একটি নিখুঁত প্রম্পটের অ্যানাটমি: যা সত্যিই কাজ করে
ফ্রেমওয়ার্কগুলো ভুলে যান। কার্যকর প্রম্পটে যা যা থাকা দরকার, আর যেগুলো ছাড়াও কাজ চলে — সবকিছু এক জায়গায় সহজ ভাষায়।
ফ্রেমওয়ার্কগুলো আপনি নিশ্চয়ই দেখেছেন। RISEN, CO-STAR, CRISPE, APE, RTF। প্রতি সপ্তাহেই নতুন একটা acronym, যা প্রতিশ্রুতি দেয় আপনার AI প্রম্পটকে "মাঝামাঝি" থেকে "জাদুকরী" বানিয়ে দেবে।
আসল কথা হলো — এই ফ্রেমওয়ার্কগুলো বেশিরভাগ ক্ষেত্রেই সহজ একটা ব্যাপারকে অযথা জটিল করে ফেলে। মুখস্থ করার জন্য ছয়-সাতটা component ধরিয়ে দেয়, অথচ বাস্তবে বেশিরভাগ প্রম্পটের জন্য সেগুলোর অর্ধেকই দরকার পড়ে না।
যারা ChatGPT, Claude বা Gemini থেকে নিয়মিত ভালো ফলাফল পান, তারা কোনো কঠিন ফর্মুলা মেনে চলেন না। তারা বোঝেন একটা প্রম্পটকে আসলে কী জিনিস কার্যকর করে — আর তার চেয়েও জরুরি, কোন অংশটা বাদ দেওয়া যায়। এই লেখা সেটাই নিয়ে।
"নিখুঁত" প্রম্পট পরামর্শের সমস্যা কোথায়
প্রম্পট ইঞ্জিনিয়ারিং নিয়ে বেশিরভাগ পরামর্শে প্রতিটা প্রম্পটকে যেন একটা মাস্টারপিস হতে হবে এমন ভঙ্গিতে দেখা হয়। একটা role দিন! বিস্তারিত context লিখুন! ফরম্যাট হুবহু বলে দিন! উদাহরণ যোগ করুন! constraint সেট করুন!
কিন্তু "ফ্রান্সের রাজধানী কী?" — এই ধরনের সাধারণ প্রশ্নে এসব কিছুই দরকার নেই। AI-কে "ভূগোল বিশেষজ্ঞের ভূমিকায় থাকতে" বা "ঠিক তিন বাক্যে bullet point ফরম্যাটে উত্তর দিতে" বলার কোনো মানে হয় না। আপনি শুধু প্রশ্নটা করুন।
আসল দক্ষতা ফ্রেমওয়ার্ক মুখস্থ করায় নয়। আসল দক্ষতা হলো — কোন প্রম্পটে আসলে কোন component দরকার সেটা বুঝতে পারা, আর শুধু সেটুকুই যোগ করা।
তিনটি জিনিস বাদ দেওয়া যাবে না
শত শত প্রম্পট বিশ্লেষণ করার পর — যেগুলো কাজ করে আর যেগুলো কাজ করে না — একটা প্যাটার্ন স্পষ্ট হয়ে ওঠে। প্রতিটা কার্যকর প্রম্পটে কোনো না কোনোভাবে এই তিনটা জিনিস থাকে:
১. একটা স্পষ্ট কাজ। AI-কে দিয়ে আপনি ঠিক কী করাতে চান? শুনতে সাধারণ লাগলেও, অস্পষ্ট কাজই প্রম্পট ব্যর্থ হওয়ার সবচেয়ে বড় কারণ। "মার্কেটিং নিয়ে কিছু লেখো" — এটা কোনো কাজ নয়। "একটা কফি শপের নতুন seasonal drink ঘোষণার জন্য তিনটা social media পোস্ট আইডিয়া লেখো" — এটা কাজ।
২. যথেষ্ট context। আপনি যা জানেন AI সেটা জানে না। আপনার অনুরোধ যদি এমন কোনো তথ্যের উপর নির্ভর করে যেটা AI আন্দাজ করতে পারবে না — আপনার audience, আপনার সীমাবদ্ধতা, আপনার পরিস্থিতি — তাহলে সেটা আপনাকেই দিতে হবে। গবেষণা বলছে প্রাসঙ্গিক context generic output ৪২% কমিয়ে দেয়।
