OpenAI-এর নতুন প্রম্পটিং গাইড: ধাপে ধাপে স্ক্রিপ্টের পরিবর্তে ফলাফলের ওপর গুরুত্ব দিন

OpenAI একটি নতুন প্রম্পটিং ফ্রেমওয়ার্ক প্রকাশ করেছে যা প্রথাগত "chain-of-thought" বা চিন্তাধারার ওপর অতিরিক্ত নির্ভরতাকে চ্যালেঞ্জ করে এবং ব্যবহারকারীদের কঠোর নির্দেশনার পরিবর্তে ফলাফলের ওপর গুরুত্ব দিতে উৎসাহিত করে। এই পরিবর্তনটি আরও স্বজ্ঞাত (intuitive) এবং যুক্তি-নির্ভর মিথস্ক্রিয়ার দিকে একটি পদক্ষেপ নির্দেশ করে, যেখানে মডেলকে কঠোর স্ক্রিপ্টের পরিবর্তে স্বায়ত্তশাসন (autonomy) প্রদান করা হয়।

কার্যকর প্রম্পটিংয়ের চারটি মূল ভিত্তি

API প্যারামিটার বা জটিল স্কিমার একটি বিস্তারিত ম্যানুয়াল প্রদানের পরিবর্তে, OpenAI প্রম্পটিং আর্কিটেকচারকে চারটি ঐচ্ছিক উপাদানে সহজতর করছে: Goal (লক্ষ্য), Context (প্রেক্ষাপট), Output Format (আউটপুট ফরম্যাট), এবং Boundaries (সীমানা)। গুরুত্বপূর্ণ বিষয় হলো, এর কোনোটিই বাধ্যতামূলক নয়। সাধারণ জিজ্ঞাসার ক্ষেত্রে, অতিরিক্ত জটিল নির্দেশনার চেয়ে একটি ছোট প্রম্পট প্রায়শই ভালো ফলাফল দেয়।

এই গাইডের মূল দর্শন হলো "ছোট থেকে শুরু করা"। OpenAI পরামর্শ দিচ্ছে যে ব্যবহারকারীদের ধাপে ধাপে সূক্ষ্ম নির্দেশনার পরিবর্তে কাঙ্ক্ষিত ফলাফল দিয়ে শুরু করা উচিত। প্রক্রিয়া বর্ণনা করার পরিবর্তে চূড়ান্ত লক্ষ্য বর্ণনা করার মাধ্যমে, আপনি GPT-4o এর মতো মডেলগুলোকে তথ্য অনুসন্ধান করতে, তুলনা করতে এবং স্বয়ংক্রিয়ভাবে তাদের পদ্ধতি পরিবর্তন করতে সাহায্য করেন। বিস্তারিত প্রক্রিয়া বর্ণনা কেবল তখনই ব্যবহার করা উচিত যখন নির্দিষ্ট পদ্ধতিটি চূড়ান্ত আউটপুটের মতোই গুরুত্বপূর্ণ হয়।

স্ক্রিপ্টিংয়ের পরিবর্তে সীমাবদ্ধতা (Constraints)

ডেভেলপার এবং পাওয়ার ইউজারদের জন্য একটি বড় শিক্ষা হলো যে, ধাপে ধাপে স্ক্রিপ্টের চেয়ে সীমাবদ্ধতা বা constraints বেশি কার্যকর। AI-এর প্রতিটি পদক্ষেপকে অতি-নিয়ন্ত্রিত (micromanage) করার চেষ্টা না করে, OpenAI অনাকাঙ্ক্ষিত আচরণ রোধ করতে এক বা দুটি "hard rules" বা কঠোর নিয়ম প্রয়োগ করার পরামর্শ দেয়। উদাহরণস্বরূপ: "অনুমোদিত বাজেটের অঙ্ক অপরিবর্তিত রাখুন" অথবা "এটি একটি ড্রাফট হিসেবে প্রস্তুত করুন; পাঠাবেন না।"

