কার্যকরী এআই এজেন্ট প্রম্পট তৈরি করার নিয়ম: ডেটা ব্লিস্টের প্রম্পট নিয়ম থেকে শিক্ষা
এআই এজেন্টদের জন্য প্রম্পট তৈরি করা শুধুমাত্র মডেলকে কী করতে হবে তা বলা নয়—এটি একটি মাইক্রো-প্রসেস ডিজাইন করার বিষয় যা এজেন্ট অনিশ্চয়তার মধ্যে, স্কেলে নির্ভরযোগ্যভাবে সম্পাদন করতে পারে। প্রম্পট নিয়মের উপর ডেটা ব্লিস্টের ব্যবহারিক নির্দেশিকা বিশেষভাবে আপনার এজেন্ট যখন স্ট্রাকচার্ড ডেটা স্পর্শ করে, তথ্য স্ক্র্যাপ করে বা বহু-পদক্ষেপের কর্মপ্রবাহ স্বয়ংক্রিয় করে, তখন এটি করার জন্য সবচেয়ে স্পষ্ট, কার্যকরী প্লেবুকগুলির মধ্যে একটি। এই গভীর অনুসন্ধানে, আমরা সেই পাঠগুলিকে একটি ক্ষেত্র-পরীক্ষিত কাঠামোতে অনুবাদ করব যা আপনি অবিলম্বে প্রয়োগ করতে পারেন।
শৈলী: সমালোচনামূলক ও অনুসন্ধানী। আমরা জিজ্ঞাসা করব কোথায় প্রম্পট ভাঙে, কেন ভাঙে এবং বাস্তব জগতের বিশৃঙ্খলা সহ্য করার জন্য কীভাবে সেগুলি ডিজাইন করা যায়।
মূল ধারণা: প্রম্পট হল পুনরাবৃত্তিযোগ্য, পর্যবেক্ষণযোগ্য আচরণের স্পেসিফিকেশন
বেশিরভাগ প্রম্পট পরামর্শ চ্যাট সহকারীদের জন্য তৈরি করা হয়। এআই এজেন্টরা আলাদা। তারা সারি, URL বা রেকর্ডের মধ্যে চলে; তারা পার্স এবং স্বাভাবিক করে; তত্ত্বাবধান ছাড়াই তাদের স্পেসিফিকেশনে থাকতে হবে। এর মানে:
- আপনার প্রম্পট একটি স্পেসিফিকেশন, পরামর্শ নয়।
- প্রতিটি অস্পষ্টতা বিচ্যুতি, অতিরিক্ত খরচ এবং পরিচ্ছন্নতার দিকে পরিচালিত করে।
- আপনার সেরা বন্ধু হল গঠন: ইনপুট স্কিমা, আউটপুট ফরম্যাট এবং গার্ডরেল।
ডেটা ব্লিস্টের উপকরণগুলি স্পষ্ট নির্দেশাবলী এবং সারণী আউটপুট সহ ডেটা বিশ্লেষণ এবং শ্রেণীবদ্ধ করার পদ্ধতি প্রদর্শন করে এবং Excel/CSV সারিগুলিতে কীভাবে প্রম্পট চালানো যায়—যেখানে ব্যর্থতা দ্রুত এবং প্রায়শই দেখা যায়, তা তুলে ধরে এই বিষয়টির উপর জোর দেয়।
১১-নিয়মের মানসিকতা: নির্ভরযোগ্য প্রম্পট সম্পর্কে ডেটা ব্লিস্ট কী শিক্ষা দেয়
নীচে এআই এজেন্টদের জন্য ডেটা ব্লিস্টের প্রম্পট নিয়মগুলির একটি সংশ্লেষণ দেওয়া হল, যেখানে বাস্তব উদাহরণ এবং পরীক্ষামূলক চেকবিন্দু রয়েছে যা আপনি উৎপাদনে ব্যবহার করতে পারেন।
১) একটি একক, পরিমাপযোগ্য লক্ষ্য সংজ্ঞায়িত করুন
- এজেন্টের ঠিক কী তৈরি করা উচিত? একটি স্বাভাবিক করা কোম্পানির নাম? ক্ষেত্র সহ একটি JSON অবজেক্ট? একটি শ্রেণীবিভাগ লেবেল?
