.
This template documents the rule set the redaction service applies.

Entity patterns (regex, applied with Unicode case-folding):
- CNIC:            ^\d{5}-\d{7}-\d$   (and un-dashed variant)
- Phone PK:        ^(\+92|0)?3\d{2}[-\s]?\d{7}$
- Email:           RFC-5322 simplified
- IBAN PK:         ^PK\d{2}[A-Z0-9]{24}$
- Bank account:    \b\d{10,18}\b within 2 tokens of {account|a/c|bank}
- Credit card:     Luhn-valid 13-19 digit
- Vehicle reg:     3-letter city code + digit patterns (Sindh plates)

Masking format: [{{TYPE}}_{{seq}}]   e.g. [CNIC_1], [PHONE_2], [EMAIL_1]

Behaviour:
- Each distinct raw value gets a unique token within the request scope.
- The mapping {token → raw} is written to ai_pii_vault (encrypted, TTL=10 min).
- For on-prem engines, the mapping is retained in memory for re-hydration.
- For cloud engines, the mapping NEVER leaves the AI service boundary.
- Aggressive mode (sensitivity=restricted): also mask named persons not on
  the public-officials allow-list.

4.10 صلاحيت 10 — رجحان / تجزيا

مقصد۔ غير واضح نمونن کي اڳيان آڻيو: موضوع ڪلسٽرز، بي ضابطگي (ڪنهن قسم ۾ اچانڪ اضافو)، SLA خلاف ورزي پيشگوي ڪار، ۽ پاليسي بصيرتون. ان پٽس مجموعي/گمنام آهن؛ خام ٽِڪيٽ باڊيز ڪڏهن به ڪلائوڊ LLM ڏانهن ناهن موڪليون وينديون.

ان پٽ۔ تجزيا ماڊيول (ماڊيول I) ذريعي تيار ٿيل اڳ ۾ مجموعي ٽائم سيريز ۽ موضوع رول اپس — محڪمي، قسم، ضلعو، SLA حيثيت، جذباتي حالت بڪٽ جي لحاظ کان شمار. اختياري طور تي گمنام نمونو عنوان (PII حذف ٿيل، ڪمپني نالو بينڊ تائين عام).

آؤٽ پٽ۔ { insights: [{ finding, evidence, severity, suggestedAction }], topicClusters[], anomalies[] }.

انجن تجويز۔ صرف مجموعي تي ڪلائوڊ LLM؛ ڪلاسيڪي ML (پيشگوي لاءِ Prophet/STL، بي ضابطگي لاءِ Isolation Forest) خام مجموعي تي آن پرم هلندو آهي.

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ بصيرتون S&ITD تجزيا جائزو ڪارگزار ۽ سيڪريٽري بريفنگ پائپ لائن (§6) کي پيش ڪيون وينديون آهن. ڪابه بصيرت آٽو ڪارروائي شروع ناهي ڪندي.

فال بیک۔ صرف ڪلاسيڪي ML؛ LLM بيانيه ڇڏي ڏنو ويندو آهي.

لاگت تخمينو۔ ~$0.01 في هفتيوار بصيرتون رن (گهٽ تعدد).

ڪاميابي ميٽرڪس۔ جائزو ڪارگزارشن ذريعي بصيرت متعلقه درجه بندي ≥ 4/5؛ ليبل ٿيل واقعن جي مقابلي ۾ بي ضابطگي سڃاڻپ F1 ≥ 0.7؛ 48 مهلن horizon تي SLA خلاف ورزي پيشگوي AUC ≥ 0.8.

{{templateId: trends.insights.v2}}
{{locale: en}}
You are analyzing aggregated, anonymized facilitation-desk metrics to produce
insights for S&ITD leadership. Input is AGGREGATES ONLY — no individual PII.

Aggregates (last {{window}}):
{{aggregates_json}}

Optional anonymized title samples (already PII-redacted):
{{anonymized_titles}}

Produce JSON:
{
  "insights": [
    {"finding":"≤ 30 words",
     "evidence":"reference to specific aggregate value",
     "severity":"info|watch|alert",
     "suggestedAction":"≤ 25 words"}
  ],
  "topicClusters": [{"label":"...","ticketCount":0,"trend":"up|down|flat"}],
  "anomalies":     [{"metric":"...","expected":0,"observed":0,"note":"..."}]
}

Rules:
- Cite the specific aggregate number that supports each finding.
- Do NOT name companies or individuals; refer to bands/sectors.
- Distinguish correlation from causation explicitly.
- suggestedAction must be within S&ITD's mandate (policy, escalation, SOP).

