ملٹی ایجنٹ AI ٹریڈنگ سسٹم کیا ہے

ایک ملٹی ایجنٹ AI ٹریڈنگ سسٹم ایک ٹریڈنگ فیصلے کو کئی بڑے لینگویج ماڈل انسٹینسز میں تقسیم کرتا ہے، ہر انسٹینس کو ایک کردار دیتا ہے، اور ان کے آؤٹ پٹ کو ایک ہی آرڈر میں ضم کرتا ہے۔ عام فہرست میں ایک نیوز ریڈر، ایک فنڈامینٹلز اینالسٹ، ایک چارٹ اینالسٹ، ایک رسک چیکر، اور ایک مینیجر ایجنٹ ہوتا ہے جو ثالثی کرتا ہے۔ جولائی 2026 تک، اس شکل کے کئی اوپن سورس فریم ورک GitHub پر الگورتھمک ٹریڈنگ کے موضوع پر موجود ہیں، جن میں سے ہر ایک کے چند سو ستارے ہیں۔ یہ صفحہ آرکیٹیکچر کی وضاحت کرتا ہے، شائع شدہ شواہد کو README کے دعووں سے الگ کرتا ہے، اور مارکیٹ ڈیٹا پیش کرتا ہے جسے اس کی کسی بھی شکل کو صاف کرنا ہوگا۔

ملٹی ایجنٹ AI ٹریڈنگ سسٹم دراصل کیا ہے

یہ آرکیٹیکچر ایک کمیٹی ہے جس میں ایک چیئر ہوتا ہے۔ ہر ایجنٹ ایک پرامپٹ ٹیمپلیٹ، ایک ڈیٹا فیڈ، اور ایک آؤٹ پٹ سکیما ہے۔ نیوز ایجنٹ ہیڈلائنز وصول کرتا ہے اور ایک لیبل لوٹاتا ہے۔ فنڈامینٹلز ایجنٹ فائلنگز کے اقتباسات وصول کرتا ہے اور ایک سکور لوٹاتا ہے۔ چیئر ایجنٹ وہ لیبلز اور سکور وصول کرتا ہے اور ایک آرڈر لوٹاتا ہے۔

اس ڈیزائن سے تین خصوصیات پیدا ہوتی ہیں، اور کارکردگی کے کسی بھی دعوے سے پہلے ہر ایک کا نام لینا ضروری ہے۔

ہر ایجنٹ عام طور پر ایک بیس ماڈل شیئر کرتا ہے۔ ایک ہی وزن کے خلاف پانچ پرامپٹس باہم مربوط رائے پیدا کرتے ہیں، لہٰذا پانچ ایجنٹوں کا ووٹ پانچ آزاد تخمینے نہیں ہے۔ کمیٹی کا فریمنگ ایک تنوع کا مشورہ دیتا ہے جو نفاذ فراہم نہیں کرتا۔

یہ سسٹم ایک عددی فیصلے کے گرد لپٹی ہوئی ایک ٹیکسٹ پائپ لائن ہے۔ ماڈل الفاظ پڑھتا ہے اور ایک ٹوکن خارج کرتا ہے۔ پوزیشن سائزنگ، آرڈر کی قسم، سٹاپ پلیسمنٹ، اور ایگزٹ لاجک عام کوڈ ہے جو نیچے بیٹھا ہے، اور زیادہ تر جو نتیجہ کا تعین کرتا ہے وہ پرامپٹس کے بجائے اس کوڈ میں رہتا ہے۔

ایک کمیٹی راؤنڈ ٹرپ میں سیکنڈ لگتے ہیں۔ یہ ہفتہ وار ری بیلنس کے لیے قابل عمل ہے اور انٹراڈے رفتار پر غیر متعلق ہے، جہاں مارکیٹ میکرز مائیکرو سیکنڈز میں کوٹ اور ری کوٹ کرتے ہیں۔

تحقیق کیا حمایت کرتی ہے اور کیا نہیں

فنانس میں لینگویج ماڈلز پر شائع شدہ کام بہت مختلف طاقت کے تین دعووں میں تقسیم ہوتا ہے۔