- এটি পর্যবেক্ষণযোগ্য করুন: “
name, domain, category কী সহ JSON ফেরত দিন।” কোনো অবাধ গদ্য নয়।
উদাহরণ নির্দেশ:
কাজ: প্রতিটি ইনপুট সারির জন্য, কী সহ একটি JSON অবজেক্ট আউটপুট করুন: নাম (স্ট্রিং), ডোমেইন (URL), শ্রেণী (SaaS, Agency, Marketplace, Other এর মধ্যে একটি)।
গুণমান পরীক্ষা: যদি দুইজন পর্যালোচক আউটপুট লক্ষ্যের সাথে মেলে কিনা সে বিষয়ে একমত হতে না পারেন, তাহলে আপনার লক্ষ্য যথেষ্ট নির্দিষ্ট নয়।
২) প্রসঙ্গ আগে নির্দেশাবলী রাখুন—এবং তাদের আলাদা করুন
- এজেন্টরা আগের টেক্সটকে অগ্রাধিকার দেয়। “কী” এবং “কীভাবে” দিয়ে শুরু করুন, তারপর উদাহরণ যুক্ত করুন।
- স্পষ্ট Delimiter ব্যবহার করে ইনপুট থেকে দৃশ্যত নির্দেশাবলী আলাদা করুন।
কঙ্কাল প্রম্পট:
নির্দেশাবলী:
১) নীচের JSON স্কিমাটি সঠিকভাবে অনুসরণ করুন।
২) শুধুমাত্র প্রদত্ত ইনপুট ব্যবহার করুন। অনুপস্থিত ক্ষেত্রগুলি অনুমান করবেন না।
৩) অজানা থাকলে, মানটিকে null সেট করুন।
স্কিমা:
{ "name": "string", "domain": "string|null", "category": "SaaS|Agency|Marketplace|Other" }
---
ইনপুট সারি:
{{row}}
এটি প্রম্পট গঠন এবং উদ্বেগের পৃথকীকরণের জন্য ব্যাপকভাবে প্রস্তাবিত সেরা অনুশীলনগুলিকে প্রতিফলিত করে।
৩) আউটপুট বিন্যাসকে কঠোরভাবে সীমাবদ্ধ করুন
- JSON স্কিমা, CSV কলাম বা কী-মান জোড়া ব্যবহার করুন। অতিরিক্ত টেক্সট নিষিদ্ধ করুন।
- এজেন্টকে ঠিক কী আউটপুট দিতে হবে—এবং কী আউটপুট দেওয়া উচিত নয়, তা বলুন।
একটি কঠিন সীমাবদ্ধতা যুক্ত করুন:
শুধুমাত্র একটি JSON অবজেক্ট আউটপুট করুন। কোনো ব্যাখ্যা, কোনো মার্কডাউন, কোনো মন্তব্য নয়।
৪) কয়েকটি উদাহরণের ব্যবহার করুন যা প্রান্তের ঘটনাগুলিকে প্রতিফলিত করে
- উদাহরণ আচরণকে নোঙর করে। সাধারণ, প্রান্ত এবং ব্যর্থতার ঘটনাগুলি অন্তর্ভুক্ত করুন।
- "অজানা" দেখতে কেমন তা দেখান।
উদাহরণ ব্লক:
উদাহরণ:
ইনপুট: "Acme Studio — Custom branding for startups"
আউটপুট: {"name":"Acme Studio", "domain": null, "category":"Agency"}
ইনপুট: "Nimbus (nimbusapp.com) — Workflow automation"
আউটপুট: {"name":"Nimbus", "domain":" "category":"SaaS"}
৫) প্রত্যাখ্যান এবং ফলব্যাক আচরণ সংজ্ঞায়িত করুন
- এজেন্টদের কখন বিরত থাকতে হবে তা জানতে হবে।
- সুস্পষ্ট ফলব্যাক টোকেন এবং মান নির্দিষ্ট করুন (যেমন,
null, `)।
৭) জ্ঞান এবং উৎস সীমাবদ্ধ করুন
- “শুধুমাত্র প্রদত্ত টেক্সট ব্যবহার করুন।”