4.11 صلاحيت 11 — MoM ايڪشن آئٽم ڪڍڻ

مقصد۔ هڪ اپ لوڊ ٿيل اجلاس جي روداد (PDF/Word/تصويرون — اسڪينڊ هجڻ تي پهريان OCR ٿيل) مان ڍانچي وارا ايڪشن آئٽمز (مالڪ، آخري تاريخ، فيصلو، ترجيح) ڪڍيو، هڪ خلاصو تيار ڪريو، ۽ آفيسر کي ايڪشن آئٽمز جي ذيلي ٽاسڪ بجڻ کان اڳ تصديق ڪرڻ ڏيو. هي _context.md §5 ۾ MoM اپ لوڊ فرسٽ فيصلي کي نافذ ڪندو آهي.

ان پٽ۔ MoM فائل آبجيڪٽ ڪليد (ضرورت هجڻ تي صلاحيت 1 ذريعي اڳ ۾ ئي OCR ٿيل)، ميٽنگ ميٽا ڊيٽا (تاريخ، شرڪاء، ٽن ڌرين واريون دھرون)، دستاويز جو/جي لوڪيل.

آؤٽ پٽ۔ { summary, decisions[], actionItems: [{ owner, ownerType, dueDate, description, priority, linkedTicket }], rawTextRef }. تاريخون ISO-8601 ۾ پارس ڪيون وينديون آهن؛ هجري تاريخون محفوظ ۽ ٽيگ ٿيل.

انجن تجويز۔ public/internal لاءِ OCR + حذف ۽ ترميم کانپوءِ ڪلائوڊ LLM (GPT-4o، ڊگهو ڪنٽيڪسٽ)؛ restricted لاءِ آن پرم Qwen 2.5 72B (ڪي MoMs خفيہ/VIP آهن).

انسان فيصلو ڪندڙ چيڪ پوائنٽ۔ لازمي. آفيسر گڏ گڏ ايڊيٽر (خام MoM ٽيڪسٽ ↔ ڪڍيل ٽيبل) ۾ ڪڍيل ايڪشن آئٽمز جو جائزو وٺندو آهي، مالڪن/تاريخن/تفصيل کي صحيح ڪندو آهي، ڪوڙا مثبت هٽائيندو آهي، ۽ تصديق ڪندو آهي. تصديق ٿيل آئٽمز ٽِڪيٽ ذيلي ٽاسڪ بجي ويندا آهن؛ تصديق آڊٽ لاگ ٿيندي آهي. حساس/VIP ٽِڪيٽس لاءِ، پبلشنگ کان اڳ موجوده چيئر/DG منظوري گیٽ (ڏسو /specs/sd/21-mom-meetings/) اڃا تائين لاڳو ٿيندو آهي.

فال بیک۔ جيڪڏهن ڪڍڻ ناڪام ٿئي، خام OCR ٽيڪسٽ ڏيکاريو ويندو آهي ۽ آفيسر ايڪشن آئٽمز دستي داخل ڪندو آهي.

لاگت تخمينو۔ ~$0.01 في MoM (GPT-4o، ~6k ٽوڪنز ان).

ڪاميابي ميٽرڪس۔ ايڪشن آئٽم درستگي ≥ 0.85؛ ياداشت ≥ 0.80؛ تاريخ پارس درستگي ≥ 0.90؛ آفيسر وچين ترميم وقت ≤ 5 منٽ في MoM.

{{templateId: mom.extract.v3}}
{{locale: {{source_locale}}}}
You are extracting structured action items from a Minutes of Meeting (MoM)
of a tripartite review (Company + S&ITD + Department) on the Sindh IT Portal.

MoM text (OCR'd, PII-redacted):
{{mom_text}}

Meeting metadata:
- Date: {{meeting_date}}  (Hijri: {{meeting_date_hijri}})
- Parties: Company ({{company_band}}), S&ITD facilitator, {{department}}
- Linked ticket: {{ticket_ref}}

Produce JSON:
{
  "summary": "≤ 120 words in {{source_locale}}",
  "decisions": [
    {"text":"...","decidingParty":"company|sitd|dept|joint"}
  ],
  "actionItems": [
    {
      "owner":"name or role",
      "ownerType":"company|sitd|dept|external",
      "dueDate":"ISO-8601 or null",
      "dueDateHijri":"string or null",
      "description":"≤ 40 words",
      "priority":"Low|Medium|High",
      "linkedTicket":"{{ticket_ref}} or null"
    }
  ]
}

Rules:
- Extract ONLY explicit action items (verbs of commitment: will, shall, to
  complete, assigned to). Do NOT infer items from general discussion.
- If an owner is ambiguous, set ownerType and leave owner = "UNASSIGNED".
- If a due date is missing or relative ("within two weeks"), compute from
  {{meeting_date}} and tag the field dueDateInferred=true.
- Preserve Hijri dates alongside Gregorian; never silently convert.
- Link each action item to {{ticket_ref}} unless it clearly belongs elsewhere.
- Do not invent decisions; if none are explicit, return an empty decisions[].

