স্বচ্ছতা ও সরাসরি ভাব — সোনালী নিয়ম
এই পাঠে যা শিখবেন
- Anthropic-এর "সহকর্মীর পরীক্ষা" সোনালী নিয়ম প্রয়োগ করা
- আউটপুট ফরম্যাট, সীমা ও প্রত্যাশা স্পষ্টভাবে নির্দিষ্ট করা
- ক্রমানুসারে ধাপ বা বুলেট ব্যবহার করে জটিল নির্দেশনা সাজানো
- ভিন্ন ভিন্ন বাস্তব ক্ষেত্রে (ড্যাশবোর্ড, ইমেইল, সারাংশ) নীতিটি প্রয়োগ করা
১ · সোনালী নিয়ম — সহকর্মীর পরীক্ষা
পাঠ ০২-এ আমরা দেখেছি — দুর্বল ও ভালো প্রম্পটের পার্থক্য আসলে নির্দিষ্টতার পার্থক্য। এই পাঠে আমরা সেই নির্দিষ্টতা তৈরি করার প্রথম ও সবচেয়ে গুরুত্বপূর্ণ নীতিটা শিখব — Anthropic যাকে বলে স্বচ্ছতা ও সরাসরি ভাব (Clarity and Directness)। এর পেছনে একটা সহজ পরীক্ষা আছে, যাকে বলা যায় সোনালী নিয়ম —
"Show your prompt to a colleague with minimal context on the task and ask them to follow it. If they'd be confused, Claude will be too." — আপনার প্রম্পটটা এমন একজন সহকর্মীকে দেখান যার কাজ সম্পর্কে ন্যূনতম প্রসঙ্গ আছে, এবং তাকে সেটা অনুসরণ করতে বলুন। যদি সে বিভ্রান্ত হয়, তাহলে Claude-ও বিভ্রান্ত হবে।
এই পরীক্ষাটা এত কার্যকর কারণ এটা আপনার মাথার ভেতরে থাকা সব "স্পষ্ট" ধরে নেওয়া তথ্যকে বের করে আনতে বাধ্য করে। আপনি জানেন আপনি ঠিক কী চান — কিন্তু প্রম্পটে যদি সেটা লেখা না থাকে, মডেলের কাছে (এবং কাল্পনিক সেই সহকর্মীর কাছে) এটা সম্পূর্ণ অদৃশ্য।
২ · একই উদাহরণ, আরেকবার — এবার "কেন" বোঝার জন্য
পাঠ ০২-এ আমরা Anthropic-এর ড্যাশবোর্ড উদাহরণটা খরচের প্রসঙ্গে দেখেছিলাম। এখানে একই উদাহরণটা আবার দেখি — কিন্তু এবার মনোযোগ দিন কোন নির্দিষ্ট শব্দগুলো প্রম্পটটাকে স্বচ্ছ করে তুলছে।
❌ কম কার্যকর (Less effective):
Create an analytics dashboard.
✅ বেশি কার্যকর (More effective):
Create an analytics dashboard. Include as many relevant features and
interactions as possible. Go beyond the basics to create a fully-featured
implementation.
একজন সহকর্মীকে যদি শুধু "একটা অ্যানালিটিক্স ড্যাশবোর্ড বানাও" বলা হয়, তার প্রথম প্রশ্ন হবে — "কতটা বিস্তারিত? কোন ফিচারগুলো লাগবে? একটা প্রোটোটাইপ, নাকি প্রোডাকশন-রেডি কিছু?" দ্বিতীয় প্রম্পটে এই প্রশ্নগুলোর উত্তর আগে থেকেই দেওয়া আছে — তাই কোনো অনুমানের প্রয়োজন নেই।
৩ · আউটপুট ফরম্যাট ও সীমা স্পষ্টভাবে বলুন
স্বচ্ছতার একটা বড় অংশ হলো — মডেল কী ধরনের আউটপুট দেবে সেটা আগে থেকেই নির্দিষ্ট করে দেওয়া। শুধু "কী করতে হবে" বললেই যথেষ্ট নয় — "কী ফরম্যাটে", "কত দৈর্ঘ্যে", "কোন কাঠামোয়" তাও বলে দিতে হবে। যেমন —