- যদি ওয়েব ব্রাউজিং বা সরঞ্জাম উপলব্ধ থাকে, তবে সেগুলি গণনা করুন এবং কখন সেগুলি ব্যবহার করতে হবে তা ব্যাখ্যা করুন।
উৎস নিয়ম:
ইনপুট সারিতে প্রদত্ত বিষয়বস্তু শুধুমাত্র ব্যবহার করুন। বাইরের জ্ঞানের উপর নির্ভর করবেন না।
এজেন্ট নির্ভরযোগ্যতার জন্য উপলব্ধ সরঞ্জাম এবং প্রাসঙ্গিক সুযোগ স্পষ্ট করার জন্য বাইরের নির্দেশিকাও সুপারিশ করে।
৮) ভাষা এবং স্বর নিরপেক্ষ রাখুন (অথবা নির্দিষ্ট করুন)
- এজেন্টদের জন্য, স্বর সাধারণত অপ্রাসঙ্গিক—তবে নির্দিষ্ট না হলে আউটপুটে প্রবেশ করতে পারে।
- “কোনো মন্তব্য নয়” বলে অতিরিক্ত কথাবার্তা প্রতিরোধ করুন।
৯) হ্যালুসিনেশন বিরুদ্ধে গার্ডরেল যুক্ত করুন
- উদ্ভাবিত URL, ঠিকানা এবং আইডি স্পষ্টভাবে নিষিদ্ধ করুন।
- অনুমানের পরিবর্তে
null প্রয়োজন।
হ্যালুসিনেশন বিরোধী নিয়ম:
যদি ডোমেইন স্পষ্টভাবে উপস্থিত না থাকে, তাহলে ডোমেইনকে null সেট করুন। URL তৈরি করবেন না।
১০) টাইট প্রম্পট দিয়ে খরচ এবং গতির জন্য অপ্টিমাইজ করুন
- ফ্লাফ সরান। সংক্ষিপ্ত প্রম্পট টোকেন এবং বিচ্যুতি হ্রাস করে।
- সংক্ষিপ্ত লেবেল এবং গণনা ব্যবহার করুন।
ডেটা ব্লিস্ট তুলে ধরে যে স্পষ্ট, সংক্ষিপ্ত প্রম্পট সময় এবং ক্রেডিট উভয়ই বাঁচায়—যা স্কেলে গুরুত্বপূর্ণ।
১১) প্রথমে ছোট করে পরীক্ষা করুন, তারপর স্কেল করুন
- ২০-৫০ সারিতে ড্রাই-রান করুন; ব্যর্থতা পরিদর্শন করুন; নিয়ম আপডেট করুন; পুনরায় চালান।
- রিগ্রেশন প্রতিরোধ করতে "পরিচিত খারাপ" পরীক্ষার সারি যুক্ত করুন।
পাইলট চেকলিস্ট:
- ১০টি প্রান্তের ঘটনা, ১০টি সাধারণ ঘটনা, ১০টি বাজে/নয়েজ ঘটনা।
- অবৈধ JSON হার, অজানা হার এবং একটি গোল্ড সেটের সাথে চুক্তি পরিমাপ করুন।
এআই এজেন্টদের জন্য একটি যুদ্ধ-পরীক্ষিত প্রম্পট টেমপ্লেট
CSV সারিতে কাজ করা ডেটা নিষ্কাশন/শ্রেণীবদ্ধকরণ এজেন্টদের জন্য এই টেমপ্লেটটি ব্যবহার করুন:
সিস্টেম ভূমিকা:
আপনি একজন ডেটা নরমালাইজেশন এজেন্ট। আপনি কঠোরভাবে স্কিমা অনুসরণ করেন, কখনই তথ্য উদ্ভাবন করেন না এবং শুধুমাত্র একটি JSON অবজেক্ট ফেরত দেন।
নির্দেশাবলী:
- লক্ষ্য: {name, domain, category} ক্ষেত্রগুলির সাথে প্রতিটি ইনপুট সারির জন্য একটি JSON অবজেক্ট তৈরি করুন।
- আউটপুট: ঠিক একটি JSON অবজেক্ট এবং অন্য কিছু নয়।
- শ্রেণী: SaaS, Agency, Marketplace, Other।
- স্বাভাবিককরণ:
- যদি স্কিম ছাড়া ডোমেইন থাকে, তাহলে https:// যোগ করুন
- যদি কোনো ডোমেইন উপস্থিত না থাকে, তাহলে ডোমেইনকে null সেট করুন
