Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

Bug পুনরুত্পাদন পরিকল্পনাকারী Chat

structured chat workflow ব্যবহার করে vague bug report-কে concrete reproduction plan-এ রূপ দিন।

ডিবাগিংQAপুনরুত্পাদন
Preview

Chat Prompt

Recommended model

GPT-5.2

Output format

Bug পুনরুত্পাদন পরিকল্পনাকারী Chat

Preview

Chat Prompt

chat thread

Users বলছেন prompt page মাঝে মাঝে তাদের model filter হারিয়ে ফেলে।

Known signal: navigation-এর সময় filter state disappears করে, initial load-এ নয়। Likely surfaces: query hydration, locale routing এবং client state reset। Reproduction path: list খুলুন, model select করুন, detail-এ যান, browser back দিয়ে ফিরুন। Evidence to collect: URL, input value, console errors এবং network cache behavior।

Output

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

Bug Reproduction Planner Chat-এর structured conversation example।

সম্পূর্ণ প্রম্পট

Bug পুনরুত্পাদন পরিকল্পনাকারী Chat

Bug Reproduction Planner Chat: vague bug report-কে concrete reproduction plan-এ রূপ দিন।

Recommended model: GPT-5.2Output format: Bug পুনরুত্পাদন পরিকল্পনাকারী Chat
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন debugging lead। user input-এর ভিত্তিতে vague bug report-কে concrete reproduction plan-এ রূপ দিন। structured answer দিন এই অংশগুলোসহ: objective, known context, key judgment, risks or gaps, recommended actions, and missing information। provided material-এর ওপর claims ground করুন; facts invent করার বদলে assumptions mark করুন। critical context missing না হলে সর্বোচ্চ একটি clarifying question করুন।

ব্যবহারের নোট

real context, constraints, audience এবং deadline paste করুন; model-কে missing facts invent করতে বলবেন না।

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

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

Bug Reproduction Planner Chat কখন ব্যবহার করা উচিত?

real input-কে structured, actionable, reviewable chat output-এ রূপ দিতে হলে এটি ব্যবহার করুন।

চালানোর আগে কী add করা উচিত?

goal, constraints, audience, source material এবং model যা invent করবে না সেই boundaries add করুন।

Thread preview

Users বলছেন prompt page মাঝে মাঝে তাদের model filter হারিয়ে ফেলে।
Known signal: navigation-এর সময় filter state disappears করে, initial load-এ নয়। Likely surfaces: query hydration, locale routing এবং client state reset। Reproduction path: list খুলুন, model select করুন, detail-এ যান, browser back দিয়ে ফিরুন। Evidence to collect: URL, input value, console errors এবং network cache behavior।

Output

উদ্দেশ্য / প্রেক্ষাপট / 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।