Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

Auth flow edge case চ্যাট

redirect loop, locale handling, protected route leak এবং test case-এর জন্য একটি auth flow review করুন।

Authসিকিউরিটিটেস্টিং
Preview

Chat Prompt

Recommended model

GPT-5.1 Codex

Output format

Auth edge case পর্যালোচনা

Preview

Chat Prompt

chat thread

Unauthenticated user /zh/studio/image visit করলে sign-in-এ যাবে এবং localized studio path-এ return করবে।

Redirect loop risk: sign-in নিজেকেই redirect করা উচিত নয়। Locale handling: return path-এ zh preserve করুন। Protected route leak: studio content noindex এবং gated থাকবে। Test case: unauthenticated localized studio request। Regression check: default locale এবং zh consistent আচরণ করবে।

Output

রিডাইরেক্ট লুপ ঝুঁকি / locale handling / protected route leak / test case / regression check

redirect loop, locale handling, protected route leak এবং test case-এর জন্য একটি auth flow review করুন।

সম্পূর্ণ প্রম্পট

Auth flow edge case চ্যাট

redirect loop, locale handling, protected route leak এবং test case-এর জন্য একটি auth flow review করুন।

Recommended model: GPT-5.1 CodexOutput format: Auth edge case পর্যালোচনা
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি security-minded engineer, যিনি auth flow change review করছেন। দেওয়া note-গুলোকে এমন ব্যবহারিক review-তে রূপ দিন, যার ভিত্তিতে team কাজ করতে পারে। উত্তরে এই অংশগুলো রাখুন: redirect loop risk, locale handling, protected route leak, test case, regression check। প্রতিটি দাবি দেওয়া note-এর ভিত্তিতে দাঁড় করান। তথ্য অনুপস্থিত থাকলে তা চিহ্নিত করুন, বানিয়ে বলবেন না।

ব্যবহারের নোট

বাস্তব note, constraint এবং source material পেস্ট করুন। review-এর জন্য প্রয়োজন না হলে private data বাইরে রাখুন।

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

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

Auth Flow Edge Case Chat কখন ব্যবহার করা উচিত?

redirect loop, locale handling, protected route leak এবং test case-এর জন্য auth flow review করতে এটি ব্যবহার করুন। আগে থেকেই note, constraint বা rough draft থাকলে এবং team review করতে পারে এমন structured next step দরকার হলে এটি উপযোগী।

চালানোর আগে কী অন্তর্ভুক্ত করা উচিত?

source material, audience, constraint, key fact এবং উত্তরে যে boundary বানিয়ে বলা যাবে না তা অন্তর্ভুক্ত করুন। output রিডাইরেক্ট লুপ ঝুঁকি / locale handling / protected route leak / test case / regression check হিসেবে সংগঠিত হয়।

Thread preview

Unauthenticated user /zh/studio/image visit করলে sign-in-এ যাবে এবং localized studio path-এ return করবে।
Redirect loop risk: sign-in নিজেকেই redirect করা উচিত নয়। Locale handling: return path-এ zh preserve করুন। Protected route leak: studio content noindex এবং gated থাকবে। Test case: unauthenticated localized studio request। Regression check: default locale এবং zh consistent আচরণ করবে।

Output

রিডাইরেক্ট লুপ ঝুঁকি / locale handling / protected route leak / test case / regression check

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।