৩. আউটপুটের একটা সংকেত। AI-কে জানতে হবে কখন তার কাজ শেষ আর শেষ মানে দেখতে কেমন। এটা হতে পারে একটা ফরম্যাট ("একটা bulleted list দাও"), একটা দৈর্ঘ্য ("১০০ শব্দের মধ্যে রাখো"), অথবা কাজের ভেতর থেকেই উঠে আসা একটা গঠন ("একটা ইমেইল লেখো" — এটা শুনলেই ইমেইলের ফরম্যাট বোঝা যায়)।
তিনটি বিল্ডিং ব্লক, যা প্রতিটি কার্যকর প্রম্পটের মূল উপাদান উপস্থাপন করে: কাজ, context এবং আউটপুট সংকেত
ব্যস, এটুকুই। বাকি সবকিছু — role, উদাহরণ, constraint, tone-এর নির্দেশনা — উপকারী, কিন্তু optional। ফলাফল মন না ভরলে তখন সেগুলো যোগ করুন। শুরুতেই default হিসেবে যোগ করবেন না।
প্রম্পট কেন ব্যর্থ হয়: কেস স্টাডি
চলুন কয়েকটা সত্যিকারের প্রম্পট দেখি যেগুলো কাজ করে না, আর ঠিক কী জিনিসটা মিস হচ্ছে সেটা ধরিয়ে দিই।
ভাঙা প্রম্পট #১: "আমার presentation-এ একটু সাহায্য করো।"
যা মিস হচ্ছে: সবকিছু। কোনো কাজ নেই (কীভাবে সাহায্য?), কোনো context নেই (presentation কী নিয়ে?), কোনো আউটপুট সংকেত নেই (AI কী তৈরি করবে?)।
ঠিক করা সংস্করণ: "আগামীকাল executive team-এর সামনে আমাদের Q1 sales-এর ফলাফল উপস্থাপন করছি। আমাদের সাফল্যগুলো হাইলাইট করে ৫টা bullet point আর উন্নতির জায়গা নিয়ে একটা slide draft করো। উঁচু লেভেলে রাখো — তারা বিস্তারিত চান না।"
ভাঙা প্রম্পট #২: "productivity নিয়ে একটা blog post লেখো।"
যা মিস হচ্ছে: Context আর আউটপুট সংকেত। AI জানে না audience কে, কত বড় হবে, বা কোন angle থেকে লিখবে। ফলাফল হবে generic ভাসা ভাসা কথা।
ঠিক করা সংস্করণ: "creative professional-দের জন্য to-do list কেন কাজ করে না — এই নিয়ে ৬০০ শব্দের একটা blog post লেখো। Target audience: freelance designer আর writer। Tone: কথ্য, একটু contrarian। ঐতিহ্যবাহী to-do list-এর জায়গায় ২-৩টা কাজে লাগানো যায় এমন বিকল্প দাও।"
যা মিস হচ্ছে: আউটপুট সংকেত। AI জানে না আপনি এক বাক্যের summary চান নাকি বিস্তারিত breakdown, bullet point নাকি প্যারাগ্রাফ, মূল takeaway নাকি একটা neutral overview।
ঠিক করা সংস্করণ: "এই document-টা ৩টা bullet point-এ summarize করো। কী সিদ্ধান্ত নেওয়া হলো আর কী action item আছে — এই দুটোয় ফোকাস করো। background context বাদ দাও — সেটা আমার জানা।"
প্যাটার্নটা দেখলেন? বেশিরভাগ প্রম্পট ব্যর্থ হয় এই তিনটা না-বাদ-দেওয়া জিনিসের কোনো একটা অস্পষ্ট থাকার কারণে, অথবা একদম মিস থাকার কারণে।
সম্পূর্ণ অ্যানাটমি: ছয়টি component
অপরিহার্য component মাত্র তিনটা হলেও, প্রম্পট অনুযায়ী মোট ছয়টা পর্যন্ত আপনি ব্যবহার করতে পারেন। সম্পূর্ণ অ্যানাটমি দেখুন:
১. কাজ (Required)
