Context Engineering: ভালো Prompt নয়, সঠিক Context-ই AI-এর উত্তরের মান বদলে দিতে পারে
Context Engineering: ভালো Prompt নয়, সঠিক Context-ই AI-এর উত্তরের মান বদলে দিতে পারে
আপনি AI-কে যত সুন্দর Prompt-ই লিখে দিন না কেন, প্রয়োজনীয় Context না দিলে প্রত্যাশিত ফলাফল পাওয়া কঠিন হতে পারে।
বর্তমানে ChatGPT, Claude কিংবা Gemini ব্যবহার করার সময় আমরা অনেকেই একটি বিষয় নিয়ে বেশি চিন্তা করি—কীভাবে আরও ভালো Prompt লেখা যায়?
আমরা Prompt-এ Role যুক্ত করি, বিভিন্ন নির্দেশনা দিই, Step-by-Step কাজ করতে বলি এবং কখনো দীর্ঘ Master Prompt ব্যবহার করি।
কিন্তু একটি গুরুত্বপূর্ণ বিষয় প্রায়ই উপেক্ষা করি।
সেটি হলো Context।
AI-কে আপনি কী করতে বলছেন, তা গুরুত্বপূর্ণ। কিন্তু কাজটি কেন করছেন, কার জন্য করছেন, কোন তথ্য ব্যবহার করতে হবে এবং সফল ফলাফল কেমন হবে—এসব তথ্যও সমান গুরুত্বপূর্ণ।
এই তথ্যগুলো সঠিকভাবে সংগঠিত করে AI-কে দেওয়ার প্রক্রিয়াই Context Engineering-এর একটি গুরুত্বপূর্ণ অংশ।
এই আর্টিকেলে আমরা জানব Context Engineering কী, কেন এটি গুরুত্বপূর্ণ, 4W Framework কীভাবে কাজ করে এবং বাস্তব জীবনের বিভিন্ন কাজে কীভাবে এটি ব্যবহার করা যায়।
১. Context Engineering কী?
Context Engineering হলো AI-কে একটি নির্দিষ্ট কাজ সফলভাবে সম্পন্ন করার জন্য প্রয়োজনীয় তথ্য, নির্দেশনা, সীমাবদ্ধতা, Reference এবং প্রাসঙ্গিক পরিস্থিতি সঠিকভাবে নির্বাচন, সংগঠিত ও সরবরাহ করার প্রক্রিয়া।
সহজভাবে:
Prompt বলে AI-কে কী করতে হবে। Context বুঝতে সাহায্য করে কাজটি কোন পরিস্থিতিতে, কোন তথ্যের ভিত্তিতে এবং কী উদ্দেশ্যে করতে হবে।
একটি উদাহরণ দেখা যাক।
সাধারণ Prompt
“একটি Lesson Plan তৈরি করো।”
এখানে AI জানে না:
- কোন শ্রেণির জন্য Lesson Plan?
- কোন বিষয় বা অধ্যায়?
- শিক্ষার্থীদের পূর্বজ্ঞান কতটুকু?
- ক্লাস কত মিনিটের?
- কোন শিক্ষাক্রম অনুসরণ করতে হবে?
- শিক্ষার্থীরা ক্লাস শেষে কী শিখবে?