ایکسٹریکشن اور کلاسیفیکیشن مضبوط دعویٰ ہے۔ ماڈلز سنٹی منٹ لیبل کرتے ہیں، فائلنگز سے اعداد و شمار نکالتے ہیں، اور لمبی دستاویزات کو اس درستگی کے ساتھ کمپریس کرتے ہیں جس کے لیے کچھ سال پہلے ایک مخصوص ماڈل کی ضرورت تھی۔ یہ الگ رکھے گئے متن پر قابل پیمائش ہے اور یہ برقرار ہے۔

مارکیٹ کی حالت کی تفصیل ملا جلا دعویٰ ہے۔ ماڈلز ایک ریجیم کے روانی سے اکاؤنٹ لکھتے ہیں، اور وہ اکاؤنٹس عام طور پر اس ڈیٹا کے مطابق ہوتے ہیں جو ماڈل کو دکھایا گیا تھا۔ آیا تفصیل میں وہ معلومات ہے جو قیمت پہلے سے نہیں رکھتی، یہ ایک الگ سوال ہے، اور جو مقالے اسے احتیاط سے جانچتے ہیں وہ وسیع ایرر بارز کے ساتھ چھوٹے اثرات کی اطلاع دیتے ہیں۔

منافع بخشی کمزور دعویٰ ہے۔ زیادہ تر ریپوزٹری READMEs فنڈڈ ٹریک ریکارڈ کے بجائے ایک بیک ٹیسٹ رپورٹ کرتی ہیں، اور ان سیمپل ایکویٹی کریو اور لائیو اکاؤنٹ کے درمیان فاصلہ مقداری ٹریڈنگ کا سب سے پرانا فاصلہ ہے۔ لوپ میں لینگویج ماڈل ڈالنے سے یہ کم نہیں ہوتا۔

لاگت کی منزل جسے سگنل کو صاف کرنا ہوگا

ہر ٹریڈ ایک اسپریڈ کو عبور کرتا ہے، اور یہ عبور کرنا وہ منزل ہے جسے کوئی حکمت عملی کسی اور چیز سے پہلے صاف کرتی ہے۔ 22 سے 26 جون 2026 تک، چھ امریکی لسٹڈ ناموں کے لیے، باقاعدہ اوقات میں میڈین کوٹڈ اسپریڈ:

SELECT ticker,
       round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS spread_bps,
       round(2 * quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS round_trip_bps,
       round(count() / 1e6, 1) AS quote_updates_m
FROM global_markets.cache_stocks_quotes
WHERE ticker IN ('SPY', 'AAPL', 'MSFT', 'KO', 'F', 'RIOT')
  AND sip_timestamp >= toDateTime('2026-06-22 00:00:00')
  AND sip_timestamp < toDateTime('2026-06-27 00:00:00')
  AND (toHour(sip_timestamp) * 60 + toMinute(sip_timestamp)) BETWEEN 810 AND 1199
GROUP BY ticker
HAVING countIf(bid_price > 0 AND ask_price > bid_price) > 0
ORDER BY spread_bps

ایک بیسس پوائنٹ ایک فیصد کا سوواں حصہ ہے۔ پینل میں سب سے تنگ نام، SPY， نے اس ہفتے میں 0.27 بیسس پوائنٹس کا میڈین اسپریڈ کوٹ کیا۔ سب سے چوڑا، RIOT， نے 7.09 کوٹ کیا۔ ایک راؤنڈ ٹرپ اسپریڈ کو دو بار ادا کرتا ہے، لہٰذا پہلے نام میں داخلہ اور اخراج 0.55 بیسس پوائنٹس پیچھے شروع ہوتا ہے اور آخری نام میں وہی جوڑی 14.19 پیچھے شروع ہوتی ہے۔ ایک ایجنٹ جو اپنی کتاب کو ہفتے میں دو بار پلٹتا ہے وہ اس ٹول کو سال میں تقریباً سو بار ادا کرتا ہے، اور ٹول اس بات سے قطع نظر وصول کیا جاتا ہے کہ کال درست تھی یا غلط۔ اسٹاک کی تجارت کی لاگت باقی بل کی تفصیل دیتا ہے۔