AI-কে দিয়ে আপনি যে action-টা করাতে চান। নির্দিষ্ট, action-oriented শব্দ ব্যবহার করুন: "লেখো," "summarize করো," "তুলনা করো," "list দাও," "ব্যাখ্যা করো।" "সাহায্য করো" বা "assist করো" — এই ধরনের অস্পষ্ট verb এড়িয়ে চলুন।
২. Context (সাধারণ প্রশ্নের বাইরে যেকোনো কিছুর জন্য Required)
AI-এর যে background information দরকার। এর মধ্যে আছে: audience কে, পরিস্থিতি কী, কী কী constraint আছে, আর প্রাসঙ্গিক যেসব detail AI অন্য কোনোভাবে জানতে পারবে না।
৩. Format / আউটপুট সংকেত (Required — implicit হলেও)
উত্তরটা কীভাবে গঠন করতে হবে। দৈর্ঘ্য, ফরম্যাট (list, প্যারাগ্রাফ, table), section, বা নির্দিষ্ট কিছু element। আপনি যদি কিছু না বলেন, AI default হিসেবে গদ্যের প্যারাগ্রাফ দেবে।
৪. Role (Optional — যখন tone বা expertise গুরুত্বপূর্ণ)
AI-এর জন্য একটা persona: "তুমি একজন অভিজ্ঞ copywriter" বা "একজন ধৈর্যশীল শিক্ষকের ভূমিকায় থেকে নতুন কাউকে বুঝিয়ে বলো।" গবেষণা বলছে এটা accuracy-র চেয়ে tone আর style-এ বেশি সাহায্য করে।
৫. উদাহরণ (Optional — যখন আউটপুটের style বর্ণনা করা কঠিন)
নমুনা input আর output, যা দেখিয়ে দেয় আপনি ঠিক কী চান। এটাকে বলে few-shot prompting, আর জটিল কাজে এটা accuracy ১৫–৪০% বাড়িয়ে দেয়। নির্দিষ্ট কোনো লেখার কণ্ঠ বা ফরম্যাট মেলাতে হলে বিশেষভাবে কাজে লাগে।
৬. Constraint (Optional — যখন নির্দিষ্ট কোনো আচরণ আটকাতে হবে)
AI-কে কোন জিনিসটা এড়াতে হবে বা সীমাবদ্ধ রাখতে হবে: "jargon ব্যবহার করো না," "intro বাদ দাও," "২০০ শব্দের মধ্যে রাখো," "কিছু ধরে নেবে না — অস্পষ্ট হলে জিজ্ঞেস করো।" OpenAI-এর best practice অনুযায়ী, কী না করতে হবে তার চেয়ে কী করতে হবে সেটা বলা বেশি কার্যকর। তবে আগে অযাচিত আউটপুট পেলে constraint কাজে আসে।
ক্রম গুরুত্বপূর্ণ: কীভাবে প্রম্পট সাজাবেন
কোন component নেবেন সেটা ঠিক করার পর প্রশ্ন আসে — কোন জিনিসটা কোথায় বসাবেন? কোনো একটা "সঠিক" ক্রম নেই, তবে গবেষণা আর প্র্যাকটিস বলছে একটা সাধারণ flow সবচেয়ে ভালো কাজ করে:
১. Role (যদি ব্যবহার করেন) → ২. Context → ৩. কাজ → ৪. Format/Constraint → ৫. উদাহরণ (যদি ব্যবহার করেন)
এই ক্রমেই কেন? AI প্রম্পট ক্রম মেনে process করে। Role আর context দিয়ে শুরু করলে, কিছু চাওয়ার আগেই "মঞ্চ সাজানো" হয়ে যায়। Context-এর পরে কাজ বসালে AI আগে পরিস্থিতি বুঝে নেয়, তারপর action-এ যায়। কাজের পর format আর constraint বসালে কীভাবে execute করতে হবে সেটা পরিষ্কার হয়। আর উদাহরণগুলো শেষে থাকলে চূড়ান্ত reference হিসেবে কাজ করে।
এই গঠনটা বাস্তবে দেখুন:
তুমি একজন customer support specialist, যে স্পষ্ট আর friendly উত্তর লেখে। (Role)