5. درجه بندي اي آءِ اسسٽنٽ (RAG)

پورٽل هڪ اي آءِ اسسٽنٽ جا ٽي درجا فراهم ڪندو آهي — هڪ Retrieval-Augmented-Generation (RAG) اسسٽنٽ جيڪو ڪردار جي لحاظ کان اسڪوپڊ آهي. ٽئي هڪ ريٽرايول بڪ اينڊ ۽ هڪ انجن خلاصي شيئر ڪن ٿا؛ اهي Corpus، پرامپٽ، ۽ UI سهولتن ۾ فرق رکن ٿا.

5.1 درجو ميٽرڪس

5.2 RAG آرڪيٽيڪچر

ريٽرايول بڪ اينڊ گهڻ لساني ليڪسيڪل سرچ لاءِ Meilisearch آهي ان سان گڏ سيمينٽڪ مشابهت لاءِ هڪ ويڪٽر انڊيڪس (Meilisearch هائبرڊ سرچ جي حمايت ڪندو آهي؛ اي آءِ سروس ۾ هڪ بيروني ايمبيڊنگ اسٽور ٻيهر انڊيڪسنگ لاءِ مستند ويڪٽرز رکندو آهي). ڪابه pgvector استعمال ناهي ٿيندي؛ ريڪارڊ جو نظام MariaDB آهي ۽ ويڪٽر سرچ Meilisearch/اي آءِ سروس ڪي حوالي ڪئي آهي.

تحريري وضاحت۔ صارف جو سوال هڪ آن پرم ايمبيڊنگ ماڊل ذريعي ايمبيڊ ڪيو ويندو آهي (ايمبيڊنگز ڪڏهن به حد ناهن ڇڏينديون). Meilisearch تي هڪ هائبرڊ ريٽرايول ليڪسيڪل (گهڻ لساني ٽوڪنائزيشن، اردو/سنڌي لاءِ چڱي) ۽ ويڪٽر مشابهت کي ملائيندو آهي، صارف جي RBAC + ABAC جي لحاظ کان اسڪوپڊ ته جيئن هڪ اسٽاف آفيسر ڪنهن ٻئي محڪمي جي خفيہ ٽِڪيٽس ۾ ريٽرايو ناهي ڪري سگهي ۽ DG پنهنجي پورٽ فوليو کان ٻاهر ٽِڪيٽ باڊيز ناهي ڏسي سگهي. ٽاپ K چنکس کي ٻيهر درجه بندي ڪيو ويندو آهي (ڪراس انڪوڊر يا LLM ريرينڪ) ته جيئن درستگي بهتر ٿئي. پرامپٽ هڪ درجو مخصوص سسٽم پرامپٽ، بازیافت ٿيل چنکس (هر هڪ پنهنجو ماخذ آءِ ڊي کڻندڙ: ٽِڪيٽ، اٽيچمينٽ، KB، MoM، comms)، ۽ سوال مان اسمبل ڪيو ويندو آهي. LLM جواب تيار ڪندو آهي؛ حوالتي بائنڊر دعوائن کي اسپن ذريعي ماخذ آءِ ڊيز ڏانهن واپس ميپ ڪندو آهي. پوسٽ تحفظي نقاب نافذ ڪندا آهن: جواب ۾ اهڙي PII ناهي جيڪا (حذف ٿيل) بازیافت ٿيل ڪنٽيڪسٽ ۾ ناهي، اسڪوپ تعميل (صرف اسڪوپ ۾ موجود ماخذن مان جواب)، ۽ پاليسي تعميل (ڪابه وضع ڪيل SLA ناهي، ڪابه قانوني مشوره ناهي). جواب حوالن سان گڏ موٽايو ويندو آهي جن کي UI ماخذ ريڪارڊ ڏانهن ڪلڪ قابل لنڪس طور رينڊر ڪندو آهي.

5.3 في درجو پرامپٽس

{{templateId: assistant.staff.v2}}
{{locale: {{user_locale}}}}
You are the staff AI assistant for an officer working ticket {{ticket_ref}} on
the Sindh IT Portal. Answer the officer's question using ONLY the retrieved
context, which is scoped to this ticket and the officer's department SOPs/KB.