- "একটা সারাংশ লেখো" এর বদলে — "৩টা বুলেট পয়েন্টে, প্রতিটা সর্বোচ্চ ২০ শব্দে সারাংশ লেখো।"
- "কোডটা ঠিক করো" এর বদলে — "এই ফাংশনে থাকা বাগটা ঠিক করো, কিন্তু ফাংশনের সিগনেচার বা নাম পরিবর্তন কোরো না।"
- "একটা রিপোর্ট বানাও" এর বদলে — "একটা মার্কডাউন টেবিলে ৫টা কলাম সহ — নাম, তারিখ, স্ট্যাটাস, দায়িত্বপ্রাপ্ত ব্যক্তি, নোট।"
৪ · ক্রম গুরুত্বপূর্ণ হলে, নম্বরযুক্ত ধাপ ব্যবহার করুন
যখন একটা কাজে একাধিক ধাপ আছে এবং সেই ধাপগুলোর ক্রম গুরুত্বপূর্ণ, তখন গদ্যের মধ্যে সব ধাপ গুঁজে দেওয়ার বদলে নম্বরযুক্ত তালিকা ব্যবহার করুন। এতে দুটো লাভ হয় — মডেলের জন্য প্রতিটা ধাপ আলাদাভাবে চিহ্নিত হয়ে যায়, এবং আপনার নিজের জন্যও নির্দেশনা যাচাই করা সহজ হয়।
❌ কম কার্যকর (Less effective):
প্রথমে ডেটা পরিষ্কার করো, তারপর একটা সারাংশ লেখো, এবং শেষে গুরুত্বপূর্ণ
সংখ্যাগুলো হাইলাইট করে দিও, ওহ এবং এর আগে ভুল এন্ট্রিগুলো বাদ দিও।
✅ বেশি কার্যকর (More effective):
নিচের ধাপগুলো এই ক্রমে অনুসরণ করো —
১. ভুল বা অসম্পূর্ণ এন্ট্রিগুলো বাদ দাও।
২. অবশিষ্ট ডেটা পরিষ্কার করো (ফরম্যাট ঠিক করো)।
৩. একটা সংক্ষিপ্ত সারাংশ লেখো।
৪. সারাংশে গুরুত্বপূর্ণ সংখ্যাগুলো bold করে হাইলাইট করো।
প্রথম সংস্করণে ক্রমটা আসলে উল্টো হয়ে গেছে (এন্ট্রি বাদ দেওয়ার কথা শেষে বলা হয়েছে, যদিও এটাই প্রথম হওয়া উচিত) — এবং এই ধরনের গোলমাল গদ্যের মধ্যে খুঁজে বের করা কঠিন। নম্বরযুক্ত তালিকায় এই ভুল সাথে সাথেই চোখে পড়ে।
৫ · আরও দুটো উদাহরণ — নীতিটা যাচাই করে নিন
নিচে দুটো ভিন্ন বাস্তব ক্ষেত্রে একই নীতি প্রয়োগ করা হলো — যাতে বুঝতে পারেন এটা শুধু কোডিং বা ড্যাশবোর্ডের জন্য নয়, যেকোনো লেখার কাজেই সমানভাবে কার্যকর।
উদাহরণ ক — ইমেইল লেখা
❌ কম কার্যকর (Less effective):
ক্লায়েন্টকে একটা ইমেইল লিখে দাও যে ডেলিভারি দেরি হবে।
✅ বেশি কার্যকর (More effective):
ক্লায়েন্টকে একটা ইমেইল লিখে দাও যেখানে জানানো হবে যে ডেলিভারি ৫ দিন
দেরি হবে, কারণ শিপিং কোম্পানির কাস্টমস প্রক্রিয়ায় সমস্যা হয়েছে।
টোন হবে দুঃখপ্রকাশমূলক কিন্তু পেশাদার, সর্বোচ্চ ১০০ শব্দ, এবং শেষে
একটা নতুন প্রস্তাবিত ডেলিভারি তারিখ উল্লেখ থাকবে।
প্রথম সংস্করণে মডেলকে অনুমান করতে হচ্ছে কেন দেরি হচ্ছে, কতটা দেরি হচ্ছে, টোন কেমন হওয়া উচিত — এই সবকিছুই মডেল নিজে থেকে বানিয়ে নেবে, যা বাস্তব পরিস্থিতির সাথে নাও মিলতে পারে।
