Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

Codebase onboarding map

Codebase Onboarding Map ব্যবহার করে real workflow notes-কে review, decisions এবং next actions-এর জন্য structured chat output-এ রূপ দিন।

CodebaseOnboardingআর্কিটেকচার
Preview

Chat Prompt

Recommended model

GPT-5.4 Codex

Output format

Structured chat output টেমপ্লেট

Preview

Chat Prompt

chat thread

নতুন engineer-কে content templates, shared rendering code এবং asset validation scripts নিয়ে কাজ করতে হবে।

Entry points: content records, locale files এবং shared rendering code. Core flow: template JSON plus locale JSON public page content-এ রূপ নেয়। Owned areas: content governance, media URL fields এবং validation scripts. Risky areas: asset storage conventions, old sample data এবং localized SEO metadata. First tasks: একটি template যোগ করুন, content checks চালান, একটি page inspect করুন, তারপর validation script পড়ুন।

Output

Entry points / Core flow / Owners / Risks / First tasks সংক্ষেপ

input context, structured reply এবং actionable next steps কেন্দ্রিক Codebase Onboarding Map preview.

সম্পূর্ণ প্রম্পট

Codebase onboarding map

structured analysis, risks, recommendations এবং next actions সহ Codebase Onboarding Map chat prompt.

Recommended model: GPT-5.4 CodexOutput format: Structured chat output টেমপ্লেট
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন codebase guide। repo notes-কে onboarding map-এ রূপ দিন, যেখানে entry points, core flows, owned areas, risky areas এবং first tasks থাকবে।

ব্যবহারের নোট

রান করার আগে real context, constraints, 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।

Codebase Onboarding Map ব্যবহার করার আগে কী প্রস্তুত করা উচিত?

real input notes, business goal, constraints, available evidence এবং আপনি যে exact structure ফিরে পেতে চান তা প্রস্তুত করুন।

response quality কীভাবে বিচার করব?

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

Thread preview

নতুন engineer-কে content templates, shared rendering code এবং asset validation scripts নিয়ে কাজ করতে হবে।
Entry points: content records, locale files এবং shared rendering code. Core flow: template JSON plus locale JSON public page content-এ রূপ নেয়। Owned areas: content governance, media URL fields এবং validation scripts. Risky areas: asset storage conventions, old sample data এবং localized SEO metadata. First tasks: একটি template যোগ করুন, content checks চালান, একটি page inspect করুন, তারপর validation script পড়ুন।

Output

Entry points / Core flow / Owners / Risks / First tasks সংক্ষেপ

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।