ফলে AI একটি সাধারণ Lesson Plan তৈরি করতে পারে।
Context-Based Prompt
“আমি বাংলাদেশের একটি মাধ্যমিক বিদ্যালয়ের শিক্ষক। নবম শ্রেণির শিক্ষার্থীদের জন্য NCTB বিজ্ঞান বইয়ের ‘আলোর প্রতিসরণ’ বিষয়ে ৪৫ মিনিটের একটি Lesson Plan তৈরি করতে চাই।
শিক্ষার্থীরা বিষয়টি প্রথমবার শিখবে।
ক্লাস শেষে তারা প্রতিসরণের সংজ্ঞা ব্যাখ্যা করতে এবং দৈনন্দিন জীবনের দুটি উদাহরণ শনাক্ত করতে পারবে।
Lesson Plan-এ থাকবে Learning Objectives, Teaching Activities, Demonstration এবং Assessment Questions।
ভাষা হবে সহজ বাংলা।”
এখানে AI কাজটির উদ্দেশ্য, শিক্ষার্থীদের অবস্থা এবং প্রত্যাশিত ফলাফল সম্পর্কে অনেক বেশি তথ্য পেয়েছে।
ফলে প্রাসঙ্গিক Output পাওয়ার সম্ভাবনা বাড়ে।
মূল শিক্ষা: ভালো Prompt শুধু Instruction নয়, প্রয়োজনীয় Context-ও বহন করে।
২. Prompt Engineering vs Context Engineering
দুটি ধারণা পরস্পরের সঙ্গে সম্পর্কিত হলেও তাদের মূল ফোকাস আলাদা।
Prompt Engineering
Prompt Engineering-এর প্রধান কাজ হলো AI-কে কার্যকর নির্দেশনা দেওয়া।
এখানে গুরুত্ব পায়:
- Task Instruction
- Role
- Output Format
- Constraints
- Examples
- Response Structure
Context Engineering
Context Engineering-এর প্রধান কাজ হলো AI যেন কাজটি সঠিকভাবে বুঝতে ও সম্পন্ন করতে পারে, তার জন্য প্রয়োজনীয় তথ্য সরবরাহ করা।
এখানে গুরুত্ব পায়:
- Background Information
- User Objective
- Target Audience
- Reference Documents
- Previous Decisions
- Relevant Data
- Success Criteria
একটি বাস্তব উদাহরণ
ধরুন, আপনি একটি প্রতিষ্ঠানের জন্য Marketing Report তৈরি করবেন।
Prompt Engineering:
“একজন Marketing Analyst হিসেবে একটি Professional Report তৈরি করো।”
Context Engineering:
“আমাদের প্রতিষ্ঠান মূলত বাংলাদেশের স্কুলশিক্ষকদের জন্য AI Training পরিচালনা করে।
গত তিন মাসের Marketing Campaign Data সংযুক্ত করা হয়েছে।
আমাদের মূল লক্ষ্য নতুন Registration বৃদ্ধি করা এবং Cost Per Registration কমানো।
Target Audience হলো মাধ্যমিক ও উচ্চমাধ্যমিক বিদ্যালয়ের শিক্ষক।
সংযুক্ত Data বিশ্লেষণ করে সবচেয়ে কার্যকর Campaign শনাক্ত করো এবং পরবর্তী মাসের জন্য তিনটি বাস্তবসম্মত Recommendation দাও।”
দ্বিতীয় উদাহরণে কাজের প্রাসঙ্গিক তথ্য রয়েছে।
অর্থাৎ, Prompt Engineering এবং Context Engineering একে অপরের বিকল্প নয়; বরং একসঙ্গে ব্যবহার করলে আরও কার্যকর হতে পারে।
৩. Context Engineering-এর 4W Framework
AI-কে পর্যাপ্ত Context দেওয়ার জন্য একটি সহজ পদ্ধতি হলো 4W Framework।
এর চারটি উপাদান:
WHO → WHY → WHAT → HOW
W1 — WHO: কার জন্য কাজটি?
প্রথমে AI-কে জানাতে হবে কাজটি কার জন্য তৈরি হচ্ছে।
যেমন:
- বিদ্যালয়ের শিক্ষার্থী
- বিশ্ববিদ্যালয়ের গবেষক
- শিক্ষক
- ব্যবসায়ী
- সাধারণ পাঠক
- কোনো প্রতিষ্ঠানের নির্দিষ্ট টিম
একই বিষয়ে ভিন্ন Audience-এর জন্য ভিন্নভাবে উত্তর তৈরি করা প্রয়োজন হতে পারে।
উদাহরণ:
“বাংলাদেশের নবম শ্রেণির শিক্ষার্থীদের জন্য ব্যাখ্যা তৈরি করো। তাদের বিষয়টি সম্পর্কে প্রাথমিক ধারণা রয়েছে।”
এতে AI শিক্ষার্থীদের উপযোগী ভাষা ও উদাহরণ নির্বাচন করতে পারে।
W2 — WHY: কেন কাজটি করা হচ্ছে?