شور جسے دشاتمک کال کو شکست دینا ہوگا

دشاتمک کالوں کو ایک تقسیم کے خلاف درجہ بندی کیا جاتا ہے جو زیادہ تر چھوٹی تعداد پر مشتمل ہے۔ کیلنڈر 2025 میں ہر SPY سیشن، اس کی کلوز ٹو کلوز حرکت کے سائز کے مطابق ترتیب دیا گیا:

WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2025-01-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2025-12-31')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY d
),
paired AS (
    SELECT d, close_px,
           any(close_px) OVER (ORDER BY d ASC ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING) AS prev_px
    FROM daily
),
rets AS (
    SELECT d, round(100 * (toFloat64(close_px) / toFloat64(prev_px) - 1), 3) AS ret_pct
    FROM paired
    WHERE prev_px > 0
)
SELECT multiIf(abs(ret_pct) < 0.25, 'under 0.25%',
               abs(ret_pct) < 0.5, '0.25 to 0.5%',
               abs(ret_pct) < 1.0, '0.5 to 1%',
               abs(ret_pct) < 2.0, '1 to 2%',
               '2% and up') AS move_bucket,
       count() AS sessions,
       round(100 * count() / sum(count()) OVER (), 1) AS pct_of_sessions
FROM rets
GROUP BY move_bucket
ORDER BY min(abs(ret_pct))

آدھا سال آدھے فیصد کے اندر بیٹھا تھا۔ under 0.25% بینڈ نے 24.9% سیشنز رکھے اور 0.25 to 0.5% بینڈ نے مزید 24.1% رکھے۔ دوسرے سرے پر، 13 سیشنز 2% and up منتقل ہوئے، جو سال کا 5.2% ہے۔

اسے اسپریڈ پینل کے ساتھ رکھیں۔ ایک بیسس پوائنٹ 0.01% ہے۔ ایک عام سیشن کی حرکت 0.3% ایک تنگ اسپریڈ سے تیس گنا اور چوڑے اسپریڈ سے تقریباً چار گنا ہے۔ ریاضی ایک صبر آزما، درست کال کے لیے گنجائش چھوڑتا ہے اور تیز، معمولی کال کے لیے بہت کم۔

تجارتی کائنات دراصل کہاں بیٹھی ہے

ایجنٹ فریم ورک کوریج کا اشتہار دیتے ہیں، اکثر ہر صبح سینکڑوں ٹکرز اسکین کیے جاتے ہیں۔ ڈالر والیوم ظاہر کرتا ہے کہ اس فہرست کا کتنا حصہ سائز جذب کر سکتا ہے۔ 30 جون 2026 کو باقاعدہ اوقات میں تجارت کرنے والا ہر امریکی لسٹڈ نام، اس سیشن کے ڈالر والیوم میں اس کی درجہ بندی کے مطابق گروپ کیا گیا:

WITH tv AS (
    SELECT ticker,
           sum(toFloat64(close) * toFloat64(volume)) AS dollar_volume
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2026-06-30')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker
    HAVING sum(toFloat64(close) * toFloat64(volume)) > 0
),
ranked AS (
    SELECT ticker, dollar_volume,
           row_number() OVER (ORDER BY dollar_volume DESC) AS rk
    FROM tv
)
SELECT multiIf(rk <= 10, 'top 10 names',
               rk <= 50, 'ranks 11 to 50',
               rk <= 200, 'ranks 51 to 200',
               rk <= 1000, 'ranks 201 to 1000',
               'ranks beyond 1000') AS liquidity_tier,
       count() AS tickers,
       round(sum(dollar_volume) / 1e9, 2) AS dollar_volume_bn,
       round(100 * sum(dollar_volume) / (SELECT sum(dollar_volume) FROM tv), 1) AS pct_of_dollar_volume
FROM ranked
GROUP BY liquidity_tier
ORDER BY min(rk)

