Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

Technical docs outline চ্যাট

Implementation notes-কে clear developer documentation outline-এ রূপ দিতে structured chat workflow ব্যবহার করুন।

DocumentationTechnical writingOutline
Preview

Chat Prompt

Recommended model

Claude Sonnet 4.6

Output format

Technical Docs Outline Chat

Preview

Chat Prompt

chat thread

Managed prompt media uploads এবং managed storage replacement-এর জন্য আমাদের docs দরকার।

Audience: draft public files-কে approved media URLs দিয়ে replace করা maintainers। Outline: asset contract, upload path, metadata fields, validation commands, rollback notes। Missing context: exact managed storage bucket policy এবং cache invalidation behavior। Next step: image, video, audio এবং chat assets-এর জন্য একটি করে worked example যোগ করুন।

Output

Objective / context / judgment / risks / recommended actions / missing information

Technical Docs Outline Chat-এর structured conversation example।

সম্পূর্ণ প্রম্পট

Technical docs outline চ্যাট

Technical Docs Outline Chat: implementation notes-কে clear developer documentation outline-এ রূপ দিন।

Recommended model: Claude Sonnet 4.6Output format: Technical Docs Outline Chat
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন technical writer। User input-এর ভিত্তিতে implementation notes-কে clear developer documentation outline-এ রূপ দিন। Structured answer দিন, যেখানে থাকবে: objective, known context, key judgment, risks or gaps, recommended actions, এবং missing information। Provided material-এর ওপর claims ground করুন; facts invent না করে assumptions mark করুন। Critical context missing থাকলেই সর্বোচ্চ একটি clarifying question করুন।

ব্যবহারের নোট

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

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

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

Technical Docs Outline Chat কখন ব্যবহার করব?

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

চালানোর আগে কী যোগ করা উচিত?

Goal, constraints, audience, source material এবং model যা invent করতে পারবে না সেই boundaries যোগ করুন।

Thread preview

Managed prompt media uploads এবং managed storage replacement-এর জন্য আমাদের docs দরকার।
Audience: draft public files-কে approved media URLs দিয়ে replace করা maintainers। Outline: asset contract, upload path, metadata fields, validation commands, rollback notes। Missing context: exact managed storage bucket policy এবং cache invalidation behavior। Next step: image, video, audio এবং chat assets-এর জন্য একটি করে worked example যোগ করুন।

Output

Objective / context / judgment / risks / recommended actions / missing information

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।