AI-translated from English; not yet reviewed by a fluent editor.

# ایجنٹ کے آؤٹ پٹ کو جائزہ شدہ کارروائی رجسٹر میں بدلیں

> اپنی یادداشتوں سے OpenAI Agents SDK کا متعین نوعیت والا نتیجہ بنائیں، ماخذ کے ثبوت اور معنی جانچیں، پھر منظور نتیجہ مقامی Markdown کارروائی رجسٹر کو دیں اور ہیش دوبارہ پڑھ کر تصدیق کریں۔

By BIG CHANGE Editorial

Published: 2026-10-20T12:52:38.610Z
Updated: 2026-10-20T12:52:38.610Z
Canonical: https://bigchange.ai/blog/agents-sdk-reviewed-action-register-guide

![Conceptual charcoal illustration of one person holding a larger blank ruled source page and a smaller blank candidate page, with an orange reading strip across the source.](https://bigchange.ai/api/media/file/source-candidate-human-review-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

ایجنٹ نتیجے کی JSON ساخت درست ہو مگر ماخذ کی سمجھ غلط ہو سکتی ہے۔ یہ رہنما Python ڈویلپر کو ایک مجاز یادداشت فائل سے مقامی رجسٹر تک پورا راستہ دیتا ہے: متعین نوعیت کا پیداکار نتیجہ، ماخذ اور معنی کی جانچ، عین ہیش پر انسانی منظوری اور گروہ بند Markdown رپورٹ لکھ کر دوبارہ پڑھنے والا صارف۔ اپنے کام کی صریح ذمہ داریوں والی یادداشتیں استعمال کریں۔ تیاری میں حقیقی یادداشت یا ماڈل نتیجہ استعمال نہیں ہوا۔

## بڑی تبدیلی

- **کیا بدلا:** OpenAI Agents SDK ایک Pydantic `output_type` قبول کرتا ہے، اس لیے ایپ متعین نتیجہ مانگ کر استعمال سے پہلے دوبارہ جانچ سکتی ہے۔ مثال نتیجے کے ساتھ ماخذ اقتباسات اور ورژن والا معاہدہ جوڑتی ہے۔
- **یہ کیوں اہم ہے:** ایجنٹ کو اگلے مرحلے سے جوڑنے والا ڈویلپر خراب ساخت، نامکمل یا بے بنیاد آؤٹ پٹ کو کارروائی فہرست بننے سے پہلے روک سکتا ہے۔ جائزہ کار کو پھر بھی دیکھنا ہو گا کہ اقتباس واقعی ہر کام، ذمہ دار اور تاریخ کو سہارا دیتا ہے اور ماڈل نے کچھ چھوڑا تو نہیں۔
- **کس پر نظر رکھیں:** فیصلہ صارف کی سرحد پر ہے۔ یہ طریقہ عین رن، ماخذ اور امیدوار کی منظوری کے بعد ہی مقامی چھانٹی رجسٹر بناتا ہے۔ بعد میں کاموں کے نظام میں درآمد کو اپنے اختیار، دوبارہ کوشش کے اصول اور منزل پر پڑھ کر تصدیق درکار ہو گی۔

## ایک مجاز ماخذ تیار کریں

Python 3.12، یادداشتوں کے لیے مجاز OpenAI API اکاؤنٹ، اصل پڑھ سکنے والا جائزہ کار اور اکاؤنٹ میں موجودہ JSON-schema ساختہ آؤٹ پٹ معاونت کا مصدقہ ماڈل چاہیے۔ پیداکار چلانے سے پہلے ڈیٹا شرائط اور موجودہ قیمت دیکھیں۔ یادداشت یا منظوری فائل میں اسناد نہ رکھیں۔ نیچے ماڈل کی واحد کال `produce` ہے؛ باقی مقامی عمل ہے۔