উদাহরণ খ — একটা প্রবন্ধের সারাংশ তৈরি করা
❌ কম কার্যকর (Less effective):
এই প্রবন্ধটার একটা সারাংশ লিখে দাও।
✅ বেশি কার্যকর (More effective):
এই প্রবন্ধটার একটা সারাংশ লিখে দাও — একজন পাঠকের জন্য যিনি বিষয়টা
সম্পর্কে কিছুই জানেন না। ৫টা বুলেট পয়েন্টে, প্রতিটা একটা সম্পূর্ণ
বাক্যে, কোনো টেকনিক্যাল জার্গন ছাড়া লিখবে।
"সারাংশ লিখে দাও" বললে মডেল অনুমান করে নেয় সারাংশ কতটা লম্বা হবে, কার জন্য লেখা, কী কাঠামোয় থাকবে। দ্বিতীয় সংস্করণে এই তিনটে সিদ্ধান্তই আপনি নিজে নিয়েছেন — মডেলের হাতে ছেড়ে দেননি।
স্বচ্ছতা মানে বেশি শব্দ লেখা নয় — স্বচ্ছতা মানে সঠিক তথ্য দেওয়া। প্রতিবার প্রম্পট লেখার আগে নিজেকে জিজ্ঞেস করুন — "একজন সহকর্মী যার এই কাজ সম্পর্কে কোনো ধারণা নেই, সে কি এই লেখা পড়ে ঠিক আমার চাওয়া জিনিসটাই তৈরি করতে পারবে?" উত্তর যদি "না" হয়, তাহলে সেই ফাঁকটাই আপনাকে পূরণ করতে হবে।
ভাবনার প্রশ্ন
প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।
প্র ০১ "সহকর্মীর পরীক্ষা" বাস্তবে কীভাবে প্রয়োগ করবেন, যখন আপনার পাশে সত্যিই কোনো সহকর্মী নেই?
পরীক্ষাটা মূলত একটা মানসিক অনুশীলন — সত্যিকারের সহকর্মীর প্রয়োজন নেই। প্রম্পট লেখা শেষ হলে, এক মিনিট থেমে এটা নিজে আবার পড়ুন, কিন্তু এমনভাবে যেন আপনি এই কাজের প্রেক্ষাপট কিছুই জানেন না — শুধু যা লেখা আছে তাই জানেন। কোথাও যদি "এটা তো বোঝাই যায়" জাতীয় ফাঁক মনে হয়, সেটাই স্পষ্ট করে লিখে দিন।
ব্যবহারিকভাবে, আপনি চাইলে সত্যিই প্রম্পটটা একজন সহকর্মী বা বন্ধুকে দেখিয়ে জিজ্ঞেস করতে পারেন "এটা পড়ে তুমি কী বুঝলে আমি চাইছি?" — যদি তার উত্তর আপনার প্রত্যাশার সাথে না মেলে, প্রম্পটে সেই ফাঁকই মডেলকেও বিভ্রান্ত করবে।
প্র ০২ স্বচ্ছতা বাড়াতে গিয়ে প্রম্পট যদি অতিরিক্ত লম্বা হয়ে যায়, সেটা কি সমস্যার সৃষ্টি করবে না?
পার্থক্যটা লক্ষ্য করুন — স্বচ্ছতা মানে প্রাসঙ্গিক তথ্য যোগ করা, অপ্রাসঙ্গিক তথ্য বা পুনরাবৃত্তি নয়। উপরের উদাহরণগুলোতে "বেশি কার্যকর" সংস্করণ লম্বা হলেও প্রতিটা বাড়তি শব্দ একটা নির্দিষ্ট প্রশ্নের উত্তর দিচ্ছে (টোন কী, দৈর্ঘ্য কত, ফরম্যাট কী) — এটা "ভরাট" নয়, এটা তথ্যবহুল।
পাঠ ১৭-এ ("লিন প্রম্পটিং") আমরা দেখব কীভাবে স্বচ্ছতা বজায় রেখেও অপ্রয়োজনীয় শব্দ বাদ দেওয়া যায় — দুটো লক্ষ্যই একসাথে অর্জনযোগ্য।
প্র ০৩ নম্বরযুক্ত ধাপ কখন ব্যবহার করা উচিত, আর কখন সাধারণ গদ্যেই যথেষ্ট?
