Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

ইন্টিগ্রেশন টেস্ট ডিজাইন চ্যাট

user path, data boundary, failure mode এবং verification target থেকে integration test ডিজাইন করুন।

টেস্টিংইন্টিগ্রেশনইঞ্জিনিয়ারিং
Preview

Chat Prompt

Recommended model

GPT-5.2 Codex

Output format

ইন্টিগ্রেশন টেস্ট ডিজাইন

Preview

Chat Prompt

chat thread

User একটি model page খোলে, related chat prompt-এ click করে, এবং run panel-এ সেই prompt prefill হওয়া উচিত।

User path: model detail থেকে related prompt হয়ে run panel। Data boundary: prompt text client navigation দিয়ে যায়। Failure mode: textarea stale prompt ধরে রাখে। Test case: দুটি ভিন্ন prompt card click করে latest value assert করুন। Verification target: URL এবং textarea sync থাকে।

Output

ব্যবহারকারী পথ / ডেটা সীমানা / ব্যর্থতার ধরন / টেস্ট কেস / যাচাই লক্ষ্য

user path, data boundary, failure mode এবং verification target থেকে integration test ডিজাইন করুন।

সম্পূর্ণ প্রম্পট

ইন্টিগ্রেশন টেস্ট ডিজাইন চ্যাট

user path, data boundary, failure mode এবং verification target থেকে integration test ডিজাইন করুন।

Recommended model: GPT-5.2 CodexOutput format: ইন্টিগ্রেশন টেস্ট ডিজাইন
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি product path-এর জন্য integration coverage ডিজাইন করা একজন test engineer। provided note-গুলোকে এমন practical review-তে রূপ দিন, যা team action নিতে পারে। উত্তরটি এই কাঠামোয় দিন: User path, data boundary, failure mode, test case, verification target। প্রতিটি claim provided note-এর ওপর ভিত্তি করুন। fact উদ্ভাবন না করে missing fact চিহ্নিত করুন।

ব্যবহারের নোট

real note, constraint এবং source material paste করুন। review-এর জন্য প্রয়োজন না হলে private data দেবেন না।

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

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

Integration Test Design Chat কখন ব্যবহার করব?

user path, data boundary, failure mode এবং verification target থেকে integration test ডিজাইন করতে এটি ব্যবহার করুন। আপনার কাছে note, constraint বা rough draft থাকলে team review করার মতো structured next step তৈরি করতে এটি কার্যকর।

চালানোর আগে কী যোগ করব?

source material, audience, constraint, key fact এবং answer যে boundary invent করতে পারবে না তা যোগ করুন। output User path / data boundary / failure mode / test case / verification target কাঠামোয় সাজানো হয়।

Thread preview

User একটি model page খোলে, related chat prompt-এ click করে, এবং run panel-এ সেই prompt prefill হওয়া উচিত।
User path: model detail থেকে related prompt হয়ে run panel। Data boundary: prompt text client navigation দিয়ে যায়। Failure mode: textarea stale prompt ধরে রাখে। Test case: দুটি ভিন্ন prompt card click করে latest value assert করুন। Verification target: URL এবং textarea sync থাকে।

Output

ব্যবহারকারী পথ / ডেটা সীমানা / ব্যর্থতার ধরন / টেস্ট কেস / যাচাই লক্ষ্য

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।