اصل یادداشتیں UTF-8 میں `notes.txt` پر رکھیں۔ ان میں اپنے کام کی حقیقی صریح کارروائی ذمہ داریاں ہونی چاہییں۔ اپنے ریکارڈ شناخت کنندہ جیسا مستقل `source_id` دیں اور جائزے و استعمال تک فائل کا ہر بائٹ یکساں رکھیں۔ پیدا کرنے سے پہلے `candidate/` بنائیں؛ امیدوار فائل نئی ہونی چاہیے۔ بعد کی مقامی رپورٹ کے لیے الگ آؤٹ پٹ ڈائریکٹری رکھیں۔

رن سے پہلے ماخذ بائٹس کا ہیش درج کریں:

```sh
python -c "from pathlib import Path; import hashlib; print(hashlib.sha256(Path('notes.txt').read_bytes()).hexdigest())"
```

الگ Python 3.12 ماحول میں `recipe-requirements.txt` بنا کر عین یہ سطریں ڈالیں اور نصب کریں:

```text
openai-agents==0.24.0
pydantic==2.14.1
```

```sh
python -m pip install -r recipe-requirements.txt
mkdir candidate
```

یہ ورژن 20 اکتوبر 2026 کو مقامی Python 3.12.7 ماحول میں ساتھ نصب ہوئے تھے۔ استعمال پر مطابقت اور ماڈل دستیابی کی تصدیق کریں۔ نیچے مکمل سکرپٹ `action_register_recipe.py` کے نام سے اسی ڈائریکٹری میں رکھیں۔ دو کمانڈ ہیں: `produce` امیدوار اور رن رسید بناتا ہے؛ `consume` توثیق اور منظوری کے بعد ہی رپورٹ بناتا ہے۔

## متعین نوعیت کا پیداکار چلائیں

معاہدہ `Extraction` ورژن `action-register/v1`، حالت `ready`، `partial` یا `blocked`، ماخذ ID اور عین فائل بائٹس کا SHA-256، کارروائیاں اور `gap_note` مانگتا ہے۔ ہر کارروائی میں متن، عین اقتباس اور 1 سے شروع ماخذ سطروں کی حد، null ہو سکنے والا ذمہ دار و تاریخ، اور `complete` یا `needs_review` ثبوت کی حالت چاہیے۔ null ذمہ دار یا تاریخ کا مطلب یادداشت میں ذکر نہیں۔ ماڈل کو دونوں کا قیاس نہ کرنے کی ہدایت ہے۔ ہر خانہ لازم ہے اور اضافی رد ہوتے ہیں۔

ساختہ آؤٹ پٹ ماڈل صاف چنیں۔ اپنا مجاز راستہ اور شناخت دیں:

```sh
python action_register_recipe.py produce --source-id OWNED-ID --source notes.txt --candidate candidate/actions.json --model YOUR-STRUCTURED-OUTPUT-MODEL
```

یہ پڑھیں: `candidate/actions.json` اور ساتھ `candidate/actions.run.json`۔ دوسری فائل UUID رن ID، ماخذ و امیدوار ہیش، آخری ایجنٹ اور مطلوبہ ماڈل درج کرتی ہے۔ ناکامی پر اس کے بجائے رن ID لاحقے والا `.failure.json` تشخیصی ریکارڈ بنتا ہے۔ رکاوٹ، `None` یا سادہ سٹرنگ آخری آؤٹ پٹ، یا غیر متوقع آخری ایجنٹ کامیابی نہیں ہیں۔ کمانڈ SDK کی دوبارہ جاری ہو سکنے والی حالت `RunState` نہیں رکھتا؛ ناکامی رسید سے رن جاری نہیں ہو سکتا۔ نیا رن مناسب ہے یا نہیں طے کرنے سے پہلے درخواست، امیدوار اور بعد کی حالت دیکھیں۔

## معنی جانچ کر عین امیدوار منظور کریں

ایپ سخت اقسام اور لازم خانے، ماخذ شناخت، تیار حالت، کم از کم ایک مکمل کارروائی، جائز سطر حدود، ان میں اقتباس، غیر خالی کام یا ذمہ دار اور معیاری `YYYY-MM-DD` تاریخیں جانچتی ہے۔ یہ ساخت اور اقتباس کا مقام ثابت کرتا ہے، نہ کہ جملہ واقعی ذمہ داری ہے، نام یا تاریخ وہی معنی رکھتے ہیں یا سب ذمہ داریاں مل گئیں۔