دس ناموں نے سیشن کے ڈالر والیوم کا 22.5% لے کر گئے، تقریباً $205.04 بلین۔ اگلے 40 نے 20.5% لے کر گئے۔ دوسرے سرے پر، 10966 نام جو 1000 سے آگے درجہ بندی کرتے ہیں، انہوں نے 12.9% آپس میں بانٹ لیا، تقریباً $117.83 بلین پوری دم میں پھیلا ہوا۔

وسیع پیمانے کا اشتہار دینا سستا ہے اور تجارت کرنا مہنگا ہے۔ ایک کمیٹی جو تین ہزار ناموں کی درجہ بندی کرتی ہے اپنی زیادہ تر درجہ بندی کی کوشش اس دم میں صرف کرتی ہے، جہاں اوپر کا اسپریڈ پینل ایک گولنگ ایرر کے بجائے ایک حقیقی لاگت ہے۔

یہ بیک ٹیسٹ سسٹم کو کیوں چاپلوس کرتے ہیں

چاپلوس بیک ٹیسٹ کا سب سے بڑا واحد ذریعہ ونڈو کا انتخاب ہے۔ کیلنڈر سال کے حساب سے SPY، 2016 سے 2025 تک، سال کی سب سے اونچی اور سب سے نیچی بند ہونے والی قیمت کے درمیان فرق کے ساتھ:

WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2016-01-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2025-12-31')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY d
),
yr AS (
    SELECT toYear(d) AS year,
           argMin(close_px, d) AS first_close,
           argMax(close_px, d) AS last_close,
           max(close_px) AS high_close,
           min(close_px) AS low_close,
           count() AS sessions
    FROM daily
    GROUP BY year
)
SELECT year,
       sessions,
       round(100 * (toFloat64(last_close) / toFloat64(first_close) - 1), 1) AS price_return_pct,
       round(100 * (toFloat64(high_close) / toFloat64(low_close) - 1), 1) AS high_low_range_pct
FROM yr
ORDER BY year

ایک نظام جو صرف 2021 پر آزمایا گیا، ایک سال جو 28.7% زیادہ بند ہوا، ایک بڑھتی ہوئی ٹیپ حاصل کرتا ہے۔ وہی نظام جو صرف 2022 پر آزمایا گیا، جو -20% بند ہوا، ایک گرتی ہوئی ٹیپ حاصل کرتا ہے۔ سال کے اندر سب سے اونچی اور سب سے نیچی بند کے درمیان فرق 68% میں 2020 تک پہنچ گیا اور پرسکون سالوں میں بھی 25.3% سے اوپر رہا۔

ونڈو کے مسئلے کے اوپر چار جال بیٹھے ہیں، اور ان میں سے ایک صرف لینگویج ماڈلز کا ہے۔

• ٹریننگ ڈیٹا کے ذریعے آگے دیکھنا۔ ایک ماڈل جو 2025 تک کے متن پر تربیت یافتہ ہے، اس نے پہلے ہی پڑھ لیا ہے کہ 2023 کی تجارت کیسے نکلی۔ 2023 پر ایک بیک ٹیسٹ ایک ایسا سوال پوچھتا ہے جس کا جواب ماڈل جانتا ہے، اور قیمت کی سیریز کو پھیرنے سے وہ علم ختم نہیں ہوتا۔
• ٹکر کی فہرست میں بقا۔ آج کی لسٹنگ سے جمع کردہ ایک کائنات ان ناموں کو چھوڑ دیتی ہے جو راستے میں ڈی لسٹ ہو گئے۔
• فل مفروضے۔ ایک بیک ٹیسٹ جو ہر آرڈر کو مڈ پوائنٹ پر بھرتا ہے اوپر کے پورے لاگت پینل کو مٹا دیتا ہے۔
• پرامپٹ ویریئنٹس پر انتخاب۔ بیس پرامپٹ فقرے آزمائے گئے اور بہترین رپورٹ کیا گیا وہی اوور فٹنگ ہے جس نے لینگویج ماڈلز کے وجود سے بہت پہلے پیرامیٹر اسویپس کو دوچار کیا تھا۔