এক customer email-এ জানিয়েছেন তার order ভাঙা অবস্থায় এসেছে — আমাদের ceramics line-এর একটা ফাটল-ধরা mug। আমাদের policy হলো বিনামূল্যে replacement পাঠানো, return লাগবে না। (Context)
সমস্যাটার জন্য দুঃখ প্রকাশ করে আর replacement-এর কথা জানিয়ে একটা reply email draft করো। (কাজ)
১০০ শব্দের মধ্যে রাখো। উষ্ণ অথচ professional tone। "we apologize for any inconvenience" — এই phrase ব্যবহার করো না। (Format/Constraint)
মূল কথাটা হলো — খুব লম্বা প্রম্পটের একদম শেষে কাজ বসালে AI আগের context "ভুলে" যেতে পারে। জটিল প্রম্পটে আপনার সবচেয়ে গুরুত্বপূর্ণ নির্দেশনা — সাধারণত কাজ — context-এর পরে কিন্তু উদাহরণ বা লম্বা reference material-এর আগে রাখুন।
Minimum Viable Prompt: যখন কম মানেই বেশি
প্রতিটা প্রম্পটে ছয়টা component-ই দরকার, এমন না। বরং অতিরিক্ত নির্দেশনা দিলে আউটপুট বানানো বানানো বা অযথা বাঁধা মনে হতে পারে। সরল রাখার সময় কখন:
সাধারণ প্রশ্ন — সরাসরি জিজ্ঞেস করুন। "TCP আর UDP-এর মূল পার্থক্য কী?" — এর জন্য কোনো role, context বা format-এর দরকার নেই।
Creative brainstorming — AI-কে ঘুরে দেখার জায়গা দিন। "একটা pet food brand-এর জন্য ১০টা অপ্রচলিত marketing আইডিয়া দাও" — heavy constraint ছাড়াই এটা ভালো কাজ করে।
যখন iterate করছেন — ছোট প্রম্পট দিয়ে শুরু করুন। আউটপুট মন না ভরলে পরের message-এ component যোগ করতে থাকুন। "ভালো হয়েছে, একটু casual করো" — এটা প্রায়ই শুরুতেই সব specify করার চেয়ে দ্রুত কাজ করে।
একটা এলোমেলো ভারী প্রম্পট থেকে পরিচ্ছন্ন, ফোকাসড প্রম্পটে রূপান্তরের তুলনা — আগে আর পরে
iterative পদ্ধতি কম মূল্যায়িত একটা ব্যাপার। গবেষণায় দেখা যাচ্ছে প্রম্পটকে কথোপকথন না ভেবে এক-shot process হিসেবে দেখা সবচেয়ে সাধারণ ভুলগুলোর একটা। এক conversation-এর ভেতরে AI context মনে রাখে, তাই আপনি ধাপে ধাপে গড়ে তুলতে আর শাণিয়ে নিতে পারেন।
ফ্রেমওয়ার্ক ছাড়া একটা টেমপ্লেট
Acronym মুখস্থ করার বদলে, প্রম্পট submit করার আগে এই ছোট মানসিক চেকলিস্টে চোখ বুলিয়ে নিন:
১. আমার কাজটা কি নির্দিষ্ট? এই প্রম্পট পড়ে অন্য কেউ কি ঠিক বুঝতে পারবে আমি কী চাই? না পারলে detail যোগ করুন।
২. AI-এর কি দরকারি জিনিস সব আছে? একজন বুদ্ধিমান অপরিচিত কাউকে সাহায্য করতে গেলে কি আরও background লাগবে? লাগলে context যোগ করুন।
৩. "শেষ" দেখলে কি বুঝব? দৈর্ঘ্য, ফরম্যাট বা গঠন কি বলে দিয়েছি? একই প্রম্পট AI পাঁচ রকমভাবে বুঝতে পারলে আউটপুটটা স্পষ্ট করুন।
৪. (Optional) Tone বা expertise কি গুরুত্বপূর্ণ? হ্যাঁ হলে role দিন।
৫. (Optional) Style কি বর্ণনা করা কঠিন? হ্যাঁ হলে একটা উদাহরণ দিন।
