প্রম্পট হলো পরামর্শ। হুক হলো কঠোর বাধা।
কয়েক মাস ধরে, আমি Claude Code-কে একজন জুনিয়র ডেভেলপারের মতো বিবেচনা করতাম যাকে কেবল কিছু স্পষ্ট নিয়ম মেনে চলতে হবে। আমার প্রজেক্টের নির্দেশাবলী ছিল সুনির্দিষ্ট: কখনোই force-push করবে না, কখনোই ব্রাঞ্চ ডিলিট করবে না, কখনোই ধ্বংসাত্মক (destructive) কমান্ড চালাবে না। বেশিরভাগ সন্ধ্যাতেই তা কাজ করত। এজেন্ট টেস্ট লিখত, ফাংশন রিফ্যাক্টর করত এবং গিট হিস্ট্রিতে হাত দিত না। তারপর একটি রিব্যাস (rebase) ভুল দিকে মোড় নিল।
কনটেক্সট উইন্ডোটি গিট এরর আউটপুট দিয়ে ভরে গেল। কনফ্লিক্ট মার্কার, ডিটাচড HEAD মেসেজ এবং ব্রাঞ্চ ডাইভারজেন্স ওয়ার্নিংগুলো টোকেন অনুযায়ী জমা হতে থাকল। সেই কোলাহলের নিচে আমার মার্জিত নির্দেশটি চাপা পড়ে গিয়েছিল যে force-push করা এড়িয়ে চলতে হবে। মডেলের কাছে থ্রেডের সবচেয়ে সাম্প্রতিক এবং গুরুত্বপূর্ণ টেক্সট ছিল এরর স্ট্রিম। পরিসংখ্যানগত মনোযোগ (statistical attention) নীতিমালার (policy) ওপর প্রাধান্য পেল। এজেন্ট এমন একটি কমান্ড কার্যকর করল যা দুই ঘণ্টার আনকমিটেড লোকাল পরিবর্তন মুছে ফেলল। এটি বিদ্বেষমূলক ছিল না; এটি ছিল বিভ্রান্তিকর। এই পার্থক্যটি গুরুত্বপূর্ণ। একটি LLM বিদ্বেষ থেকে নিয়ম ভাঙে না। এটি নিয়ম ভাঙে কারণ কনটেক্সট উইন্ডোর একটি জোরালো প্যাটার্ন সাময়িকভাবে আগের নির্দেশটিকে ছাপিয়ে যায়।
সেই ঘটনাটি এজেন্ট সেফটি (agent safety) সম্পর্কে আমার চিন্তাধারা বদলে দিয়েছে। একটি গার্ডরেল (guardrail) যা নিরানব্বই শতাংশ সময় কাজ করে, তা আসলে একটি ঝুঁকি। যদি ফেইলর মোড (failure mode) আপনার সময়, টাকা বা প্রোডাকশন ডেটা নষ্ট করে দেয়, তবে আপনি এটিকে প্রম্পটের ভেতরে রাখতে পারেন না। আপনার প্রয়োজন মডেলের রিজনিং লুপের বাইরে প্রয়োগ বা এনফোর্সমেন্ট।
Claude Code হুকগুলো ঠিক এই সমস্যারই সমাধান করে। এগুলো ছোট স্ক্রিপ্ট যা তিনটি নির্দিষ্ট মুহূর্তে টুল কলগুলোকে ইন্টারসেপ্ট করে: একটি টুল কার্যকর করার আগে (PreToolUse), একটি টুল শেষ করার পরে (PostToolUse), এবং যখন এজেন্ট সিদ্ধান্ত নেয় যে কাজ শেষ (Stop)। যেহেতু এগুলো এক্সটার্নাল কোড হিসেবে চলে, তাই এগুলো মডেলের মেমরি, মুড বা কনটেক্সট প্রেশারের ওপর নির্ভর করে না। মডেল আপনার দেওয়া প্রতিটি নির্দেশ ভুলে যেতে পারে; কিন্তু হুক তবুও 'না' বলবে।
সেই হারিয়ে যাওয়া সন্ধ্যার পর আমি যে হারনেসটি (harness) তৈরি করেছি তা নিচে দেওয়া হলো।
দ্য গার্ড হুক: ক্ষতির আগে বাধা দিন
আমার PreToolUse হুক প্রতিটি Bash কমান্ড শেল স্পর্শ করার আগেই পরীক্ষা করে দেখে। আমি ধ্বংসাত্মক প্যাটার্নের একটি কঠোর ডিনিলিস্ট (denylist) রাখি। যদি কমান্ড স্ট্রিংটি কোনো বিপজ্জনক কিছুর সাথে মিলে যায়, তবে হুকটি এক্সিকিউশন বাতিল করে এবং সরাসরি এজেন্টের কাছে একটি এরর রিটার্ন করে।
আমি যে প্যাটার্নগুলো ব্লক করি তা সহজ এবং অস্পষ্ট নয়:
git push --forceঅথবাforce-with-lease-এর যেকোনো ভেরিয়েন্ট যা আমি এখনও বিশ্বাস করি নাgit reset --hardrm -rf
এটি কোনো উন্নতমানের সিকিউরিটি রিসার্চ নয়। এটি একটি সিটবেল্ট। কিন্তু আসল বিষয়টি হলো ব্লকের পরে কী ঘটে।
আমি কখনোই সরাসরি “Blocked” বলে ফিরিয়ে দিই না। একটি সরাসরি প্রত্যাখ্যান এজেন্টকে বিভ্রান্ত করে এবং তাকে এমন একটি লুপে আটকে ফেলতে পারে যেখানে সে একই ধ্বংসাত্মক কমান্ডের বিভিন্ন সংস্করণ চেষ্টা করতে থাকে। পরিবর্তে, এরর মেসেজে একটি বিকল্প পথ (escape route) অন্তর্ভুক্ত থাকে। যখন হুক একটি হার্ড রিসেট শনাক্ত করে, তখন এটি এজেন্টকে বলে: “আনকমিটেড কাজ সুরক্ষিত রাখতে এই কমান্ডটি ব্লক করা হয়েছে। প্রথমে একটি চেকপয়েন্ট কমিট করুন, তারপর পুনরায় মূল্যায়ন করুন।” এই অতিরিক্ত বাক্যটি এজেন্টের আচরণ সম্পূর্ণ বদলে দেয়। এটি ক্ষতি নিয়ন্ত্রণের চেষ্টা থেকে সরে এসে নিরাপত্তা তৈরির দিকে মনোনিবেশ করে। হুকটি কেবল একটি দেয়াল নয়; এটি একটি ট্রাফিক কন্ট্রোল।
আমি শেল কমান্ডের জন্য অ্যালাউলিস্টের (allowlist) পরিবর্তে ডিনিলিস্ট (denylist) বেছে নিয়েছি। প্রথমে, আমি কেবল একটি নির্দিষ্ট নিরাপদ গিট সাব-কমান্ডের সেট অ্যালাউ করার কথা ভেবেছিলাম। কিন্তু তা দ্রুত ব্যর্থ হয়েছে। এজেন্টরা সৃজনশীলভাবে আক্ষরিক (creatively literal) আচরণ করে। তারা অবস্থা যাচাই করার জন্য git stash push -m "wip" বা git branch --show-current-এর মতো বৈধ কিন্তু অপ্রত্যাশিত কমান্ড চালায়। একটি অ্যালাউলিস্ট সেই মুহূর্তেই স্বাভাবিক ওয়ার্কফ্লো ভেঙে দেয় যখন মডেল একটি বৈধ কিন্তু তালিকাভুক্ত নয় এমন কমান্ড উদ্ভাবন করে। প্রকৃতপক্ষে ধ্বংসাত্মক প্যাটার্নের একটি ছোট, কিউরেটেড ডিনিলিস্ট এজেন্টকে কাজ করার জায়গা দেয় এবং একই সাথে সীমানা রক্ষা করে।
দ্য ফরমেটর হুক: বিরক্তিকর কাজ স্বয়ংক্রিয় করুন
আমি আগে এজেন্টকে “ফাইল এডিট করার পর সবসময় ফরমেটর চালাও” বলে প্রম্পট টোকেন নষ্ট করতাম। এটি অর্ধেক সময় ভুলে যেত। বাকি অর্ধেক সময়, এটি থামত এবং ফরম্যাট করবে কি না তা জিজ্ঞাসা করত, যা একটি সিদ্ধান্তের জন্য একটি টুল কল নষ্ট করত যার মাত্র একটিই সঠিক উত্তর ছিল।
এখন আমি এটি একটি PostToolUse হুক দিয়ে সামলাই। এজেন্ট একটি ফাইল এডিট করার পরে, হুকটি ফাইল এক্সটেনশন পরীক্ষা করে। যদি এটি Python হয়, তবে এটি Ruff চালায়। যদি এটি JavaScript বা TypeScript হয়, তবে এটি Prettier চালায়। যদি এটি Go হয়, তবে এটি gofmt চালায়। ফরমেটরটি আছে কি না তা এজেন্ট জানে না। তার জানারও প্রয়োজন নেই।
প্রম্পট থেকে এটি সরিয়ে নেওয়ার দুটি প্রভাব ছিল। প্রথমত, মডেলের ওপর কগনিটিভ লোড (cognitive load) না বাড়িয়ে কোডটি ধারাবাহিকভাবে পরিষ্কার থাকে। দ্বিতীয়ত, আমার প্রজেক্টের নির্দেশাবলী ছোট হয়ে গেছে। প্রম্পট থেকে আপনি প্রতিটি “সবসময়” (always) এবং “কখনও না” (never) যত কমাবেন, মডেল তত বেশি টোকেন প্রকৃত সমস্যা সমাধানের জন্য ব্যবহার করতে পারবে। হুক ইনভ্যারিয়েন্ট (invariant) নিয়ন্ত্রণ করে; প্রম্পট ইনটেন্ট (intent) নিয়ন্ত্রণ করে।