اصل یادداشت اور ہر مجوزہ کارروائی پڑھیں۔ معنی، ذمہ دار، تاریخ، اقتباس اور کمی ملائیں۔ ابہام نئے جائزہ شدہ رن سے حل کریں؛ بے بنیاد، جزوی یا رکے امیدوار منظور نہ کریں۔ غیر بدلی فائل اور امیدوار کا `actions.run.json` سے میل دیکھ کر `approval.json` عین ان سات کلیدوں سے لکھیں۔ جانچی رسید سے رن ID اور ہیش لیں۔ جائزہ کار کی حقیقی شناخت اور اصل جانچ کا بامعنی بیان دیں:

```json
{
  "approved": true,
  "run_id": "COPY-RUN-ID",
  "source_id": "OWNED-ID",
  "source_sha256": "COPY-SOURCE-SHA256",
  "payload_sha256": "COPY-PAYLOAD-SHA256",
  "reviewer": "YOUR-REVIEWER-ID",
  "review_note": "Describe the source, task, owner, date, quotation and omission checks actually performed."
}
```

`approved` JSON بولین `true` ہونا چاہیے، متن یا نمبر نہیں۔ باقی قدریں سٹرنگ ہوں؛ جائزہ کار اور نوٹ خالی نہیں ہو سکتے۔ اضافی خانے ناکام ہوتے ہیں۔ منظوری ایک امیدوار اور ماخذ ترمیم کو باندھتی ہے، مستقبل کی ہر بازنویسی کو نہیں۔

## استعمال کر کے رپورٹ دوبارہ پڑھیں

```sh
python action_register_recipe.py consume --source-id OWNED-ID --source notes.txt --candidate candidate/actions.json --approval approval.json --out private-output
```

صارف قبول کارروائیوں کو **Assigned with dates**، **Needs an owner** اور **Needs a date** میں بانٹتا ہے۔ ہر اندراج میں کام، ذمہ دار/تاریخ حالت، اقتباس اور ماخذ سطریں ہیں۔ یہ `action-register-<payload-hash-prefix>.md` اور ساتھ `.receipt.json` لکھتا ہے، جن میں رن، ماخذ، امیدوار و رپورٹ کے ہیش ہیں۔ دونوں کھولیں، اقتباس شدہ کارروائیاں یادداشت سے ملائیں اور `report_sha256` کو Markdown بائٹس کے خلاف جانچیں۔ درست رسید صرف مقامی فائل بننے اور دوبارہ پڑھنے کو بتاتی ہے، بیرونی کاموں کے نظام میں لکھنے کی منظوری نہیں۔

استعمال کا کمانڈ رپورٹ اور رسید کے حقیقی راستے دکھاتا ہے۔ بائٹ جانچ میں وہی استعمال کریں:

```sh
python -c "from pathlib import Path; import hashlib,json,sys; report=Path(sys.argv[1]); receipt=json.loads(Path(sys.argv[2]).read_text(encoding='utf-8')); assert hashlib.sha256(report.read_bytes()).hexdigest()==receipt['report_sha256']; print('report hash matches receipt')" PATH-PRINTED-FOR-REPORT PATH-PRINTED-FOR-RECEIPT
```

امیدوار کے بعد واضح مصنوعی ساختی نمونے سے رد کی راہ جانچیں۔ JSON الگ فائل میں نقل کریں، پہلی کارروائی سے کوئی لازم خانہ ہٹائیں اور `consume` کو اس خراب فائل اور نئی خالی آؤٹ پٹ ڈائریکٹری کے ساتھ چلائیں۔ فائل بنانے سے پہلے ناکام ہونا چاہیے۔ نمونے کو حقیقی استخراج نہ سمجھیں اور منظور نہ کریں۔ مثلاً نیچے مقامی جانچ نقل سے `evidence_quote` ہٹاتی ہے:

```sh
python -c "import json; from pathlib import Path; p=json.loads(Path('candidate/actions.json').read_text(encoding='utf-8')); p['actions'][0].pop('evidence_quote'); Path('candidate/SYNTHETIC-malformed.json').write_text(json.dumps(p), encoding='utf-8')"
python action_register_recipe.py consume --source-id OWNED-ID --source notes.txt --candidate candidate/SYNTHETIC-malformed.json --approval approval.json --out synthetic-rejection-output
```