جہاں لینگویج ماڈل ایجنٹ ممکنہ طور پر مدد کرتے ہیں

پچ کا ایماندارانہ ورژن README ورژن سے تنگ ہے اور پھر بھی مفید ہے۔

والیوم پڑھنا سب سے واضح جیت ہے۔ ایک ایجنٹ جو راتوں رات واچ لسٹ پر ہر فائلنگ اور ہیڈلائن پر کام کرتا ہے اور ایک ساختی خلاصہ لوٹاتا ہے، انسانی توجہ کے گھنٹے بچاتا ہے، اور آؤٹ پٹ ماخذ کے خلاف قابل جانچ ہے۔

سادہ زبان میں ریجیم کی تفصیل دوسرا ہے۔ بازی، وسعت، اور اتار چڑھاؤ پر ایک روزانہ پیراگراف، انہی اعداد سے تیار کیا گیا جو ایک انسان پڑھے گا، ایک مفید بریفنگ دستاویز ہے چاہے اس میں کوئی پیشن گوئی نہ ہو۔

عمل کی صفائی تیسرا ہے۔ ایک ایجنٹ جو کسی مقررہ پوزیشن کی حد کی خلاف ورزی کرنے والے آرڈر سے انکار کرتا ہے، یا جو کسی حکمت عملی کو کمائی کی تاریخ پر تجارت کرنے والے پر جھنڈا لگاتا ہے، ان اصولوں کو نافذ کرتا ہے جنہیں ایک مشغول انسان چھوڑ دیتا ہے۔

ان میں سے کوئی بھی مارکیٹ میں برتری نہیں ہے۔ تینوں تحقیق اور آپریشنز کا کام ہیں، جہاں آج قابل پیمائش فوائد بیٹھے ہیں۔ ایک دستاویزی اثر جیسے کم اتار چڑھاؤ کی بے ضابطگی کو حقیقی مانے جانے سے پہلے بڑے نمونوں اور بار بار آؤٹ آف سیمپل ریپلیکیشن کی ضرورت تھی، اور ایک نیا ایجنٹ فریم ورک یا تو اسی بار کو پورا کرتا ہے یا اسے صاف نہیں کرتا۔ بہترین دنوں سے محروم ہونا دکھاتا ہے کہ بار بار سوئچنگ ایک طویل مدتی ہولڈر کو کیا خرچ کرتی ہے۔

وہ نظم و ضبط جسے پریکٹیشنرز بیان کرتے ہیں

عوامی طور پر ان سسٹمز کو چلانے والی ٹیمیں ایک ہی ترتیب بیان کرتی ہیں۔ مہینوں کے بجائے دنوں کے لیے نقلی فلز پر فارورڈ ٹیسٹ، کیونکہ ایک کاغذی ریکارڈ صرف حقیقی وقت کی رفتار سے جمع ہوتا ہے۔ ایک آؤٹ آف سیمپل اسٹریچ رکھیں جسے پرامپٹس نے کبھی نہیں دیکھا۔ ہر پرامپٹ، ہر جواب، اور ہر آرڈر کو لاگ کریں، کیونکہ ایک کمیٹی جسے دوبارہ نہیں چلایا جا سکتا اسے ڈی بگ نہیں کیا جا سکتا۔ ماڈل سے باہر بیٹھے ہوئے مقررہ اصولوں کے ساتھ پوزیشنوں کا سائز بنائیں۔ کسی بھی اسٹریچ کو منافع بخش کہنے سے پہلے اوپر کے پینلز سے ہر لاگت گنیں۔

