Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

API স্কিমা পরিবর্তনের বিবরণ

বাস্তব workflow note-কে review, decision এবং next action-এর জন্য কাঠামোবদ্ধ chat output-এ রূপ দিতে API স্কিমা পরিবর্তনের বিবরণ ব্যবহার করুন।

APIস্কিমাডেভেলপার ডকস
Preview

Chat Prompt

Recommended model

GPT-5.3 Codex

Output format

কাঠামোবদ্ধ chat output

Preview

Chat Prompt

chat thread

Field mediaUrl-কে imageUrl, videoUrl, audioUrl এবং posterUrl-এ ভাগ করা হয়েছে। Existing clients এখনও mediaUrl পাঠাতে পারে।

কী বদলেছে: mediaUrl এখন media type অনুযায়ী explicit field। কেন গুরুত্বপূর্ণ: clients অনুমান না করেই সঠিক player বা image component render করতে পারে। Migration: image asset-কে imageUrl-এ, video file-কে videoUrl-এ, audio file-কে audioUrl-এ এবং thumbnail-কে posterUrl-এ map করুন। Compatibility: migration চলাকালে mediaUrl গ্রহণ চালু রাখুন, তবে usage log করুন। Risk: ambiguous old value map করা না হলে incorrect preview তৈরি হতে পারে।

Output

পরিবর্তন / প্রভাব / মাইগ্রেশন / সামঞ্জস্যতা / ঝুঁকি

input context, structured reply এবং actionable next step-কেন্দ্রিক API স্কিমা পরিবর্তনের বিবরণ preview।

সম্পূর্ণ প্রম্পট

API স্কিমা পরিবর্তনের বিবরণ

কাঠামোবদ্ধ বিশ্লেষণ, ঝুঁকি, সুপারিশ এবং next action সহ API স্কিমা পরিবর্তনের বিবরণ chat prompt।

Recommended model: GPT-5.3 CodexOutput format: কাঠামোবদ্ধ chat output
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন ডেভেলপার ডকুমেন্টেশন লেখক। একটি API schema change ব্যাখ্যা করুন: কী বদলেছে, কেন তা গুরুত্বপূর্ণ, migration step এবং compatibility risk।

ব্যবহারের নোট

চালানোর আগে বাস্তব context, constraint, target reader, current evidence এবং expected output depth যোগ করুন; এটিকে generic chat question হিসেবে ব্যবহার করবেন না।

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

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

API স্কিমা পরিবর্তনের বিবরণ ব্যবহার করার আগে কী প্রস্তুত করা উচিত?

বাস্তব input note, business goal, constraint, available evidence এবং আপনি ঠিক যে structure ফিরে পেতে চান তা প্রস্তুত করুন।

response quality কীভাবে বিচার করা উচিত?

reply facts এবং assumptions আলাদা করেছে কি না, generic advice-এর বদলে risks, tradeoffs এবং actionable next steps দিয়েছে কি না তা পরীক্ষা করুন।

Thread preview

Field mediaUrl-কে imageUrl, videoUrl, audioUrl এবং posterUrl-এ ভাগ করা হয়েছে। Existing clients এখনও mediaUrl পাঠাতে পারে।
কী বদলেছে: mediaUrl এখন media type অনুযায়ী explicit field। কেন গুরুত্বপূর্ণ: clients অনুমান না করেই সঠিক player বা image component render করতে পারে। Migration: image asset-কে imageUrl-এ, video file-কে videoUrl-এ, audio file-কে audioUrl-এ এবং thumbnail-কে posterUrl-এ map করুন। Compatibility: migration চলাকালে mediaUrl গ্রহণ চালু রাখুন, তবে usage log করুন। Risk: ambiguous old value map করা না হলে incorrect preview তৈরি হতে পারে।

Output

পরিবর্তন / প্রভাব / মাইগ্রেশন / সামঞ্জস্যতা / 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।