Retrieved context (each chunk has a source id):
{{retrieved_chunks_with_ids}}

Officer's question:
{{question}}

Produce JSON:
{
  "answer": "≤ 200 words in {{user_locale}}",
  "citations": [{"type":"ticket|attachment|kb|sop|mom","id":"...","span":[s,e]}],
  "followups": ["optional clarifying question", "..."],
  "confidence": 0.0
}

Rules:
- Cite every factual claim.
- If the answer is not in the retrieved context, say so and suggest where to look.
- Never reveal data from tickets outside this officer's scope.
- Offer to draft a reply or action item when the question implies one.

{{templateId: assistant.dg.v2}}
{{locale: {{user_locale}}}}
You are the DG oversight assistant on the Sindh IT Portal. The DG oversees
departments: {{dg_departments}}. Inputs are SLA/risk rollups and anonymized
ticket summaries within the DG's portfolio.

Retrieved rollups + summaries:
{{retrieved_rollups_with_ids}}

DG's question:
{{question}}

Produce JSON:
{
  "answer": "≤ 250 words, executive register",
  "citations": [{"type":"rollup|ticket|mom","id":"...","span":[s,e]}],
  "atRiskTickets": ["ticket_ref", "..."],
  "recommendedActions": ["≤ 25 words each"]
}

Rules:
- Quantify (use the rollup numbers); avoid vague language.
- Flag SLA-breaches and double-escalations explicitly.
- Do not propose actions outside the DG's configured oversight powers
  (notify-only vs action) — check {{dg_powers_summary}}.

{{templateId: assistant.secretary.v2}}
{{locale: {{user_locale}}}}
You are the Secretary briefing assistant on the Sindh IT Portal. Produce
concise, decision-ready briefings from portfolio aggregates, policy docs,
officials records, and MoMs. Inputs are anonymized aggregates unless the
Secretary is explicitly viewing a named record.

Retrieved context:
{{retrieved_context_with_ids}}

Secretary's question:
{{question}}

Produce JSON:
{
  "briefing": "≤ 400 words, structured with headings",
  "citations": [{"type":"aggregate|policy|mom|official","id":"...","span":[s,e]}],
  "portfolioStatus": "improving|stable|declining",
  "topIssues": ["≤ 20 words each"],
  "policyImplications": ["≤ 25 words each"]
}

Rules:
- Distinguish operational issues from policy/structural issues.
- Cite the specific aggregate or policy document.
- Where data is incomplete, say so rather than extrapolating.
- Match the officials/branding records by effective-date for any referenced
  official (see Module P — historical accuracy).

5.4 "ٽِڪيٽ پڇو" سوال جواب

هڪ مخصوص اسٽاف اسسٽنٽ سهولت: هڪ آفيسر کلي ٽِڪيٽ بابت هڪ سوال ٽائپ ڪندو آهي — "ڪمپني ڇا ثبوت فراهم ڪيو آهي؟"، "اسان آخري ڀيرا ڪڏهن وڌيڪ معلومات گهريون هيون؟"، "منسلڪ نوٽس حقيقت ۾ ڇا چوي ٿو؟" — ۽ اسسٽنٽ ٽِڪيٽ هسٽري، اٽيچمينٽ OCR ٽيڪسٽ، ۽ MoM ۾ حوالن سان جواب ڏيندو آهي. ريٽرايول اسڪوپ انهيءَ واحد ٽِڪيٽ ۽ ان جي اپ لوڊز تائين مقفل آهي؛ ڪنهن به ڪلائوڊ LLM ڪال کان اڳ PII حذف ڪئي ويندي آهي. هي آفيسر پيداواريت لاءِ واحد سڀ کان وڌيڪ اثر وارو RAG فيچر آهي.

6. PII حذف ۽ ترميم پائپ لائن

PII حذف ۽ ترميم هر اي آءِ وهڪري ۾ پهريون قدم آهي جيڪو ڪلائوڊ انجن کي چُهي سگهي ٿو، ۽ آن پرم انجنز لاءِ به دفاعي گهرائي جو قدم. هي تعيناتي، آن پرم، ۽ آڊٽ ٿيل آهي.