নিয়মটা সহজ — যদি কাজে একাধিক ধাপ থাকে এবং সেই ধাপগুলোর ক্রম ফলাফলকে প্রভাবিত করে (যেমন প্রথমে ফিল্টার করা, তারপর বিশ্লেষণ করা), তাহলে নম্বরযুক্ত তালিকা ব্যবহার করুন। কিন্তু যদি নির্দেশনা একটাই সরল অনুরোধ হয় ("এই অনুচ্ছেদটা আরও সংক্ষিপ্ত করো"), তালিকার প্রয়োজন নেই — এটা অহেতুক জটিলতা যোগ করবে।
মূলনীতি এখানেও একই — যতটুকু গঠন কাজে লাগবে, ঠিক ততটুকুই ব্যবহার করুন, তার বেশি না।
অনুশীলন
-
নিজে লিখুন: "আমার জন্য একটা ওয়ার্কআউট প্ল্যান বানাও" — এই দুর্বল প্রম্পটটাকে সোনালী নিয়ম প্রয়োগ
করে একটা স্বচ্ছ প্রম্পটে রূপান্তর করুন। অন্তত ৩টা নির্দিষ্ট তথ্য (লক্ষ্য, সময়সীমা, ফরম্যাট) যোগ করুন।
একটা ভালো সংস্করণ হতে পারে — "আমার জন্য একটা ৪-সপ্তাহের ওয়ার্কআউট প্ল্যান বানাও, লক্ষ্য পেশী শক্তি বাড়ানো, সপ্তাহে ৩ দিন জিমে যাওয়ার সুযোগ আছে, প্রতিদিনের প্ল্যান আলাদা বুলেটে, প্রতিটা ব্যায়ামে সেট ও রেপ সংখ্যা উল্লেখ করে।" — এখানে লক্ষ্য, সময়সীমা, সীমাবদ্ধতা (সপ্তাহে ৩ দিন) এবং ফরম্যাট — সবকিছুই স্পষ্ট।
-
চিহ্নিত করুন: "রিপোর্টটা ভালো করে লিখো, দরকারমতো তথ্য বাদ দিও, তবে বেশি ছোটও কোরো না, আর
একটু প্রফেশনাল রেখো" — এই প্রম্পটে ঠিক কোন কোন জায়গায় অস্পষ্টতা আছে?
অন্তত তিনটে অস্পষ্টতা আছে — "দরকারমতো তথ্য বাদ দিও" (কোন তথ্য দরকার, কোনটা না তা অনির্দিষ্ট), "বেশি ছোটও কোরো না" (কোনো নির্দিষ্ট দৈর্ঘ্য বা সীমা নেই), এবং "একটু প্রফেশনাল" (এটা কতটা আনুষ্ঠানিক তার কোনো মাপকাঠি নেই)। প্রতিটা ক্ষেত্রে একটা নির্দিষ্ট সংখ্যা, উদাহরণ বা মাপকাঠি যোগ করলেই প্রম্পটটা স্বচ্ছ হয়ে যাবে।
-
পুনর্গঠন করুন: "ডেটা এনালাইসিস করো এবং একটা চার্ট বানাও, তার আগে ডুপ্লিকেট রো বাদ দিও, এবং
তারপর ফলাফল একটা প্যারাগ্রাফে ব্যাখ্যা কোরো" — এই নির্দেশনাটাকে সঠিক ক্রমে নম্বরযুক্ত ধাপে সাজান।
সঠিক ক্রম হবে — ১. ডুপ্লিকেট রো বাদ দাও। ২. অবশিষ্ট ডেটা এনালাইসিস করো। ৩. একটা চার্ট বানাও। ৪. ফলাফল একটা প্যারাগ্রাফে ব্যাখ্যা করো। মূল বাক্যে ক্রমটা এলোমেলোভাবে লেখা ছিল (ডুপ্লিকেট বাদ দেওয়ার কথা মাঝখানে এসেছে, যদিও এটাই প্রথম হওয়া উচিত) — নম্বরযুক্ত তালিকায় সাজালে এই ভুল সহজেই চোখে পড়ে।
আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ
- পরবর্তী পাঠ · প্রসঙ্গ ও কারণ যোগ করা পাঠ ০৪ শুধু নিয়ম বলার বদলে "কেন" ব্যাখ্যা করলে মডেল কীভাবে আরও ভালোভাবে সাধারণীকরণ করে।
- আগের পাঠ · কেন প্রম্পট ইঞ্জিনিয়ারিং গুরুত্বপূর্ণ পাঠ ০২ দুর্বল ও ভালো প্রম্পটের পার্থক্য কেন মডেলের টোকেন-অনুমান প্রক্রিয়ার সরাসরি ফলাফল।
- সব AI Courses দেখুন ABCL TECH AI Foundations, Python for AI, Machine Learning, Deep Learning, NLP ও LLM, Prompt Engineering — সব এক জায়গায়।
- AI সংবাদ ও সাম্প্রতিক ঘটনাবলি Blog ABCL TECH-এর বাংলা AI সংবাদ — Claude, GPT, Gemini-এর নতুন মডেল ও আপডেট নিয়ে।