Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

API ইন্টিগ্রেশন ডিবাগ চ্যাট

request, response, auth এবং retry পরীক্ষা দিয়ে API ইন্টিগ্রেশন ব্যর্থতা নির্ণয়ের জন্য একটি কাঠামোবদ্ধ চ্যাট workflow ব্যবহার করুন।

APIডিবাগিংইন্টিগ্রেশন
Preview

Chat Prompt

Recommended model

Claude Sonnet 4.6

Output format

API ইন্টিগ্রেশন ডিবাগ চ্যাট

Preview

Chat Prompt

chat thread

Audio provider শুধু production-এ 401 ফেরত দিচ্ছে।

প্রথম বিভাজন: credentials, environment variables এবং provider project scope. Request check: draft এবং production-এ auth header shape তুলনা করুন। Provider check: production key-তে audio generation enabled আছে কি না নিশ্চিত করুন। Next step: redacted request metadata log করুন এবং একটি minimal production request পরীক্ষা করুন।

Output

উদ্দেশ্য / context / বিচার / ঝুঁকি / সুপারিশকৃত পদক্ষেপ / অনুপস্থিত তথ্য

API ইন্টিগ্রেশন ডিবাগ চ্যাটের কাঠামোবদ্ধ কথোপকথন উদাহরণ।

সম্পূর্ণ প্রম্পট

API ইন্টিগ্রেশন ডিবাগ চ্যাট

API ইন্টিগ্রেশন ডিবাগ চ্যাট: request, response, auth এবং retry পরীক্ষা দিয়ে API ইন্টিগ্রেশন ব্যর্থতা নির্ণয় করুন।

Recommended model: Claude Sonnet 4.6Output format: API ইন্টিগ্রেশন ডিবাগ চ্যাট
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন API ইন্টিগ্রেশন ইঞ্জিনিয়ার। ব্যবহারকারীর ইনপুটের ভিত্তিতে request, response, auth এবং retry পরীক্ষা দিয়ে API ইন্টিগ্রেশন ব্যর্থতা নির্ণয় করুন। কাঠামোবদ্ধ উত্তরে রাখুন: উদ্দেশ্য, জানা context, মূল বিচার, ঝুঁকি বা ফাঁক, সুপারিশকৃত পদক্ষেপ এবং অনুপস্থিত তথ্য। দেওয়া উপাদানের ভিত্তিতে দাবি করুন; তথ্য বানিয়ে না বলে অনুমান স্পষ্টভাবে চিহ্নিত করুন। গুরুত্বপূর্ণ context অনুপস্থিত থাকলেই সর্বোচ্চ একটি স্পষ্টীকরণ প্রশ্ন করুন।

ব্যবহারের নোট

বাস্তব context, সীমাবদ্ধতা, audience এবং deadline পেস্ট করুন; model-কে অনুপস্থিত তথ্য বানাতে বলবেন না।

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

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

API ইন্টিগ্রেশন ডিবাগ চ্যাট কখন ব্যবহার করা উচিত?

বাস্তব ইনপুটকে কাঠামোবদ্ধ, কার্যকর এবং পর্যালোচনাযোগ্য chat output-এ রূপ দিতে হলে এটি ব্যবহার করুন।

এটি চালানোর আগে কী যোগ করা উচিত?

লক্ষ্য, সীমাবদ্ধতা, audience, উৎস উপাদান এবং model যে সীমানা বানিয়ে বলতে পারবে না তা যোগ করুন।

Thread preview

Audio provider শুধু production-এ 401 ফেরত দিচ্ছে।
প্রথম বিভাজন: credentials, environment variables এবং provider project scope. Request check: draft এবং production-এ auth header shape তুলনা করুন। Provider check: production key-তে audio generation enabled আছে কি না নিশ্চিত করুন। Next step: redacted request metadata log করুন এবং একটি minimal production request পরীক্ষা করুন।

Output

উদ্দেশ্য / context / বিচার / ঝুঁকি / সুপারিশকৃত পদক্ষেপ / অনুপস্থিত তথ্য

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।