دوسرا کمانڈ ناکام اور آؤٹ پٹ ڈائریکٹری غیر موجود رہنی چاہیے۔ حقیقی امیدوار کی پہلی کارروائی نہ ہو تو نمونہ استعمال نہ کریں؛ وہ پہلے ہی صارف کے لیے نامکمل ہے۔ لکھائی غیر یقینی ہو تو تکرار سے پہلے متعین رپورٹ اور رسید دیکھیں۔ موجودہ یکساں بائٹس پھر استعمال ہو سکتے ہیں؛ مختلف بائٹس عمل ملاپ کے لیے روکتے ہیں۔ ماخذ یا سکیما ورژن بدلنے پر نیا جائزہ چاہیے۔ صرف مقامی صارف کا جواب غیر واضح ہونے پر ماڈل کال نہ دہرائیں۔

## مکمل Python طریقہ

یہ سکرپٹ بعینہٖ `action_register_recipe.py` میں نقل کریں:

```python
"""Private, bounded recipe. No model call occurs unless `produce` is explicitly run."""

import argparse
import hashlib
import json
import uuid
from datetime import date
from pathlib import Path
from typing import Literal

from pydantic import BaseModel, ConfigDict, StrictInt, StrictStr, ValidationError


class StrictModel(BaseModel):
    model_config = ConfigDict(extra="forbid", strict=True)


class Action(StrictModel):
    action_text: StrictStr
    evidence_quote: StrictStr
    line_start: StrictInt
    line_end: StrictInt
    owner: StrictStr | None
    due_date: StrictStr | None
    evidence_status: Literal["complete", "needs_review"]


class Extraction(StrictModel):
    schema_version: Literal["action-register/v1"]
    status: Literal["ready", "partial", "blocked"]
    source_id: StrictStr
    source_sha256: StrictStr
    actions: list[Action]
    gap_note: StrictStr | None


def digest(data: bytes) -> str:
    return hashlib.sha256(data).hexdigest()


def canonical(payload: Extraction) -> bytes:
    return json.dumps(payload.model_dump(mode="json"), sort_keys=True, ensure_ascii=False, separators=(",", ":")).encode("utf-8")


def check(payload: Extraction, source_id: str, source: bytes) -> None:
    if payload.source_id != source_id or payload.source_sha256 != digest(source):
        raise ValueError("source identity or revision mismatch")
    lines = source.decode("utf-8").splitlines()
    if payload.status == "ready" and (not payload.actions or payload.gap_note is not None):
        raise ValueError("ready requires actions and no gap")
    if payload.status != "ready":
        raise ValueError("partial or blocked result cannot reach consumer")
    for index, item in enumerate(payload.actions, 1):
        if item.evidence_status != "complete":
            raise ValueError(f"action {index}: evidence needs review")
        if not item.action_text.strip() or not item.evidence_quote.strip():
            raise ValueError(f"action {index}: empty task or evidence")
        if not 1 <= item.line_start <= item.line_end <= len(lines):
            raise ValueError(f"action {index}: invalid source line range")
        segment = "\n".join(lines[item.line_start - 1:item.line_end])
        if item.evidence_quote not in segment:
            raise ValueError(f"action {index}: quotation absent from source span")
        if item.owner is not None and not item.owner.strip():
            raise ValueError(f"action {index}: blank owner")
        if item.due_date is not None:
            try:
                if date.fromisoformat(item.due_date).isoformat() != item.due_date:
                    raise ValueError()
            except ValueError as exc:
                raise ValueError(f"action {index}: due date must be YYYY-MM-DD") from exc


def report(payload: Extraction) -> str:
    """Application consumer: a triage register grouped by missing ownership/date."""
    groups = [
        ("Assigned with dates", lambda x: x.owner is not None and x.due_date is not None),
        ("Needs an owner", lambda x: x.owner is None),
        ("Needs a date", lambda x: x.owner is not None and x.due_date is None),
    ]
    rows = ["# Action register for " + payload.source_id, "", "Review artifact; source meaning was approved separately.", ""]
    for heading, predicate in groups:
        rows += ["## " + heading, ""]
        matches = [(n, a) for n, a in enumerate(payload.actions, 1) if predicate(a)]
        for number, action in matches:
            rows += [f"{number}. {action.action_text}", f"   Owner: {action.owner or 'Unspecified'}; due: {action.due_date or 'Unspecified'}", f"   Source lines {action.line_start}-{action.line_end}: {action.evidence_quote}", ""]
        if not matches:
            rows += ["None.", ""]
    return "\n".join(rows)


def load_payload(path: Path) -> Extraction:
    return Extraction.model_validate_json(path.read_bytes(), strict=True)


def consume(source_id: str, source_path: Path, payload_path: Path, approval_path: Path, out_dir: Path) -> tuple[Path, Path]:
    source = source_path.read_bytes()
    payload = load_payload(payload_path)
    check(payload, source_id, source)
    run = json.loads(payload_path.with_suffix(".run.json").read_text(encoding="utf-8"))
    payload_hash = digest(canonical(payload))
    if run.get("source_id") != source_id or run.get("source_sha256") != digest(source) or run.get("payload_sha256") != payload_hash or run.get("last_agent") != "Owned-source action extractor" or not str(run.get("run_id", "")).strip():
        raise ValueError("producer receipt does not match accepted candidate")
    approval = json.loads(approval_path.read_text(encoding="utf-8"))
    if (type(approval) is not dict
            or set(approval) != {"approved", "run_id", "source_id", "source_sha256", "payload_sha256", "reviewer", "review_note"}