<a11>- নামের জন্য Title Case</a12>- শ্রেণী অবশ্যই অনুমোদিত মানগুলির মধ্যে একটির সাথে হুবহু মিলতে হবে</a13>- ফলব্যাক: অজানা ক্ষেত্রগুলির জন্য null ব্যবহার করুন। অনুমান করবেন না।</a14>- সুযোগ: নীচের ইনপুট সামগ্রী শুধুমাত্র ব্যবহার করুন। বাইরের জ্ঞান ব্যবহার করবেন না।</a15></a16>স্কিমা:</a17>{"name":"string","domain":"string|null","category":"SaaS|Agency|Marketplace|Other"}</a18></a19>উদাহরণ:</a20>ইনপুট: "Nimbus (nimbusapp.com) — Workflow automation"</a20>আউটপুট: {"name":"Nimbus","domain":"
<a22></a23>ইনপুট সারি:</a23>{{row_text}}
আপনার ব্যবহারের ক্ষেত্রের জন্য স্কিমা মানিয়ে নিন (যেমন, location, industry, price, status)।
কখন প্রম্পট ব্যর্থ হয়: সাধারণ ব্যর্থতার মোড এবং সমাধান
- ব্যর্থতা: আউটপুটে "সুন্দর" গদ্য
- কারণ: কোনো আউটপুট সীমাবদ্ধতা নেই; মডেল চ্যাটটি মোডে ডিফল্ট হয়।
- সমাধান: “শুধুমাত্র JSON আউটপুট করুন। কোনো মন্তব্য নয়।” উদাহরণ যুক্ত করুন।
- ব্যর্থতা: উদ্ভাবিত URL বা শ্রেণী
- কারণ: পুরস্কার-সন্ধানী সমাপ্তি; অস্পষ্ট বিরত থাকার নীতি।
- সমাধান: “অজানা থাকলে, null সেট করুন। কখনই তৈরি করবেন না।” নেতিবাচক উদাহরণ যুক্ত করুন।
- ব্যর্থতা: অসামঞ্জস্যপূর্ণ ক্যাপিটালাইজেশন বা বিন্যাস
- কারণ: কোনো স্বাভাবিককরণ নিয়ম নেই।
- সমাধান: সুস্পষ্ট স্বাভাবিককরণ নির্দেশাবলী এবং উদাহরণ যুক্ত করুন।
- ব্যর্থতা: CSV তে স্কেলে বিরতি
- কারণ: প্রান্তের ঘটনা অনুপস্থিত; স্কিমা খুব ঢিলেঢালা।
- সমাধান: একটি মূল্যায়ন সেট তৈরি করুন; স্কিমা শক্ত করুন; পুনরাবৃত্তি করুন।
- ব্যর্থতা: সরঞ্জাম অপব্যবহার বা সুযোগ ক্রিপ
- কারণ: অস্পষ্ট সুযোগ এবং সরঞ্জাম তালিকা।
- সমাধান: সরঞ্জাম এবং কখন ব্যবহার করতে হবে তা গণনা করুন; অন্যথায়, “শুধুমাত্র প্রদত্ত ইনপুট ব্যবহার করুন।”
CSV এর বাইরে নিয়ম প্রয়োগ করা: ওয়েব কাজ, সারসংক্ষেপ এবং পাইপলাইন
- ওয়েব স্ক্র্যাপিং এজেন্ট: অনুমোদিত নির্বাচক, হারের সীমা এবং অনুমোদিত ডোমেন নির্দিষ্ট করুন। স্ট্রাকচার্ড আউটপুট এবং null প্রয়োজন যখন নির্বাচক ব্যর্থ হয়।
- গবেষণা/সারসংক্ষেপ এজেন্ট: লক্ষ্য দর্শক, পঠন স্তর এবং উদ্ধৃতি বিন্যাস সংজ্ঞায়িত করুন। বুলেট-আউটপুট সীমাবদ্ধতা ব্যবহার করুন।
- বহু-পদক্ষেপের পাইপলাইন: হ্যান্ডঅফ স্কিমা সহ পারমাণবিক উপ-কাজে কাজগুলি ভেঙে দিন। প্রতিটি পদক্ষেপ যাচাইকৃত JSON গ্রহণ এবং উত্পাদন করে।
একটি দ্রুত শুরু কর্মপ্রবাহ যা আপনি আজ প্রতিলিপি করতে পারেন
- লক্ষ্য এবং স্কিমা সংজ্ঞায়িত করুন। এটিকে ছোট এবং কঠোর রাখুন।
- সীমাবদ্ধতা, উদাহরণ এবং ফলব্যাক সহ প্রম্পট খসড়া করুন।
