Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

API চুক্তি পর্যালোচনা চ্যাট

চুক্তি বিচ্যুতি, কলার প্রভাব, যাচাইয়ের ফাঁক এবং রোলআউট নোটের জন্য একটি API পরিবর্তন পর্যালোচনা করুন।

ইঞ্জিনিয়ারিংইন্টিগ্রেশনঝুঁকি
Preview

Chat Prompt

Recommended model

GPT-5 Codex

Output format

API চুক্তি পর্যালোচনা

Preview

Chat Prompt

chat thread

Endpoint এখন referenceAssetKind খালি string বা null হিসেবে গ্রহণ করে। Admin form এখনও খালি string পাঠায়।

চুক্তি বিচ্যুতি: schema image, video, audio, null অথবা খালি compatibility গ্রহণ করে। কলার প্রভাব: admin form খালি string handling-এর ওপর নির্ভর করে। যাচাইয়ের ফাঁক: null এবং খালি string আলাদাভাবে পরীক্ষা করুন। রোলআউট নোট: read boundary-তে null-এ normalize করুন। ঝুঁকি: strict parser বিদ্যমান draft record প্রত্যাখ্যান করতে পারে।

Output

চুক্তি বিচ্যুতি / কলার প্রভাব / যাচাইয়ের ফাঁক / রোলআউট নোট / ঝুঁকি

চুক্তি বিচ্যুতি, কলার প্রভাব, যাচাইয়ের ফাঁক এবং রোলআউট নোটের জন্য একটি API পরিবর্তন পর্যালোচনা করুন।

সম্পূর্ণ প্রম্পট

API চুক্তি পর্যালোচনা চ্যাট

চুক্তি বিচ্যুতি, কলার প্রভাব, যাচাইয়ের ফাঁক এবং রোলআউট নোটের জন্য একটি API পরিবর্তন পর্যালোচনা করুন।

Recommended model: GPT-5 CodexOutput format: API চুক্তি পর্যালোচনা
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন ইন্টিগ্রেশন ইঞ্জিনিয়ার, যিনি API চুক্তির পরিবর্তন পর্যালোচনা করছেন। দেওয়া নোটগুলোকে এমন ব্যবহারিক পর্যালোচনায় রূপ দিন, যার ভিত্তিতে একটি দল কাজ করতে পারে। উত্তরে এই অংশগুলো রাখুন: চুক্তি বিচ্যুতি, কলার প্রভাব, যাচাইয়ের ফাঁক, রোলআউট নোট, ঝুঁকি। প্রতিটি দাবিকে দেওয়া নোটের ভিত্তিতে দাঁড় করান। তথ্য অনুপস্থিত থাকলে তা চিহ্নিত করুন, বানিয়ে বলবেন না।

ব্যবহারের নোট

বাস্তব নোট, সীমাবদ্ধতা এবং উৎস উপাদান পেস্ট করুন। পর্যালোচনার জন্য প্রয়োজন না হলে ব্যক্তিগত ডেটা বাইরে রাখুন।

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

Input, model fit এবং result দুর্বল না করে template adapt করার উপায় দ্রুত যাচাই করুন।

API চুক্তি পর্যালোচনা চ্যাট কখন ব্যবহার করা উচিত?

চুক্তি বিচ্যুতি, কলার প্রভাব, যাচাইয়ের ফাঁক এবং রোলআউট নোটের জন্য একটি API পরিবর্তন পর্যালোচনা করুন। আপনার কাছে আগে থেকেই নোট, সীমাবদ্ধতা বা খসড়া থাকলে এবং দলের পর্যালোচনার জন্য একটি কাঠামোবদ্ধ পরবর্তী ধাপ দরকার হলে এটি ব্যবহার করুন।

এটি চালানোর আগে কী অন্তর্ভুক্ত করা উচিত?