ব্যস, পাঁচটা প্রশ্ন — মুখস্থ করার মতো কোনো ফ্রেমওয়ার্ক না। কয়েক সেকেন্ডে চোখ বুলিয়ে নিন, যা দরকার যোগ করুন, যা দরকার নেই বাদ দিন।
নিচে একটা টেমপ্লেট দিলাম, copy করে নিজের মতো বদলে নিতে পারেন:
[Role — দরকার হলে]
তুমি একজন {{role}}, যে {{relevant trait}}।
[Context]
{{AI-কে যা যা জানা দরকার সেই background information}}
[কাজ]
{{Specific action verb}} {{যা চান}} — {{audience/purpose}}-এর জন্য।
[Format — দরকার হলে]
{{দৈর্ঘ্য, গঠন বা format-এর শর্ত}}
[উদাহরণ — দরকার হলে]
আমি যে style চাই তার একটা উদাহরণ:
{{example}}
যদি দেখেন একই ধরনের প্রম্পট ছোটখাটো বদল করে বারবার ব্যবহার করছেন — ভিন্ন client, ভিন্ন topic, ভিন্ন tone-এ — তাহলে সেগুলো template হিসেবে save করে রাখার কথা ভাবতে পারেন। PromptNest-এর মতো tool আপনাকে {{client_name}} বা {{topic}}-এর মতো variable দিয়ে প্রম্পট store করতে দেয়, যাতে শুধু blank পূরণ করে এক click-এই ready-to-use প্রম্পট copy করা যায়।
প্রম্পট কাজ করলে পরে কী করবেন
এই জায়গাতেই বেশিরভাগ মানুষ সময় নষ্ট করেন: একটা দারুণ প্রম্পট লেখেন, দারুণ ফলাফল পান, এবং তারপর... সেটা হারিয়ে ফেলেন। chat history-তে কোথাও তলিয়ে যায়, তিন সপ্তাহ পরে যখন আবার দরকার হয় — খুঁজে পাওয়া যায় না।
যারা AI থেকে সবচেয়ে বেশি লাভ পান, তারা যে অন্যদের চেয়ে ভালো প্রম্পট লেখেন এমন না। তারা যেগুলো কাজ করে সেগুলো save আর reuse করায় ভালো। সময়ের সাথে সাথে তারা একটা ব্যক্তিগত library গড়ে তোলেন — project বা কাজ অনুযায়ী সাজানো, দরকারের সময় হাতের কাছে।
শুরুটা সরল রাখুন: একটা note, একটা doc — যা কাজে লাগে। আসল কথা হলো একটা system থাকা।
একটু purpose-built কিছু চাইলে PromptNest দেখতে পারেন — এটা একটা native Mac app, Mac App Store-এ $19.99 one-time, কোনো subscription নেই, account লাগে না, পুরোটাই locally চলে। প্রম্পট project অনুযায়ী সাজান, পুরো collection-এ search করুন, আর variable ব্যবহার করে একই প্রম্পট ভিন্ন পরিস্থিতিতে আবার লিখতে হবে না।
শুরু করুন এখান থেকেই
RISEN, CO-STAR, বা অন্য কোনো acronym মুখস্থ করার দরকার নেই। যা বুঝতে হবে সেটা তিনটা জিনিস: আপনি কী চাইছেন (কাজ), AI-এর কী জানা দরকার (context), আর আউটপুট দেখতে কেমন হবে (format)।
বাকি সবকিছু — role, উদাহরণ, constraint — একটা tool, যেটা এই তিনটা যথেষ্ট না হলে হাতে নেবেন।
একটা প্রম্পট বেছে নিন যেটা আপনি নিয়মিত ব্যবহার করেন। হতে পারে ইমেইল draft করা, document summarize করা, বা আইডিয়া brainstorm করা। উপরের চেকলিস্ট মেনে সেটা আবার লিখুন। দেখুন কী বদল আসে।