- একটি ৩০-সারির পরীক্ষার সেট তৈরি করুন (সাধারণ, প্রান্ত, নয়েজ)। প্রত্যাশিত আউটপুট সংরক্ষণ করুন।
- একটি পাইলট চালান; অবৈধ-আউটপুট হার এবং null-হার পরিমাপ করুন।
- ব্যর্থতার ঘটনা প্যাচ করুন; তাদের পরীক্ষার সেটে যুক্ত করুন।
- পুরো ডেটাসেটে স্কেল করুন; বিচ্যুতি নিরীক্ষণ করুন।
ডেটা ব্লিস্ট স্প্রেডশীট সারিতে প্রম্পট চালানো প্রদর্শন করে, এই পুনরাবৃত্তি লুপের জন্য একটি আদর্শ প্রমাণ ক্ষেত্র।
উল্লেখ করার মতো: প্রম্পট পুনরাবৃত্তি দ্রুত করতে Sider.AI ব্যবহার করা
এটি কেন সাহায্য করে: দ্রুত পুনরাবৃত্তি সবকিছু। পুনরায় ব্যবহারযোগ্য প্রম্পট স্নিপেট সেট আপ করে, আপনার কাজের পাশে উদাহরণ রেখে এবং ফ্লাইতে JSON যাচাই করে, আপনি ধারণা থেকে নির্ভরযোগ্য এজেন্টে সময় কমিয়ে দেন। যাইহোক, আপনি যদি একাধিক এজেন্ট কাজের মধ্যে প্রম্পট পরিচালনা করেন, তাহলে একটি কর্মক্ষেত্র যা সংস্করণ, ব্যাচ রান এবং পাশাপাশি তুলনা সমর্থন করে তা নাটকীয়ভাবে খরচ কমাতে এবং তাড়াতাড়ি রিগ্রেশন ধরতে পারে। সেখানেই Sider.AI স্লট ইন করতে পারে: এক জায়গায় প্রম্পট, উদাহরণ এবং মূল্যায়ন সেট রাখুন; দ্রুত পুনরাবৃত্তি করুন; এবং ডেটা আপনার পাইপলাইনে পৌঁছানোর আগে বৈধতা সহ আউটপুট সীমাবদ্ধতা প্রয়োগ করুন। মূল বিষয়গুলি
- নির্দিষ্ট করুন, পরামর্শ দেবেন না: প্রম্পটগুলিকে এক্সিকিউটেবল স্পেসিফিকেশন হিসাবে বিবেচনা করুন।
- ইনপুট থেকে নির্দেশাবলী আলাদা করুন: স্পষ্ট কাঠামো সম্মতি উন্নত করে।
- আউটপুট সীমাবদ্ধ করুন: শুধুমাত্র JSON বা CSV—কোনো মন্তব্য, কোনো মার্কডাউন নয়।
- দেখান, তারপর বলুন: কয়েকটি উদাহরণের ব্যবহার করুন, বিশেষ করে প্রান্তের ঘটনা।
- বিরত থাকার দাবি করুন: অনুমানের চেয়ে
null পছন্দ করুন; হ্যালুসিনেশন নিষিদ্ধ করুন।
- সবকিছু স্বাভাবিক করুন: স্টেট ক্যাসিং, URL স্কিম, enums।
- বৈজ্ঞানিকভাবে পুনরাবৃত্তি করুন: ছোট পাইলট, ব্যর্থতা বিশ্লেষণ, লক করা পরীক্ষা।
পরবর্তী কী
- একটি একক কাজ দিয়ে শুরু করুন (যেমন, কোম্পানির প্রকার শ্রেণীবদ্ধ করুন) এবং একটি v1 প্রম্পট পাঠান।
- আপনার "পরিচিত-খারাপ" পরীক্ষার সারি তৈরি করুন যাতে ব্যর্থতা আর কখনও দেখা না যায়।
- একই স্কিমা শৃঙ্খলা ব্যবহার করে সংলগ্ন কাজগুলির জন্য প্রম্পট যুক্ত করুন (এন্টিটি ম্যাচিং, ডিডুপিং, সমৃদ্ধকরণ)।
- আপনি স্কেল করার সাথে সাথে হালকা মূল্যায়ন এবং স্বয়ংক্রিয়-বৈধতা লেয়ার করুন।
FAQ
Q1:কার্যকরী এআই এজেন্ট প্রম্পটের জন্য সবচেয়ে গুরুত্বপূর্ণ নিয়মগুলি কী কী?