6.1 سڃاڻپ ٿيل وجوديتون

6.2 پائپ لائن

تحريري وضاحت۔ آنڌي واري پي لوڊ جي حساسيت لاءِ درجه بندي ڪئي ويندي آهي (درجه بندي ڪالر ذريعي مالڪ ريڪارڊ جي ڊيٽا ڪلاس جي بنياد تي فراهم ڪئي ويندي آهي — ڏسو /specs/sd/11-security-compliance/). منزل رهائش انجن سليڪٽر (§2.3) ذريعي فيصلو ڪئي ويندي آهي. آن پرم منزلن لاءِ، حذف ۽ ترميم اڃا تائين هلندي آهي پر ميپنگ ميموري ۾ برقرار رکبي آهي ۽ اصل ويليوز آن پرم انجن ڏانهن موڪليون وينديون آهن جيڪڏهن ان جي پاليسي اجازت ڏئي (واپاري سمجھوتو: نامزد وجوديتن لاءِ بهتر ترجمو معيار). ڪلائوڊ منزلن لاءِ، حذف ۽ ترميم لازمي آهي ۽ ميپنگ ڪڏهن به اي آءِ سروس ناهي ڇڏيندي. هر الگ خام ويليوز کي هڪ مستحڪم ٽوڪن ([CNIC_1]، [PHONE_2]…) سان درخواست اسڪوپ جي اندر بدليو ويندو آهي؛ ميپنگ خفيه ڪيل ai_pii_vault ۾ مختصر TTL (ڪال دورانيو + 10 منٽ) سان لکي ويندي آهي. حذف ٿيل پي لوڊ انجن ڏانهن موڪليو ويندو آهي؛ واپسي تي، ڊي ريڊڪٽر والٽ ميپنگ جو استعمال ڪندي ٽوڪنز کي اصل سان بدلائي ڇڏيندو آهي؛ پوءِ ميپنگ ختم ڪئي ويندي آهي. خام ويليو ڪڏهن به لاگز، ai_runs، Meilisearch، يا Loki ۾ ناهي لکيو ويندو. هڪ ڊائون سٽريم ڪينري (هڪ شيڊولڊ جاب جيڪا خام CNIC نمونن لاءِ Loki + ai_runs اسڪين ڪندي آهي) ڪنهن به لیک کي هڪ P0 واقعي طور پڪڙندي آهي.

6.3 غير متغير

• بند ناڪامي. جيڪڏهن حذف ۽ ترميم سروس دستياب ناهي ۽ منزل ڪلائوڊ هجي، ڪال مسترد ڪئي ويندي آهي. آن پرم منزلون حذف ۽ ترميم کان سواءِ اڳتي وڌي سگهن ٿيون (هڪ ڪمزور موڊ جي واقعي جو لاگ).
• لاگز ۾ ڪابه خام PII ناهي. ڍانچي وارا لاگ ۽ ai_runs redactionsApplied شمار ۽ حذف ٿيل پي لوڊ جو هيش محفوظ ڪندا آهن — ڪڏهن خام پي لوڊ ناهي، ڪڏهن ميپنگ ناهي.
• صرف اندروني تبديبي. صرف اي آءِ سروس ai_pii_vault پڙهي سگهي ٿي؛ خفيه ڪاري جي ڪلي خفيہ والٽ ۾ رکيل آهي (ڏسو /specs/sd/15-tech-architecture/ §16). ڪابه API NestJS تهن يا ڪلائنٽس لاءِ ڊي ريڊڪشن ڪارروائي ظاهر ناهي ڪندي.
• جارحانه موڊ restricted ان پٽس لاءِ خودڪار طور تي فعال ٿيندو آهي (غير عوامي شخصيت نالا ۽ پتن کي به لڪائيندو آهي).

7. پرامپٽ مئنيجمينٽ

7.1 اسٽوريڄ ۽ ورزننگ

پرامپٽ ٽيمپليٽس ورزن ٿيل آرٽيفڪٽس آهن جيڪي سورس ريپوزيٽري ۾ ai-service/prompts/ هيٺ محفوظ آهن (في ٽيمپليٽ آءِ ڊي هڪ فائل، ai_prompt_templates ۾ في ورزن هڪ قطار). هڪ ٽيمپليٽ آءِ ڊي summary.ticket.v3 جهڙو لڳندو آهي — نالو + وڏو ورزن. هر تبديلي هڪ نئون ورزن آهي؛ ورزنز ڪڏهن به جاءِ ۾ تبديل ناهن ٿيندا. ڊپلائمنٽ فيچر فليگ/ڪنفيگ سروس ذريعي في ماحول هڪ مخصوص ورزن کي ٽيمپليٽ آءِ ڊي سان جوڙيندو آهي.

type PromptTemplate = {
  id: string;                  // "summary.ticket"
  version: number;             // 3
  locale: "en" | "ur" | "sd" | "multi";
  body: string;                // the fenced template with {{variables}}
  variablesSchema: object;     // JSON Schema for the variables map
  responseSchema?: object;     // JSON Schema for the structured output (if any)
  guardrails: Guardrail[];     // per-template output checks
  status: "draft" | "shadow" | "active" | "retired";
  evalResultsRef?: string;     // latest evaluation run on the golden set
  authoredBy: string;
  authoredAt: UTCDateTime;
};