            or approval["approved"] is not True
            or any(type(approval[key]) is not str for key in ("run_id", "source_id", "source_sha256", "payload_sha256", "reviewer", "review_note"))
            or not approval["reviewer"].strip() or not approval["review_note"].strip()
            or approval["run_id"] != run["run_id"]
            or approval["source_id"] != source_id
            or approval["source_sha256"] != digest(source)
            or approval["payload_sha256"] != payload_hash):
        raise ValueError("human source/meaning approval must bind exact source and payload hashes")
    body = report(payload).encode("utf-8")
    stem = "action-register-" + payload_hash[:16]
    out_dir.mkdir(parents=True, exist_ok=True)
    target = out_dir / (stem + ".md")
    receipt = out_dir / (stem + ".receipt.json")
    record = {"run_id": run["run_id"], "source_id": source_id, "source_sha256": digest(source), "payload_sha256": payload_hash, "report_sha256": digest(body), "reviewer": approval["reviewer"], "operation": "local action-triage register"}
    encoded = (json.dumps(record, indent=2) + "\n").encode("utf-8")
    for path, data in [(target, body), (receipt, encoded)]:
        if path.exists():
            if path.read_bytes() != data:
                raise ValueError(f"uncertain prior output differs: {path}; inspect before retry")
        else:
            with path.open("xb") as handle:
                handle.write(data)
        if path.read_bytes() != data:
            raise IOError(f"readback failed: {path}")
    return target, receipt


def produce(source_id: str, source_path: Path, candidate_path: Path, model: str) -> None:
    from agents import Agent, Runner

    source = source_path.read_bytes()
    source_text = source.decode("utf-8")
    if not source_text.strip() or candidate_path.exists() or not candidate_path.parent.is_dir():
        raise ValueError("source must contain text; candidate must be new and its parent directory must already exist")
    run_id = str(uuid.uuid4())
    agent = Agent(
        name="Owned-source action extractor",
        model=model,
        instructions=("Extract only explicit action commitments from the supplied numbered source. "
                      "Return action-register/v1. Copy an exact quote with matching 1-based line span. "
                      "Use null for an unstated owner or due date; never infer them. "
                      "Use partial and needs_review for ambiguous evidence; blocked for unusable input. "
                      "Do not use tools or hand off."),
        output_type=Extraction,
    )
    numbered = "\n".join(f"{n}: {line}" for n, line in enumerate(source_text.splitlines(), 1))
    try:
        result = Runner.run_sync(agent, f"Source ID: {source_id}\nSHA-256: {digest(source)}\nNumbered source:\n{numbered}")
        if result.interruptions or result.last_agent is not agent or not isinstance(result.final_output, Extraction):
            raise ValueError("run interrupted, unfinished, or finished by unexpected agent; this CLI does not persist resumable RunState, so do not resume from its failure receipt")
        output = result.final_output
        if output.source_id != source_id or output.source_sha256 != digest(source):
            raise ValueError("producer returned wrong source identity")
        candidate = canonical(output)
        with candidate_path.open("xb") as handle:
            handle.write(candidate)  # Candidate only; consumer still requires review.
        receipt = {"run_id": run_id, "source_id": source_id, "source_sha256": digest(source), "payload_sha256": digest(candidate), "last_agent": result.last_agent.name, "model": model}
        with candidate_path.with_suffix(".run.json").open("x", encoding="utf-8") as handle:
            handle.write(json.dumps(receipt, indent=2) + "\n")
    except Exception as exc:
        failure = {"run_id": run_id, "source_id": source_id, "source_sha256": digest(source), "error_type": type(exc).__name__, "error": str(exc), "state": "unknown_or_blocked; inspect run and destination before retry"}
        with candidate_path.with_name(candidate_path.stem + "." + run_id + ".failure.json").open("x", encoding="utf-8") as handle:
            handle.write(json.dumps(failure, indent=2) + "\n")
        raise


def main() -> None:
    parser = argparse.ArgumentParser()
    sub = parser.add_subparsers(dest="command", required=True)
    for name in ("produce", "consume"):
        p = sub.add_parser(name)
        p.add_argument("--source-id", required=True)
        p.add_argument("--source", type=Path, required=True)
        if name == "produce":
            p.add_argument("--candidate", type=Path, required=True)
            p.add_argument("--model", required=True)
        else:
            p.add_argument("--candidate", type=Path, required=True)
            p.add_argument("--approval", type=Path, required=True)
            p.add_argument("--out", type=Path, required=True)
    args = parser.parse_args()
    if args.command == "produce":
        produce(args.source_id, args.source, args.candidate, args.model)
    else:
        print(*consume(args.source_id, args.source, args.candidate, args.approval, args.out), sep="\n")


if __name__ == "__main__":
    main()
```

