Table of Contents

ব্যবহারিক AI কর্মপ্রবাহ কোর্সে ফিরে যান

কাজের জন্য উপযুক্ত প্রমাণ যাচাই করার পরেই AI ফলাফল গ্রহণ করুন। পরিপাটি ব্যাখ্যা, কনফিগার করা টুল এবং সবুজ পরীক্ষার ব্যানার ভিন্ন প্রশ্নের উত্তর দেয়। এই পাঠে কর্মশালার ল্যাবের জন্য একটি সমন্বিত পর্যালোচনা রেকর্ড তৈরি করা হয়।

শেখার লক্ষ্য: উৎস, ফাইলের পরিধি, পরীক্ষা, গোপনীয়তা এবং ব্যবহারের গ্রহণযোগ্যতার রেকর্ড তৈরি করবেন।

মূল বিষয়

  • উৎস যাচাই: তথ্যভিত্তিক দাবিকে বর্তমান ও নির্ভরযোগ্য রেকর্ডের সঙ্গে তুলনা করুন।
  • পরিধি যাচাই: কোন ফাইল বা সিস্টেম বদলেছে তা দেখুন।
  • আচরণ যাচাই: পরীক্ষা ও প্রাসঙ্গিক হাতে করা যাচাই চালান।
  • গোপনীয়তা যাচাই: টুল বা সরবরাহকারীর কাছে কোন উপাদান গেছে তা পরীক্ষা করুন।
  • ব্যবহার যাচাই: টোকেন, টুল কল এবং খরচের হিসাবের জন্য ব্যবহৃত হার লিখুন।

শুরু করার আগে

প্রয়োজনীয় উপকরণ: কোর্স ল্যাব, docs/requirements.md, স্থানীয় Git স্ন্যাপশট এবং MCP পাঠ অথবা ব্রাউজার বিকল্প। ৪০ মিনিট রাখুন। কঠিনতার মাত্রা মাঝারি। প্রথম কোডিং-এজেন্ট কাজের সময় সম্পাদিত ল্যাব ব্যবহার করুন। সম্পাদনা বাদ দিয়ে থাকলে নতুন করে এক্সট্র্যাক্ট করুন এবং ফিচার যাচাইগুলো বাস্তবায়িত নয় বলে চিহ্নিত করুন। অপরিবর্তিত বেসলাইন এখনও তার মূল দুটি পরীক্ষা পাস করে।

তথ্যভিত্তিক দাবি যাচাই

দাবি: “অনুমোদিত স্ট্যাটাসের মান হলো open এবং pending।” docs/requirements.md-এর সংশোধন ১ খুলুন। সেখানে open এবং done বলা হয়েছে। দাবিটি ভুল। আত্মবিশ্বাসী ভঙ্গি শর্ত বদলায় না।

পণ্য সম্পর্কে দাবির ক্ষেত্রে, বর্তমান অফিসিয়াল নথি ব্যবহার করুন এবং পৃষ্ঠার শিরোনাম ও পর্যালোচনার তারিখ লিখুন। মেনু, প্ল্যান, কমান্ড বা কনটেক্সট সীমা সম্পর্কে তথ্য সাধারণ কর্মপ্রবাহ নীতির চেয়ে দ্রুত পুরোনো হয়। Codex নথি , Claude Code নথি এবং OpenCode নথি বর্তমান ইন্টারফেস বর্ণনা করে।

দাবিউৎসসিদ্ধান্ত
open এবং pendingল্যাবের শর্ত, সংশোধন ১প্রত্যাখ্যান করুন, pending-এর বদলে done দিন
ফিল্টার ছাড়া সংখ্যা ৪বেসলাইন প্রোগ্রাম ও চারটি JSON এন্ট্রিপ্রোগ্রাম চালিয়ে যাচাই করুন
MCP পড়া হয়েছেসেশনের টুল ট্রান্সক্রিপ্টটুল কল দেখা গেলেই গ্রহণ করুন

পরিবর্তন পরীক্ষা করুন

কোডিং কাজে, Git দিয়ে বদলানো ফাইলের তালিকা দেখুন এবং আসল ডিফ পড়ুন। নতুন untracked ফাইল সাধারণ ডিফে না থাকলেও status-এ দেখা যায়, তাই দুটোই পরীক্ষা করুন।

git status --short
git diff -- task_report.py tests

প্রত্যাশিত পরিধি: ফিল্টার কাজের পর শুধু task_report.py এবং নির্দিষ্ট পরীক্ষাগুলো বদলাবে। tasks.json, docs/requirements.md বা লুকানো কনফিগারেশন ফাইলে পরিবর্তন হলে ব্যাখ্যা ও আলাদা পর্যালোচনা দরকার। কোনো সম্পাদনা না করলে পরিবর্তন থাকার কথা নয়।