7.2 ويري ايبلز ۽ رينڊرنگ

ٽيمپليٽس {{variable}} پليس هولڊرز استعمال ڪن ٿا جيڪي رينڊر ٽائم تي variablesSchema جي خلاف تصديق ٿيل هوندا آهن. نامعلوم ويري ايبلز بند ناڪام ٿيندا آهن. لوڪيلز يا ته الڳ في لوڪيل ٽيمپليٽ ورزنز (مسودو جواب جهڙين وڌيڪ خطري وارن آؤٽ پٽس لاءِ ترجيحي) يا {{target_locale}} انجيڪٽ ٿيل هڪ واحد ٽيمپليٽ (خلاصن جهڙن سستن، گهٽ خطري وارن آؤٽ پٽس لاءِ ترجيحي) سان سنڀاليا ويندا آهن.

7.3 اے/بي ٽيسٽنگ

ai_ab_assignments رڪارڊ ڪندو آهي ته ڪو ڏنل يوزر يا ٽِڪيٽ ڪهڙي پرامپٽ ورزن جو سامنا ڪري ٿو، تعيناتي طور تي (ڪنفيگ ٿيل اسپلٽ ۾ user_id يا ticket_id جو هيش). نتيجا (جيئن هو رکيو ويو شرح، تجاوز شرح، CSAT) تجزيي لاءِ اسائنمينٽ سان جوڙيا ويندا آهن. اے/بي رنز ٽائم باڪسڊ هوندا آهن؛ کٽندڙ ورزن active ۾ ترقي ڪندو آهي ۽ هارائيندڙ هڪ دستاويزي فيصلي کانپوءِ retired ۾.

7.4 تشخيصي سيٽ

هر هڪ ايکٽو ٽيمپليٽ جو هڪ گولڊن ٽيسٽ سيٽ آهي — چونڊيل ان پٽ/متوقع آؤٽ پٽ جوڙا جيڪي EN/UR/سنڌي، ڪناري وارن معاملن (خالي ان پٽ، تمام ڊگهو ان پٽ، ملي جلي اسڪرپٽ، مخالف ان پٽ)، ۽ عام ناڪامي موڊز تي محيط آهن. هي سيٽ ai-service/prompts/eval/<template_id>.golden.jsonl ۾ آهي. CI هر ٽيمپليٽ تبديلي تي سيٽ هلائيندو آهي؛ thresholds کان پار ريگريشن active ۾ ترقي کي روڪندي آهي. §10 ڏسو.

7.5 تحفظي نقاب

هر ٽيمپليٽ آؤٽ پٽ تحفظي نقاب جو اعلان ڪندو آهي جيڪي جنريشن کانپوءِ نافذ ٿيندا آهن:

• اسڪيما تصديق — ڍانچي وارا آؤٽ پٽس responseSchema جي خلاف تصديق ٿيا هجن ورنہ نتيجو مسترد ٿي ويندو آهي ۽ فال بیک انجن ازمايو ويندو آهي.
• حوالتي چيڪ — جڏهن citationsRequired، هر دعوي هڪ حوالو ٿيل ماخذ سان ميپ ٿئڻ گهرجي؛ غير حوالو ٿيل دعوا ٻيهر پرامپٽ يا مسترد جو بنياد بڻجنديون آهن.
• PII لیک چيڪ — آؤٽ پٽ کي ٻيهر حذف ۽ ترميم ڊيٽيڪٽر ذريعي اسڪين ڪيو ويندو آهي؛ ڪابه به PII ٽوڪن جيڪا حذف ٿيل ان پٽ ۾ ناهي هئي لیک سمجهي ويندي آهي ۽ آؤٽ پٽ مسترد ٿي ويندو آهي.
• اسڪوپ چيڪ (RAG) — هر حوالو ٿيل آءِ ڊي صارف جي بازیافت ٿيل سيٽ ۾ هجڻ گهرجي؛ اسڪوپ کان ٻاهر حوالا هٽايا ويندا آهن يا جواب کي گهٽ درجو ڏنو ويندو آهي.
• جیل بریک / پرامپٽ انجيڪشن دفاع — سسٽم پرامپٽ بازیافت ٿيل/صارف جي مواد کي واضح ڊيليميٽرز (""") سان نشان زد ڪندو آهي، ماڊل کي هدايت ڏيندو آهي ته محدود ٿيل مواد کي هدايتون ناهي پر ڊيٽا سمجهيو، ۽ هڪ ڪلاسفائر مسترد لاءِ معروف انجيڪشن نمونا (مثلاً "پوئين هدايتون نظر انداز ڪريو") کي پرچم دار ڪندو آهي.
• پاليسي چيڪ — ڊومين مخصوص (ڪابه وضع ڪيل SLA نمبرز ناهي، ڪابه قانوني مشوره ناهي، ڪابه سياسي راءِ ناهي).