এই "কমই বেশি" (less-is-more) পদ্ধতিটি কনটেক্সট ম্যানেজমেন্টের ক্ষেত্রেও প্রযোজ্য। গাইডটি পরামর্শ দেয় কেবল সেই ফাইলগুলোই সংযুক্ত করতে—যেমন PDF, স্প্রেডশিট বা ছবি—যা প্রকৃতপক্ষে উত্তরের ওপর প্রভাব ফেলবে। উচ্চ-ঝুঁকিপূর্ণ পেশাদার কাজের জন্য, OpenAI একটি "self-verification" লুপের পরামর্শ দেয়, যেখানে আপনি মডেলটিকে স্পষ্টভাবে তার নিজস্ব আউটপুটে নির্দিষ্ট ত্রুটি পরীক্ষা করতে বলবেন; যেমন প্রতিটি অ্যাকশন আইটেমের জন্য একজন নির্দিষ্ট দায়িত্বপ্রাপ্ত ব্যক্তি এবং সময়সীমা নিশ্চিত করা।

"Chat" এবং "Work"-এর মধ্যে পার্থক্য এবং Codex-এর উন্নয়ন

OpenAI "Chat" এবং "Work"-এর মধ্যে পার্থক্যকেও আনুষ্ঠানিক রূপ দিচ্ছে। যেখানে Chat দ্রুত জিজ্ঞাসা এবং শব্দ পরিবর্তনের জন্য তৈরি, সেখানে "Work" বলতে সেই ভারী কাজগুলোকে বোঝায় যা বড় কোনো আউটপুট তৈরির জন্য একাধিক উৎস (যেমন Gmail, Slack, বা GitHub) থেকে তথ্য সংগ্রহ করে। যদিও Work টাস্কগুলোতে বেশি ক্রেডিট খরচ হয়, তবে এগুলো জটিল এবং পুনরাবৃত্তিমূলক ওয়ার্কফ্লো স্বয়ংক্রিয় করার জন্য ডিজাইন করা হয়েছে।

Codex ব্যবহারকারী ডেভেলপারদের জন্য এই গাইডটি উন্নত steering এবং sandboxing ক্ষমতা প্রবর্তন করেছে। ব্যবহারকারীরা এখন বর্তমান রান (run) পুনরায় নির্দেশিত করতে "Steer" কমান্ড এবং পরবর্তী নির্দেশনা সাজাতে "Queue" ব্যবহার করতে পারেন। জটিল কোডিং প্রজেক্ট পরিচালনা করার জন্য, OpenAI নির্দিষ্ট কিছু slash command প্রবর্তন করেছে:

• /plan: কোড বিশ্লেষণ করে এবং কার্যকর করার আগে একটি পদ্ধতি প্রস্তাব করে।
• /goal: একটি উচ্চ-স্তরের লক্ষ্য নির্ধারণ করে যা মডেলটি একাধিক ধাপে অনুসরণ করে।
• /review: লোকাল বা GitHub-সংযুক্ত নিরাপত্তা এবং লজিক অডিট করার সুবিধা দেয়।

মূল বিষয়সমূহ

• ফলাফলের ওপর গুরুত্ব দিন: কাঙ্ক্ষিত ফলাফল দিয়ে শুরু করুন; প্রক্রিয়াটি কেবল তখনই সংজ্ঞায়িত করুন যদি নির্দিষ্ট ধাপগুলো কাজের জন্য অপরিহার্য হয়।
• স্ক্রিপ্টের পরিবর্তে সীমাবদ্ধতা ব্যবহার করুন: মডেলের প্রতিটি পদক্ষেপকে স্ক্রিপ্ট করার চেষ্টা না করে ত্রুটি রোধ করতে কঠোর সীমানা বা hard boundaries ব্যবহার করুন।
• বিশেষায়িত কমান্ড ব্যবহার করুন: জটিল, বহু-ধাপ বিশিষ্ট টেকনিক্যাল ওয়ার্কফ্লো পরিচালনা করতে Codex slash command যেমন /plan এবং /goal ব্যবহার করুন।