আচরণ পরীক্ষা করুন

এক্সট্র্যাক্ট করা ল্যাব ফোল্ডার থেকে একই বেসলাইন ও ফিচার যাচাই চালান। এজেন্টের সমাপ্তি প্রতিবেদনে এই যাচাইগুলোর পর্যবেক্ষিত ফল থাকতে হবে।

python3 -m unittest discover -s tests -v
python3 task_report.py tasks.json
python3 task_report.py tasks.json --status open
python3 task_report.py tasks.json --status done
python3 task_report.py tasks.json --status invalid

সম্পাদিত কপিতে, নতুন কেসগুলো পরীক্ষায় থাকবে, সংখ্যা হবে ৪, ২ এবং ২, আর ভুল মান স্পষ্ট ত্রুটি ও শূন্য নয় এমন exit code দেবে। নতুন স্টার্টার কপিতে শুধু দুটি বেসলাইন পরীক্ষা পাস করবে এবং মোট হবে ৪। এই প্রাথমিক অবস্থা আলাদা করে লিখুন।

ফিচার পরীক্ষা ব্যর্থ হলে কারণ নির্ণয় করুন। open যদি ৪ দেখায়, ফিল্টার আর্গুমেন্ট গণনা ফাংশনে পৌঁছায় কি না এবং প্রোগ্রাম কাজের status ক্ষেত্র তুলনা করে কি না দেখুন। এজেন্ট বাস্তবায়ন শেষ বলেছে বলে ব্যর্থ পরীক্ষাকে পাস বলবেন না।

গোপনীয়তা ও প্রবেশাধিকার যাচাই

এজেন্ট কোন ফাইল পেয়েছে তা লিখুন। ল্যাবে কৃত্রিম ডেটা আছে, গোপন তথ্য নেই। বাস্তব প্রকল্পে শংসাপত্র, গ্রাহকের তথ্য বা ব্যক্তিগত নথি থাকতে পারে। ফলাফল ভাগ করার আগে prompt, log, স্ক্রিনশট এবং diff-এ এসব মান আছে কি না দেখুন।

স্থানীয় পরীক্ষা কেবল স্থানীয় আচরণ প্রমাণ করে। এটি ক্লাউড অ্যাকাউন্টের অনুমতি, MCP সার্ভারের পরিধি বা ডিপ্লয় করা পরিষেবার আচরণ প্রমাণ করে না। প্রাসঙ্গিক পরিবেশে প্রতিটি সীমানা পরীক্ষা করুন।

ব্যবহার ও খরচ লিখে রাখুন

টোকেন মডেলের ইনপুট ও আউটপুটের পরিমাণ মাপে। পণ্যের ড্যাশবোর্ড ভিন্ন, তাই সরবরাহকারীর দেখানো ব্যবহার-সংখ্যা নিন। প্রযোজ্য হলে টুল কল, ছবি বা হোস্টেড পরিবেশের খরচ আলাদা লিখুন। প্রকৃত বিল হিসাব করার আগে বর্তমান হার দেখুন।

যে অ্যাকাউন্ট কাজটি চালিয়েছে তার ব্যবহার পৃষ্ঠা খুলুন। দেখানো ইনপুট ও আউটপুট টোকেন, মডেল, বিলিং সময়কাল এবং ক্যাশ করা ইনপুটের শ্রেণি লিখুন। ChatGPT বা Claude সাবস্ক্রিপশনে ব্যবহারের সীমা বা বরাদ্দ কোনো কাজের API খরচের সমান নয়। API বা সরবরাহকারীর মাধ্যমে OpenCode চালালে সেই সরবরাহকারীর ব্যবহার বা বিলিং এবং বর্তমান হার দেখুন। পণ্য প্রতি কাজের টোকেন না দেখালে “উপলভ্য নয়” লিখুন, চ্যাটের দৈর্ঘ্য থেকে খরচ অনুমান করবেন না।

উদাহরণ হিসাব, সরবরাহকারীর মূল্য নয়: প্রতি দশ লাখে $1 হারে ৩০,০০০ ইনপুট টোকেনের দাম $0.03। প্রতি দশ লাখে $5 হারে ৫,০০০ আউটপুট টোকেনের দাম $0.025। এই উদাহরণে টুল বা হোস্টিং খরচের আগে মডেলের মোট খরচ $0.055।