## حدیں اور ماخذ

سکرپٹ معاہدہ اور مقامی صارف پانچ آف لائن ٹیسٹ اور سات مصنوعی پیداکار یا دوبارہ کوشش کے واقعات سے جانچے گئے۔ سخت سکیما بنانا، فائل سے پہلے رد، گروہ بندی، ہیش اور ناکامی سنبھالنا آزمائے گئے۔ فراہم کنندہ کو سکیما نہیں بھیجا، ماڈل کال نہیں ہوئی، حقیقی یادداشتیں نہیں نکالی گئیں، حقیقی انسانی منظوری نہیں لی گئی، حقیقی ماخذ رپورٹ نہیں بنی اور بل یا معیار نہیں ناپا گیا۔ API فیس اکاؤنٹ کے مطابق ہے؛ ماخذ بھیجنے سے پہلے مطابقت، قیمت اور ڈیٹا اجازت دیکھیں۔

متعلقہ سیاق کے لیے BIG CHANGE کا [اپنے کام سے AI کام چننے کا رہنما](https://bigchange.ai/blog/map-work-choose-first-ai-task-guide) پہلے فیصلہ بتاتا ہے کہ کیا آزمانا ہے۔ یہ رہنما منتخب مجاز استخراج سے شروع ہو کر متعین نوعیت کا ایک نتیجہ جانچے مقامی صارف کو دیتا ہے۔