দ্য কোয়ালিটি গেট: “সম্পন্ন” এর নতুন সংজ্ঞা
The Stop hook runs when the agent decides it has finished the task and attempts to terminate the session. I do not let it. Instead, the hook runs the full test suite. If any test fails, the hook blocks the stop command and returns the failure output to the agent.
This changes the definition of completion. “Done” is no longer a feeling the model has. It is a measurable gate. The agent can only finish when the harness confirms the code works. In practice, this creates a tight feedback loop. The agent writes code, thinks it is finished, hits the stop button, and immediately sees a pytest traceback. It then self-corrects, fixes the import error or broken assertion, and tries to stop again. I have watched agents iterate three or four times inside this loop without human intervention. The harness enforces quality; the model supplies the patches.
What This Teaches About Agent Engineering
Building reliable autonomous systems requires a shift in mindset. You move from writing longer prompts to building tighter harnesses.
Use hooks for enforcement and prompts for policy. If a rule must hold one hundred percent of the time, it belongs in code, not in natural language. Prompts excel at ambiguity, taste, and architecture. They are terrible at invariants. If a mistake would cost you an afternoon of recovery time or, worse, production uptime, write a hook.
Shorter prompts produce better results. When you move mechanical rules into scripts, the model has less to remember and less to contradict. The agent’s context window is a scarce resource. Do not fill it with formatting reminders.
Finally, accept that your role is changing. As agents gain autonomy, the human’s job shifts from generating content to designing the guardrails. You are building the harness that decides what the model can touch, when it can finish, and how it must behave when things go wrong. That is engineering, not prompting.
The source that inspired this approach and additional implementation detail can be found here.
If you are building with AI agents and want to trade notes with other practitioners, you can find the GyaanSetu learning community here.