ইনপুট খরচ = ইনপুট টোকেন / 1,000,000 × ইনপুট হার
আউটপুট খরচ = আউটপুট টোকেন / 1,000,000 × আউটপুট হার
মোট = ইনপুট খরচ + আউটপুট খরচ + আলাদা টুল খরচ

কর্মীর কাজেও টোকেন লাগে। কাজ অর্পণ করলে বিস্তারিত ফল মূল কথোপকথনের বাইরে যায়, কিন্তু কাজ বিনা খরচে হয় না। স্বাধীন যাচাইয়ের মূল্যের সঙ্গে খরচ তুলনা করুন।

খরচের ধরন আলাদা রাখুন। ক্যাশ করা ইনপুট, নতুন ইনপুট, আউটপুট, টুল কল এবং হোস্টেড এক্সিকিউশনের হার ভিন্ন হতে পারে। এই উদাহরণে শুধু নতুন ইনপুট ও আউটপুটের হার ব্যবহৃত হয়েছে। এতে সাবস্ক্রিপশন বিল বা টুলের চার্জ সম্পর্কে কিছু বলা হয়নি।

গ্রহণযোগ্যতার রেকর্ড রাখুন

ক্ষেত্রসম্পাদনার পর পূরণ করা উদাহরণ
উৎসdocs/requirements.md, সংশোধন ১, পড়া হয়েছে
বদলানো ফাইলgit status --short-এ task_report.py এবং tests/test_task_report.py
পরীক্ষাবেসলাইন ও নতুন ফিল্টার পরীক্ষা পাস, দেখা সংখ্যা লিখুন
হাতে দেখা ফলTotal tasks: 4, 2 এবং 2 দেখা হয়েছে, ভুল মান প্রত্যাখ্যাত
ফিচারের অবস্থা--status open এবং --status done বাস্তবায়িত
গোপনীয়তাশুধু কৃত্রিম ফাইল
ব্যবহারপাওয়া গেলে সরবরাহকারীর সংখ্যা লিখুন
সিদ্ধান্তউৎস, diff, পরীক্ষা ও গোপনীয়তা যাচাই পাস হলেই গ্রহণ করুন

আপনার ফল: এই রেকর্ড কপি করে নিজে চালানোর পর পূরণ করুন। নিজের চোখে দেখা ফল ছাড়া “দেখা হয়েছে” বদলাবেন না। সব প্রয়োজনীয় যাচাই পাস হলে গ্রহণ করুন, সীমিত সংশোধনের ক্ষেত্রে সংশোধন করুন, আর উৎস, পরিধি বা প্রবেশাধিকার স্পষ্ট না হলে থামুন।

বোঝাপড়া যাচাই

  1. প্রশ্ন: স্টার্টার বেসলাইন পাস করলেই কি চাওয়া ফিচার থাকার প্রমাণ হয়? উত্তর: না। সম্পাদনার পর নতুন গ্রহণযোগ্যতার আচরণ পরীক্ষা করুন।

  2. প্রশ্ন: গ্রহণযোগ্যতার রেকর্ডে কী থাকবে? উত্তর: উৎসের প্রমাণ, বদলানো ফাইল, আচরণ যাচাই, প্রবেশাধিকারের পরিধি এবং পর্যবেক্ষিত ব্যবহার।

সমস্যা সমাধান

  • দাবির উৎস নেই: এটিকে যাচাই হয়নি বলে চিহ্নিত করুন এবং নির্ভরযোগ্য রেকর্ড খুঁজুন।
  • পরীক্ষা পাস, কিন্তু ফল আলাদা: হাতে করা একটি কেস যোগ করুন এবং ডেটা পরীক্ষা করুন।
  • ব্যবহারের তথ্য নেই: প্রকৃত খরচ অনুমান না করে “উপলভ্য নয়” লিখুন।
  • Diff-এ ব্যক্তিগত তথ্য আছে: ফলাফল ভাগ করা বন্ধ করুন এবং অনুশীলনের রেকর্ড থেকে তথ্য সরান।

পরবর্তী ধাপ

এজেন্ট অর্পণ দিয়ে চালিয়ে যান। খরচ ও গোপনীয়তা সম্পর্কে সরবরাহকারী রাউটিং এবং স্থানীয় AI গোপনীয়তার সীমা পড়ুন।

কোর্স নেভিগেশন: আগের পাঠ: MCP সেটআপ , কোর্সের রূপরেখা