Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

অবজারভেবিলিটি ঘাটতি চ্যাট

কোনো incident note-এ অনুপস্থিত logs, metrics, traces, alerts এবং বাস্তবসম্মত instrumentation next step পর্যালোচনা করুন।

অবজারভেবিলিটিইঞ্জিনিয়ারিংইনসিডেন্ট
Preview

Chat Prompt

Recommended model

GPT-5.1 Codex

Output format

Observability gap note

Preview

Chat Prompt

chat thread

এক provider-এর video tasks ব্যর্থ হয়েছে, কিন্তু logs-এ শুধু generic upstream error দেখা যাচ্ছে এবং support provider code দেখতে পারছে না।

Missing log: provider error code এবং request ID। Missing metric: provider এবং model অনুযায়ী failure rate। Missing trace: upload থেকে generation handoff। Alert gap: provider-specific spike alert নেই। Next step: support views-এর জন্য normalized upstream error source এবং code persist করুন।

Output

Missing log / missing metric / missing trace / alert gap / next step

কোনো incident note-এ অনুপস্থিত logs, metrics, traces, alerts এবং বাস্তবসম্মত instrumentation next step পর্যালোচনা করুন।

সম্পূর্ণ প্রম্পট

অবজারভেবিলিটি ঘাটতি চ্যাট

কোনো incident note-এ অনুপস্থিত logs, metrics, traces, alerts এবং বাস্তবসম্মত instrumentation next step পর্যালোচনা করুন।

Recommended model: GPT-5.1 CodexOutput format: Observability gap note
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন engineer, incident-এর পরে observability gaps পর্যালোচনা করছেন। দেওয়া notes-কে এমন একটি বাস্তব review-তে রূপ দিন, যা একটি team কাজে লাগাতে পারে। উত্তরটি এই কাঠামোয় দিন: Missing log, missing metric, missing trace, alert gap, next step। প্রতিটি claim দেওয়া notes-এর ওপর ভিত্তি করুন। তথ্য অনুপস্থিত হলে তা চিহ্নিত করুন, বানিয়ে বলবেন না।

ব্যবহারের নোট

বাস্তব notes, constraints এবং source material paste করুন। Review-এর জন্য জরুরি 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।

Observability Gap Chat কখন ব্যবহার করা উচিত?

কোনো incident note-এ missing logs, metrics, traces, alerts এবং বাস্তব instrumentation next step পর্যালোচনা করতে এটি ব্যবহার করুন। আপনার কাছে notes, constraints বা rough draft থাকলে এবং team-reviewable structured next step দরকার হলে এটি কাজে লাগে।

চালানোর আগে কী অন্তর্ভুক্ত করা উচিত?

Source material, audience, constraints, key facts এবং answer যেন বানিয়ে না বলে এমন boundaries অন্তর্ভুক্ত করুন। Output Missing log / missing metric / missing trace / alert gap / next step হিসেবে সাজানো হবে।

Thread preview

এক provider-এর video tasks ব্যর্থ হয়েছে, কিন্তু logs-এ শুধু generic upstream error দেখা যাচ্ছে এবং support provider code দেখতে পারছে না।
Missing log: provider error code এবং request ID। Missing metric: provider এবং model অনুযায়ী failure rate। Missing trace: upload থেকে generation handoff। Alert gap: provider-specific spike alert নেই। Next step: support views-এর জন্য normalized upstream error source এবং code persist করুন।

Output

Missing log / missing metric / missing trace / alert gap / next step

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।