কাজটির উদ্দেশ্য পরিষ্কার করুন।
ধরুন, আপনি AI-কে একটি PDF Summary করতে বললেন।
কিন্তু Summary কেন প্রয়োজন?
পরীক্ষার প্রস্তুতি, Presentation, Research Review নাকি সিদ্ধান্ত গ্রহণের জন্য?
প্রতিটি উদ্দেশ্যের জন্য গুরুত্বপূর্ণ তথ্যের ধরন আলাদা হতে পারে।
উদাহরণ:
“এই PDF-এর Summary তৈরি করতে চাই, যাতে আগামীকালের প্রশিক্ষণ ক্লাসে গুরুত্বপূর্ণ ধারণাগুলো সহজভাবে ব্যাখ্যা করতে পারি।”
এখানে কাজের উদ্দেশ্য পরিষ্কার।
W3 — WHAT: কোন তথ্য প্রয়োজন?
এটি Context Engineering-এর অন্যতম গুরুত্বপূর্ণ অংশ।
AI-কে জানাতে হবে:
- কোন তথ্য ব্যবহার করতে হবে?
- কোন Document অনুসরণ করতে হবে?
- কোন Facts গুরুত্বপূর্ণ?
- কোন Examples প্রাসঙ্গিক?
- কোন তথ্য ব্যবহার করা যাবে না?
উদাহরণ:
“সংযুক্ত NCTB Textbook-এর নির্দিষ্ট অধ্যায় ব্যবহার করো। প্রয়োজনীয় তথ্যের সঙ্গে সংশ্লিষ্ট পৃষ্ঠা নম্বর উল্লেখ করো। বইয়ের বাইরে কোনো তথ্য ব্যবহার করলে আলাদাভাবে চিহ্নিত করো।”
এতে তথ্যের উৎস ও সীমাবদ্ধতা পরিষ্কার করা হয়।
W4 — HOW: ফলাফল কীভাবে তৈরি হবে?
শেষ ধাপে নির্ধারণ করুন Output কীভাবে উপস্থাপন করতে হবে।
যেমন:
- ভাষা
- দৈর্ঘ্য
- Structure
- Tone
- Format
- Verification
- Review Process
উদাহরণ:
“উত্তরটি সহজ বাংলায় লিখবে। প্রথমে মূল ধারণা, এরপর বাস্তব উদাহরণ এবং শেষে শিক্ষার্থীদের জন্য তিনটি Assessment Question দেবে।”
এতে প্রত্যাশিত Output Structure পরিষ্কার হয়।
4W Framework একনজরে
| উপাদান | মূল প্রশ্ন |
|---|---|
| WHO | কাজটি কার জন্য? |
| WHY | কাজটির উদ্দেশ্য কী? |
| WHAT | কোন তথ্য ব্যবহার করতে হবে? |
| HOW | কীভাবে ফলাফল তৈরি ও উপস্থাপন করতে হবে? |
WHO + WHY + WHAT + HOW = Structured Context
৪. Context Engineering-এর বাস্তব প্রয়োগ: বড় PDF থেকে ছোট Report
ধরুন, আপনার কাছে ১০০ পৃষ্ঠার একটি Research Report রয়েছে।
আপনি সেটি থেকে একটি Executive Summary তৈরি করতে চান।
সাধারণ Prompt
“এই PDF-এর Summary তৈরি করো।”
এতে AI সাধারণভাবে পুরো Document সংক্ষেপ করতে পারে।
কিন্তু আপনি হয়তো শুধু নির্দিষ্ট কিছু তথ্য জানতে চান।
Context-Based Prompt
WHO: Report-টি প্রতিষ্ঠানের Senior Management Team-এর জন্য।
WHY: আগামী মাসের বাজেট পরিকল্পনার জন্য গুরুত্বপূর্ণ তথ্য প্রয়োজন।
WHAT: সংযুক্ত PDF থেকে Revenue Trend, Major Risks, Growth Opportunities এবং Important Statistics বিশ্লেষণ করতে হবে।
HOW: সর্বোচ্চ ৫০০ শব্দের Executive Summary তৈরি করতে হবে। গুরুত্বপূর্ণ প্রতিটি সংখ্যার পাশে Source Page উল্লেখ করতে হবে।
এই পদ্ধতিতে AI শুধু Document ছোট করবে না; ব্যবহারকারীর নির্দিষ্ট উদ্দেশ্য অনুযায়ী গুরুত্বপূর্ণ তথ্য নির্বাচন করতে পারবে।