عمومی سوالات

کیا ملٹی ایجنٹ AI ٹریڈنگ سسٹم واقعی پیسہ کماتے ہیں؟

عوامی ثبوت پتلا ہے۔ زیادہ تر اوپن سورس پروجیکٹس آڈیٹڈ لائیو ریکارڈ کے بجائے ایک بیک ٹیسٹ شائع کرتے ہیں، اور لینگویج ماڈل حکمت عملیوں کے بیک ٹیسٹ میں ایک مخصوص خامی ہوتی ہے: ماڈل کو اس متن پر تربیت دی گئی تھی جو ٹیسٹ کی مدت کو بیان کرتا ہے۔ ایک غیر آڈیٹڈ ایکویٹی کریو سافٹ ویئر کو ظاہر کرتا ہے، برتری کو نہیں۔

کیا LLM ایجنٹوں کی کمیٹی ایک ماڈل سے بہتر ہے؟

ایک کمیٹی کچھ فارمیٹنگ اور پارسنگ کی غلطیوں کو کم کرتی ہے اور آؤٹ پٹ میں ساخت شامل کرتی ہے۔ یہ آزاد معلومات شامل نہیں کرتی جب ہر ایجنٹ ایک ہی بیس ماڈل سے ایک ہی بنیادی ڈیٹا پر سوال کرتا ہے۔ پانچ باہم مربوط رائے تقریباً ایک رائے کے طور پر ووٹ دیتی ہیں، جس میں اضافی تاخیر اور اضافی ٹوکن لاگت منسلک ہوتی ہے۔

کیا AI ایجنٹ مارکیٹ میکر سے تیز تجارت کر سکتا ہے؟

نہیں۔ ایک لینگویج ماڈل راؤنڈ ٹرپ سیکنڈوں میں چلتا ہے جبکہ پیشہ ورانہ کوٹنگ سسٹم شریک واقع ہارڈویئر پر مائیکرو سیکنڈز میں کام کرتے ہیں۔ کوئی بھی حکمت عملی جس کا منافع رفتار پر منحصر ہے ان سسٹمز کی صلاحیت سے باہر ہے، جو دنوں اور ہفتوں کے افق کو قابل فہم زمین کے طور پر چھوڑتا ہے۔

LLM ٹریڈنگ ایجنٹوں کے لیے سب سے بڑا بیک ٹیسٹ جال کیا ہے؟

ٹریننگ ڈیٹا آگے دیکھنا۔ روایتی بیک ٹیسٹ مستقبل کی قیمتوں کو فیصلے میں لیک ہونے سے بچاتے ہیں، لیکن ایک ماڈل کے وزن پہلے سے ہی ٹیسٹ ونڈو کے بارے میں شائع شدہ تبصرہ کو انکوڈ کرتے ہیں۔ واک فارورڈ ونڈوز اور آؤٹ آف سیمپل اسپلٹ وزن میں پکے ہوئے علم کو نہیں ہٹاتے، اور واحد صاف ٹیسٹ ٹریننگ کٹ آف کے بعد کی مدت ہے۔

پیپر ٹریڈنگ کی مدت کتنی چلنی چاہیے؟

مفید فریمنگ کیلنڈر کی لمبائی کے بجائے نمونے کا سائز ہے۔ ایک حکمت عملی جو ہفتہ وار تجارت کرتی ہے سال میں تقریباً پچاس مشاہدات پیدا کرتی ہے، برتری کے کسی بھی دعوے کے لیے ایک چھوٹا نمونہ۔ پریکٹیشنرز عام طور پر اتنی تجارتیں چاہتے ہیں کہ انہوں نے ڈرا ڈاؤن دیکھا ہو، نہ کہ صرف ایک اچھا دور۔

اس صفحہ پر ہر پینل ایک ذخیرہ شدہ، ورژن شدہ سوال ہے جو حقیقی امریکی مارکیٹ ڈیٹا پر ہے۔ کوئی بھی پینل کھولیں تاکہ اس کے پیچھے SQL پڑھ سکیں، یا Strasmore ٹرمینل پر اسی ٹیبلز کے خلاف اپنا چلائیں۔