একটি একক পরিমাপযোগ্য লক্ষ্য সংজ্ঞায়িত করুন, আউটপুটগুলিকে কঠোর স্কিমাতে সীমাবদ্ধ করুন (যেমন JSON), ইনপুট থেকে নির্দেশাবলী আলাদা করুন, প্রান্ত-ঘটনার উদাহরণ অন্তর্ভুক্ত করুন এবং অনুমানের পরিবর্তে null প্রয়োজন। এগুলি এজেন্টদের জন্য ডেটা ব্লিস্টের প্রম্পট নিয়মগুলির সাথে সামঞ্জস্যপূর্ণ এবং স্কেলে ত্রুটিগুলি প্রতিরোধ করে।
Q2:আমি কীভাবে এআই এজেন্টদের URL-এর মতো ডেটা হ্যালুসিনেট করা থেকে আটকাতে পারি?
স্পষ্টভাবে তৈরি করা নিষিদ্ধ করুন এবং একটি ফলব্যাক সরবরাহ করুন: ডেটা অনুপস্থিত থাকলে null ব্যবহার করুন। অজানা বিষয়গুলি দেখানো উদাহরণগুলির সাথে জোর দিন এবং আপনার স্কিমার সাথে মেলে না এমন আউটপুটগুলিকে প্রত্যাখ্যান করার জন্য একটি বৈধতা পদক্ষেপ যুক্ত করুন।
Q3:আমি কীভাবে নির্ভরযোগ্যভাবে CSV বা Excel সারিতে প্রম্পট চালাতে পারি?
স্কিমা সহ একটি টাইট প্রম্পট ব্যবহার করুন, তারপর স্কেল করার আগে একটি ছোট পরীক্ষার সেটে ব্যাচ-রান করুন। ডেটা ব্লিস্টের পদ্ধতির দ্বারা অনুপ্রাণিত সরঞ্জামগুলি সারিগুলিতে প্রম্পট চালানো এবং প্রান্তের ঘটনাগুলি দ্রুত প্রকাশ করা সহজ করে তোলে।
Q4:আমার প্রম্পটগুলিতে আমার কী ধরণের উদাহরণ অন্তর্ভুক্ত করা উচিত?
কয়েকটি উদাহরণের ব্যবহার করুন যা সাধারণ ইনপুট, প্রান্তের ঘটনা এবং ব্যর্থতার ঘটনাগুলিকে প্রতিফলিত করে। null এর সঠিক ব্যবহার, সঠিক শ্রেণী বিভাগ enums এবং স্বাভাবিককরণ দেখান (যেমন ডোমেইনগুলিতে https:// যোগ করা)।
Q5:আমার এআই এজেন্ট প্রম্পট উত্পাদন-প্রস্তুত কিনা তা আমি কীভাবে মূল্যায়ন করব?
২০-৫০ সারিতে পাইলট করুন, অবৈধ-আউটপুট এবং null হার পরিমাপ করুন এবং একটি গোল্ড সেটের সাথে তুলনা করুন। ব্যর্থতা স্থিতিশীল না হওয়া পর্যন্ত পুনরাবৃত্তি করুন, তারপর ভবিষ্যতের প্রম্পট পরিবর্তনগুলির সময় রিগ্রেশন ধরতে একটি পরীক্ষার সেট লক করুন।