গুরুত্বপূর্ণ সতর্কতা
PDF-এ অনুপস্থিত তথ্য AI যেন অনুমান করে যুক্ত না করে।
তাই Prompt-এ লিখতে পারেন:
“PDF-এ কোনো তথ্য পাওয়া না গেলে সেটি স্পষ্টভাবে উল্লেখ করো। নিজে থেকে কোনো পরিসংখ্যান তৈরি করবে না।”
৫. Context Engineering দিয়ে নিজের চিন্তার সীমাবদ্ধতা শনাক্ত করুন
Context Engineering শুধু Content Creation-এর জন্য নয়।
এটি কোনো পরিকল্পনা, সিদ্ধান্ত বা ধারণার দুর্বলতা শনাক্ত করার জন্যও কার্যকর।
ধরুন, আপনি একটি Online Course Launch করতে যাচ্ছেন।
আপনার Landing Page তৈরি করা হয়েছে।
এখন আপনি জানতে চান, সেটি কতটা কার্যকর।
সাধারণ Prompt
“আমার Landing Page উন্নত করো।”
Context-Based Prompt
“আমি বাংলাদেশের শিক্ষকদের জন্য একটি Online AI Training Program পরিচালনা করি।
আমাদের Target Audience হলো স্কুল ও কলেজের শিক্ষক।
Landing Page-এর উদ্দেশ্য হলো আগ্রহী শিক্ষকদের Registration করতে উৎসাহিত করা।
নিচে বর্তমান Landing Page-এর লেখা দেওয়া হলো।
প্রথমে লেখাটির Strengths ও Weaknesses শনাক্ত করো।
তারপর Audience Relevance, Message Clarity, Value Proposition এবং Call to Action-এর ভিত্তিতে বিশ্লেষণ করো।
কোনো গুরুত্বপূর্ণ তথ্য অনুপস্থিত থাকলে প্রশ্ন করো।
সবশেষে উন্নত একটি Version তৈরি করো।”
এখানে AI-এর ভূমিকা শুধু নতুন লেখা তৈরি করা নয়।
এটি প্রথমে বর্তমান লেখার সমস্যা শনাক্ত করবে, তারপর উন্নয়নের প্রস্তাব দেবে।
অবশ্যই নতুন Version বাস্তবে বেশি Registration আনবে কি না, তা জানতে A/B Testing প্রয়োজন।
মূল শিক্ষা: Context শুধু Output উন্নত করতে নয়, আপনার পরিকল্পনার দুর্বলতা খুঁজে পেতেও সাহায্য করে।
৬. আগের সফল কাজ থেকে নতুন কৌশল তৈরি করুন
ধরুন, আপনি নিয়মিত Facebook Content তৈরি করেন।
গত তিন মাসে কিছু পোস্ট খুব ভালো Engagement পেয়েছে।
এখন আপনি বুঝতে চান, সেগুলো কেন তুলনামূলক ভালো করেছে।
সাধারণ Prompt
“আমাকে ১০টি Viral Facebook Post Idea দাও।”
Context-Based Prompt
“সংযুক্ত Spreadsheet-এ গত তিন মাসের Facebook Post Performance Data দেওয়া আছে।
প্রতিটি পোস্টের Reach, Engagement, Share, Comment এবং Content Type রয়েছে।
প্রথমে সবচেয়ে ভালো পারফর্ম করা পাঁচটি পোস্ট শনাক্ত করো।
এরপর নিচের বিষয়গুলো বিশ্লেষণ করো:
১. Hook Style
২. Content Structure
৩. Topic Relevance
৪. Post Length
৫. Audience Response
৬. Call to Action
পর্যাপ্ত তথ্য থাকলে সাধারণ Pattern শনাক্ত করো।
এরপর এই বিশ্লেষণের ভিত্তিতে পরবর্তী দুই সপ্তাহের জন্য Content Plan তৈরি করো।
কোনো Pattern-কে নিশ্চিত কারণ হিসেবে উপস্থাপন করবে না, যদি তার পক্ষে পর্যাপ্ত প্রমাণ না থাকে।”