### ماخذ اور مزید مطالعہ

- [OpenAI Agents SDK: Agents](https://openai.github.io/openai-agents-python/agents/) Pydantic کے `output_type` کو بیان کرتا ہے۔ اس طریقے کی انسانی منظوری یا مقامی صارف نہیں دیتا۔
- [OpenAI Agents SDK: Results](https://openai.github.io/openai-agents-python/results/) ان کو بیان کرتا ہے: `final_output`، `last_agent`، رکاوٹیں اور `to_state()`۔ یہ CLI دوبارہ جاری کرنے کی حالت نہیں رکھتا۔
- [OpenAI Agents SDK: Quickstart](https://openai.github.io/openai-agents-python/quickstart/) تنصیب اور API کی ترتیب بتاتا ہے۔ کلید ماخذ اور رسید سے باہر رکھیں۔
- [OpenAI Structured Outputs](https://developers.openai.com/api/docs/guides/structured-outputs) سخت سکیما اصول اور ماڈل معاونت بتاتا ہے۔ منتخب ماڈل کی معاونت پکی کریں۔
- [Pydantic ConfigDict](https://docs.pydantic.dev/latest/api/config/) سخت توثیق اور اضافی خانوں کی ممانعت بیان کرتا ہے۔
- [OpenAI Agents SDK 0.24.0](https://pypi.org/project/openai-agents/0.24.0/) اور [Pydantic 2.14.1](https://pypi.org/project/pydantic/2.14.1/) مقامی نصب شدہ مقید ورژن بتاتے ہیں۔ فراہم کنندہ کی قبولیت جانچی نہیں گئی۔

## Sources

- [OpenAI Agents SDK: Agents](https://openai.github.io/openai-agents-python/agents/) — Pydantic output_type کا سرکاری دستور۔ مضمون کی انسانی منظوری یا مقامی صارف نافذ نہیں کرتا۔
- [OpenAI Agents SDK: Results](https://openai.github.io/openai-agents-python/results/) — final_output، last_agent، رکاوٹوں اور to_state کا سرکاری رویہ۔ طریقہ RunState محفوظ نہیں کرتا اور دوبارہ جاری کرنے کی سہولت نہیں دیتا۔
- [OpenAI Agents SDK: Quickstart](https://openai.github.io/openai-agents-python/quickstart/) — تنصیب اور API کلید کی سرکاری معلومات؛ تیاری میں کلید یا حقیقی فراہم کنندہ کال استعمال نہیں ہوئی۔
- [OpenAI Agents SDK: آؤٹ پٹ سکیما حوالہ](https://openai.github.io/openai-agents-python/ref/agent_output/) — سخت آؤٹ پٹ سکیما بنانے کا سرکاری حوالہ؛ مقامی جانچ فراہم کنندہ قبولیت ثابت نہیں کرتی۔
- [OpenAI Structured Outputs](https://developers.openai.com/api/docs/guides/structured-outputs) — لازم خانوں اور additionalProperties کے سخت اصول اور ماڈل مطابقت؛ استعمال پر منتخب ماڈل دیکھیں۔
- [Pydantic ConfigDict](https://docs.pydantic.dev/latest/api/config/) — strict اور extra-forbid بیان کرتا ہے؛ معنی کی صحت انسانی ماخذ جائزے کا کام ہے۔
- [openai-agents 0.24.0 اجرا](https://pypi.org/project/openai-agents/0.24.0/) — الگ مقامی Python 3.12.7 آف لائن جانچ میں نصب عین SDK ورژن؛ کوئی ماڈل کال یا بل نہیں۔
- [Pydantic 2.14.1 اجرا](https://pypi.org/project/pydantic/2.14.1/) — SDK 0.24.0 کے ساتھ مقامی نصب توثیق لائبریری کا عین ورژن۔
- [BIG CHANGE: اپنے کام کا نقشہ بنائیں اور AI سے آزمانے کے لیے پہلا کام چنیں](https://bigchange.ai/blog/map-work-choose-first-ai-task-guide) — اس انضمام طریقے سے پہلے کام چننے کا متعلقہ رہنما؛ طریقے کی درستی ثابت نہیں کرتا۔