Google Gemini-এর অফিসিয়াল গাইডলাইন

১ · thinking_level প্যারামিটার — কতটা "ভাবতে" দেবেন মডেলকে

পাঠ ০৮-এ আমরা দেখেছি কীভাবে মডেলকে ধাপে ধাপে চিন্তা করানো জটিল কাজে নির্ভুলতা বাড়ায়। Gemini-তে এই "কতটা চিন্তা করবে" নিয়ন্ত্রণটাই একটি নির্দিষ্ট প্যারামিটারে রূপ নিয়েছে — thinking_levelthinking_levelGemini-এর একটি প্যারামিটার যা মডেল উত্তর দেওয়ার আগে কতটা অভ্যন্তরীণ "চিন্তা" (thinking tokens) খরচ করবে তা নিয়ন্ত্রণ করে — HIGH, LOW বা MINIMAL সেট করা যায়।। ডিফল্টভাবে Gemini 3 মডেল dynamic HIGH thinking ব্যবহার করে — অর্থাৎ প্রম্পটের জটিলতা বুঝে নিজে থেকেই প্রয়োজনমতো বেশি "ভাবে"।

কিন্তু প্রতিটি কাজেই গভীর চিন্তার দরকার নেই। সহজ, কম-জটিল কাজে দ্রুত ও সস্তা উত্তর চাইলে thinking_level কে LOW বা MINIMAL-এ নামিয়ে আনা যায় — MINIMAL মডেলকে যতটা সম্ভব কম টোকেন "চিন্তা"-য় খরচ করতে বাধ্য করে।

২ · নেগেটিভ কনস্ট্রেইন্টের ঝুঁকি — "কখনো অনুমান করবেন না"-এর বিপদ

একটি সূক্ষ্ম কিন্তু গুরুত্বপূর্ণ সতর্কতা Gemini-এর গাইডে পাওয়া যায় — বড়, বিস্তৃত নেগেটিভ কনস্ট্রেইন্ট (যেমন "কখনো অনুমান করবেন না" বা "কখনো infer করবেন না") মডেলকে সেই একটি নিষেধাজ্ঞার উপর এতটাই বেশি মনোযোগী করে তোলে যে এটি প্রায়ই সাধারণ যুক্তি, হিসাব, বা ডকুমেন্ট জুড়ে তথ্য সংশ্লেষণের মতো মৌলিক কাজেও ব্যর্থ হতে শুরু করে — কারণ মডেল প্রতিটি সিদ্ধান্তকে "এটা কি অনুমান করা হচ্ছে?" প্রশ্নের মধ্য দিয়ে ফিল্টার করতে থাকে।

❌ কম কার্যকর (বিস্তৃত নেগেটিভ কনস্ট্রেইন্ট):

কখনো অনুমান করবেন না। কখনো ধরে নেবেন না। ডকুমেন্টে না থাকা কোনো তথ্য
কখনো ব্যবহার করবেন না।

✅ বেশি কার্যকর (positive, নির্দিষ্ট নির্দেশনা):

শুধুমাত্র নিচের সরবরাহকৃত ডকুমেন্টের তথ্য ব্যবহার করে উত্তর দাও। যদি
প্রশ্নের উত্তর ডকুমেন্টে না থাকে, স্পষ্টভাবে বলো "এই তথ্য সরবরাহকৃত
ডকুমেন্টে নেই।"

পার্থক্যটা লক্ষ্য করুন — দ্বিতীয় সংস্করণ মডেলকে বলছে কী করতে হবে (শুধু প্রদত্ত কনটেক্সট ব্যবহার করো, এবং তথ্য না থাকলে কী বলতে হবে), বিস্তৃতভাবে কী করা যাবে না তা তালিকাভুক্ত করার বদলে। এই "positive framing" নীতিটা সাধারণভাবেও কাজে লাগে — পাঠ ২৬-এ আমরা আরও এমন সাধারণ সমস্যা ও সমাধান দেখব।

৩ · "নিরবে চিন্তা করুন" — লেটেন্সি কমানোর একটি বাস্তব কৌশল

দ্রুত রেসপন্সের প্রয়োজন হলে দুটি জিনিস একসাথে করা যায় — thinking_level-কে LOW-এ সেট করা, এবং system instruction-এ যোগ করা "নিরবে চিন্তা করো" (think silently) জাতীয় একটি নির্দেশনা। এর ফলে মডেল তার অভ্যন্তরীণ যুক্তি-প্রক্রিয়া ব্যবহারকারীর সামনে বিস্তারিতভাবে না দেখিয়ে সরাসরি সংক্ষিপ্ত ফলাফলে পৌঁছাতে চেষ্টা করে — যা রেসপন্স টাইম কমায়।

৪ · Gemini-এর সাধারণ প্রম্পটিং কৌশলসমূহ

thinking_level ও নেগেটিভ কনস্ট্রেইন্ট ছাড়াও, Gemini-এর ডকুমেন্টেশন কিছু সাধারণ নীতির উপর জোর দেয় — যার বেশিরভাগই এই কোর্সের মডিউল ২-এ ইতিমধ্যে বিস্তারিত আলোচনা করা হয়েছে, তাই এখানে শুধু সংক্ষেপে উল্লেখ করছি —

• স্বচ্ছতা ও নির্দিষ্টতা: নির্দেশনা যত স্পষ্ট, ফলাফল তত নির্ভরযোগ্য (পাঠ ০৩)।
• System instruction: মডেলের সামগ্রিক আচরণ নির্ধারণে একটি system-স্তরের নির্দেশনা ব্যবহার করা (পাঠ ০৭)।
• Few-shot উদাহরণ: প্রত্যাশিত আউটপুট দেখানোর জন্য উদাহরণ যোগ করা (পাঠ ০৫)।
• গঠনবদ্ধ প্রম্পট: সংগঠিত ফলাফলের জন্য প্রম্পটকে স্পষ্ট বিভাগে ভাগ করা (পাঠ ০৬)।
• জটিল কাজ ভেঙে ফেলা: একটি বড় কাজকে ছোট ছোট ধাপে ভাগ করা (পাঠ ১৯)।