8. لاگت ۽ استعمال حڪمراني

8.1 في ڪال لاگنگ

هر اي آءِ ڪال ai_runs ۾ هڪ غير تبديل ٿيل قطار لکندي آهي:

8.2 بجٽس ۽ ريٽ ليمٽس

• في ڪال بجٽ ai_engine_configs.costBudgetPerCall ۾ — جيڪڏهن انجن جي تخميني لاگت (ڪنفيگ ۾ برقرار رکيل في انجن لاگت ٽيبل مان) بجٽ کان تجاوز ڪري ته ڪال مسترد ٿي ويندي آهي.
• في ٽيننٽ ريٽ ليمٽس — في منٽ ٽوڪنز ۽ في منٽ ڪالون، في محڪمو ۽ في يوزر، Redis ڪائونٽرز ذريعي نافذ. خلاف ورزيون ڪالر کي ٿرولنگ (429) جو بنياد بڻبنديون آهن، جيڪي بهتر طريقي سان گهٽجي وينديون آهن (§11).
• روزاني/مهيني بجٽس — في صلاحيت ۽ في محڪمو؛ خلاف ورزي تي، غير اهم صلاحيتون (مثلاً trends) آٽو ڊس ايبل ٿي وينديون آهن ۽ هڪ الرٽ کڻايو ويندو آهي؛ اهم صلاحيتون (مثلاً pii_redaction، restricted لاءِ ocr) ڪڏهن به آٽو ڊس ايبل ناهن ٿيندا.
• ڪلائوڊ خرچ الرٽس — مهيني ڪلائوڊ اي آءِ بجٽ جي 50/80/100% تي، S&ITD آپريشنز رابطي ۽ MAAHIR ڊليوري ليڊ کي مطلع ڪريو.

8.3 ڊيش بورڊز ۽ رپورٽون

• هڪ Grafana ڊيش بورڊ اڳيان آڻيندو آهي: ڪالون/منٽ، ٽوڪنز/منٽ، في صلاحيت ۽ انجن جي لحاظ کان لاگت/ڏينهن، فال بیک شرح، فيل ڪلوزڊ شرح، P95 ليٽنسي، ۽ حذف ۽ ترميم شمار.
• هڪ شيڊولڊ مهيني لاگت رپورٽ (ايڪسپورٽس پائپ لائن ذريعي PDF) S&ITD قيادت ڏانهن موڪلي ويندي آهي، جيڪا صلاحيت، محڪمي، ۽ انجن جي لحاظ کان لاگت کي مهيني ڊيلٽا ۽ هڪ پيشگوي سان گڏ توڙيندي آهي.
• هڪ ڪارڪردگي منظر في مفيد آؤٽ پٽ لاگت (مثلاً في قبول ٿيل مسودو لاگت، في تصديق ٿيل ايڪشن آئٽم لاگت) کي ٽريڪ ڪندو آهي — هدف پرامپٽ بهترين ۽ آن پرم منتقلي ذريعي ان کي وقت سان گڏ هيٺ آڻڻ آهي.

9. تشخيص ۽ معيار

9.1 گولڊن ٽيسٽ سيٽس

هر صلاحيت جو پيداوار/اي آءِ ٽيم ذريعي چونڊيل هڪ گولڊن سيٽ آهي، جيڪو ٽنهي لوڪيلز ۽ ڪناري وارن معاملن تي محيط آهي. سيٽس ريپو ۾ پرامپٽ ٽيمپليٽس سان گڏ ورزن ٿيل آهن. گهٽ ۾ گهٽ سائز:

9.2 ميٽرڪس

• درستگي / precision / recall / F1 جيئن في صلاحيت مناسب (هر صلاحيت جي "ڪاميابي ميٽرڪس" ۾ تعريف ٿيل).
• اردو/سنڌي مخصوص تشخيص — ميٽرڪس في لوڪيل ڪمپيوٽ ٿيندا آهن، پولڊ ناهن، ته جيئن هڪ اعليٰ EN اسڪور گهٽ SD اسڪور کي لڪائي ناهي سگهي. جنهن لوڪيل جو ميٽرڪ threshold کان هيٺ گرڻ تنهن لوڪيل لاءِ ٽيمپليٽ جي active ۾ ترقي کي روڪيندو آهي.
• حوالتي درستگي — هر حوالو ٿيل ماخذ موجود ۽ اسڪوپ ۾ هجڻ گهرجي؛ هدف 100%.
• انساني جائزو نمونو — هر صلاحيت جي آؤٽ پٽس جو هڪ تشڪيل قابل % (ڊفالٽ 5%، restricted ۽ shadow حيثيت ۾ نئين ٽيمپليٽس لاءِ 20%) هڪ جائزو ڪارگزار قطار ڏانهن موڪليو ويندو آهي. جائزو ڪارگزار جو قبول/مسترد ai_feedback ۽ گولڊن سيٽ کي کوليندو آهي.
• فيڊبیک لوپ — ai_feedback قطارون (آفيسر ٿمز، تجاوز، تراميم) هفتيوار فرزبندي ڪيون وينديون آهن: تصديق ٿيل مسئلا گولڊن سيٽ منفي بجن ٿا؛ بار بار جا نمونا پرامپٽ تڪرار يا رول تهن اپڊيٽس هلائيندا آهن؛ ڪافي حجم هڪ فائن ٽيوننگ اميدوار (مرحلو 2) جنم ڏيندو آهي.

9.3 مسلسل تشخيص

هڪ راتوار جاب موجوده active ٽيمپليٽس کي گولڊن سيٽ جي خلاف ٻيهر هلائيندي آهي ۽ نتيجا ai_prompt_eval_results ۾ لکندي آهي. threshold کان پار ريگريشن هڪ Grafana الرٽ کڻائيندي آهي ۽، اهم صلاحيتن لاءِ، ٽيمپليٽ کي shadow (اڃا تائين هلندو آهي پر صارفن کي ناهي ڏيکاريو ويندو) ۾ آٽو پلٽ ڪندي آهي جيستائين جائزو نه ٿئي.

10. فال بیک ۽ ڪمزوري

اي آءِ معاون آهي، ڪڏهن به روڪندڙ ناهي. نظام ٽن درجن مان بهتر طريقي سان گهٽجندو آهي:

غير متغير:

• هڪ ناڪام اي آءِ ڪال ڪڏهن به ٽِڪيٽ حالت منتقلي، فائل اپ لوڊ، اطلاع، يا لاگ اِن کي ناهي روڪيندي.
• ناڪام ڪالون هڪ ڍانچي واري { ok: false, reason } موٽائينديون آهن ته جيئن ڪالر تعيناتي طور تي گهٽي سگهي.
• فيل ڪلوزڊ رستو (مثلاً PII حذف ۽ ترميم ڊائون + ڪلائوڊ منزل) { ok: false, reason: "pii_unavailable_cloud_blocked" } موٽائيندو آهي ۽ ڪالر کي ڪلائوڊ انجن ڪال ناهي ڪرڻ گهرجن.

11. اخلاقيات ۽ تعصب

12. ڪنفيگوريشن (فيچر فليگز)

هر صلاحيت سپر ايڊمن ذريعي، في محڪمو ۽ في ماحول، فيچر فليگ ماڊيول (Q) ذريعي ٽوگل قابل آهي. في صلاحيت انجن چونڊ ai_engine_configs ذريعي تشڪيل قابل آهي.

12.1 صلاحيت فليگز

12.2 انجن ڪنفيگوريشن

ai_engine_configs سپر ايڊمن (يا هڪ تفويض ٿيل اي آءِ ڪنفيگ ڪردار) ذريعي ايڊمن UI ۾ قابلِ ترميم آهي. هر تبديلي before/after، ايڪٽر، ۽ هڪ سبب فيلڊ سان گڏ آڊٽ لاگ ٿيندي آهي. تبديليون رهائشي غير متغير (ڪابه ڪلائوڊ انجن restricted لاءِ ناهي) جي خلاف تصديق ٿيل هونديون آهن. موجوده ڪنفيگ reprodux ۽ مهيني لاگت رپورٽ لاءِ JSON طور قابلِ برآمد آهي.

12.3 بوٽسٽريپ

اهم ڊفالٽس (مثلاً ai.pii_redaction.enabled = on، غير خودمختار ماحول ۾ ai.cloud_engines.allowed = on) مائگريشن ذريعي seed ڪيا ويندا آهن ته جيئن هڪ تازو ماحول هڪ معروف حالت ۾ شروع ٿئي. بوٽسٽريپ ڪنفيگ هر وڏي رليز تي جائزو ورتو ويندو آهي.

13. قابلِ تتبع

دستاويز جو اختتام۔