উৎস উপাদান, শ্রোতা, সীমাবদ্ধতা, মূল তথ্য এবং উত্তরে যে সীমানা বানিয়ে বলা যাবে না তা অন্তর্ভুক্ত করুন। আউটপুট চুক্তি বিচ্যুতি / কলার প্রভাব / যাচাইয়ের ফাঁক / রোলআউট নোট / ঝুঁকি হিসেবে সংগঠিত হয়।

Thread preview

Endpoint এখন referenceAssetKind খালি string বা null হিসেবে গ্রহণ করে। Admin form এখনও খালি string পাঠায়।
চুক্তি বিচ্যুতি: schema image, video, audio, null অথবা খালি compatibility গ্রহণ করে। কলার প্রভাব: admin form খালি string handling-এর ওপর নির্ভর করে। যাচাইয়ের ফাঁক: null এবং খালি string আলাদাভাবে পরীক্ষা করুন। রোলআউট নোট: read boundary-তে null-এ normalize করুন। ঝুঁকি: strict parser বিদ্যমান draft record প্রত্যাখ্যান করতে পারে।

Output

চুক্তি বিচ্যুতি / কলার প্রভাব / যাচাইয়ের ফাঁক / রোলআউট নোট / ঝুঁকি

এই mode-এর আরও prompt

chat thread

আমরা ছোট ecommerce team-এর জন্য একটি AI assistant বানাতে চাই, যা product photo-কে campaign asset-এ রূপ দেবে।

Problem hypothesis: ছোট ecommerce team raw product photo-কে channel-ready campaign asset-এ রূপ দিতে সময় হারায়। Riskiest assumptions: photo quality যথেষ্ট ভালো, team AI asset variation-এ আস্থা রাখে, এবং review time-ই আসল bottleneck। Research questions: campaign asset creation-এর মালিক কে, revision কোথায় আটকে যায়, এবং কোন quality bar publishing আটকায়। Validation plan: 5 জন operator interview করুন, 3টি prompt-led asset flow test করুন, এবং time-to-first-approved asset তুলনা করুন। Decision gate: team যদি তাদের current workflow-এর চেয়ে দ্রুত publishable draft-এ পৌঁছাতে পারে, তবেই চালিয়ে যান।

chat thread

আমরা solo consultant-দের জন্য একটি নতুন AI notes product explore করছি। এটিকে research brief-এ রূপ দিতে সাহায্য করুন।

Objective: solo consultants-এর AI notes workspace দরকার, নাকি হালকা client-follow-up layer যথেষ্ট - তা নির্ধারণ করা। Working assumptions: তারা ইতিমধ্যেই notes capture করে, কিন্তু synthesis এবং next-step drafting অসঙ্গত। Audience: recurring client call আছে এবং operations support সীমিত এমন solo consultants। Key questions: কোন notes billable work-এ পরিণত হয়, call-এর পরে কী হারিয়ে যায়, এবং কোথায় CRM tools বেশি ভারী লাগে। Research plan: 6টি interview চালান, সাম্প্রতিক 10টি call-note workflow review করুন, এবং একটি follow-up brief prototype test করুন।

chat thread

আমাদের AI product landing page-এর outline এখানে দিলাম। design করার আগে কী অস্পষ্ট আছে বলুন।

Core promise: দেখা যাচ্ছে, কিন্তু এখনও concrete user outcome-এর বদলে feature হিসেবে framed। Unclear point: page-টি আগে কে value পায় বা signup-এর পর workflow কীভাবে বদলায় তা ব্যাখ্যা করে না। Example gap: hero-র কাছে before-after example, model output sample এবং একটি ছোট trust signal যোগ করুন। CTA issue: primary action অনেক ব্যাখ্যার পরে আসে; quick-use section-এর কাছে use-oriented CTA সরিয়ে আনুন। Revision plan: hero sharpen করুন, outcome card যোগ করুন, তারপর visual polish-এর আগে objection rewrite করুন।