এখানে নতুন Idea তৈরির আগে অতীতের Performance Data বিশ্লেষণ করা হচ্ছে।
ফলে প্রস্তাবিত কৌশল বাস্তব তথ্যের সঙ্গে আরও ভালোভাবে সংযুক্ত থাকতে পারে।
৭. Context Engineering কি Hallucination কমাতে পারে?
AI Hallucination হলো এমন পরিস্থিতি, যেখানে AI ভুল, অপ্রমাণিত বা অস্তিত্বহীন তথ্য তৈরি করে।
Context Engineering কিছু ক্ষেত্রে এই ঝুঁকি কমাতে সাহায্য করতে পারে।
বিশেষ করে যখন AI-কে নির্দিষ্ট Source Document এবং স্পষ্ট তথ্যগত সীমাবদ্ধতা দেওয়া হয়।
উদাহরণ
সাধারণ Prompt:
“বাংলাদেশের শিক্ষাব্যবস্থায় AI ব্যবহারের পরিসংখ্যান দাও।”
এখানে AI ভুল বা পুরোনো তথ্য দিতে পারে।
Source-Based Prompt:
“সংযুক্ত সরকারি Report এবং Research Paper থেকে বাংলাদেশের শিক্ষাব্যবস্থায় AI ব্যবহারের প্রাসঙ্গিক পরিসংখ্যান সংগ্রহ করো।
প্রতিটি তথ্যের সঙ্গে Source, Publication Year এবং Page Number উল্লেখ করো।
সংযুক্ত তথ্যসূত্রে কোনো পরিসংখ্যান না থাকলে অনুমান করবে না।”
এতে AI-এর উত্তরকে নির্দিষ্ট উৎসের মধ্যে সীমাবদ্ধ রাখার চেষ্টা করা হয়েছে।
তবে Context থাকলেই AI শতভাগ নির্ভুল হবে—এমন নয়।
AI ভুলভাবে Document পড়তে পারে, Reference ভুল বুঝতে পারে কিংবা অসম্পূর্ণ তথ্য থেকে অযৌক্তিক সিদ্ধান্ত দিতে পারে।
তাই গুরুত্বপূর্ণ তথ্যের জন্য Human Verification অপরিহার্য।
৮. কখন অতিরিক্ত Context প্রয়োজন নেই?
সব ধরনের কাজের জন্য বিস্তারিত Context প্রয়োজন হয় না।
অনেক সময় অপ্রয়োজনীয় Context কাজকে ধীর বা জটিল করে তুলতে পারে।
যেমন:
Grammar Correction:
“নিচের বাক্যটির Grammar ঠিক করো।”
Translation:
“এই অনুচ্ছেদটি বাংলায় অনুবাদ করো।”
Simple Definition:
“Photosynthesis কী?”
Basic Formatting:
“নিচের তথ্যগুলো একটি Table-এ সাজাও।”
এ ধরনের ছোট ও নির্দিষ্ট কাজের ক্ষেত্রে সাধারণ Prompt যথেষ্ট হতে পারে।
তাহলে কখন Context Engineering প্রয়োজন?
যখন কাজটি—
- Audience-Specific
- Research-Based
- Multi-Step
- Decision-Oriented
- Document-Dependent
- Highly Customized
- Sensitive to Accuracy
অর্থাৎ, কাজ যত বেশি নির্দিষ্ট পরিস্থিতি ও তথ্যের ওপর নির্ভর করবে, প্রাসঙ্গিক Context তত বেশি গুরুত্বপূর্ণ হতে পারে।
মূল শিক্ষা: সবসময় বেশি Context নয়, প্রয়োজন অনুযায়ী সঠিক Context দিন।
৯. Context Engineering-এর পাঁচটি গুরুত্বপূর্ণ উপাদান
4W Framework-এর পাশাপাশি একটি পূর্ণাঙ্গ Context Engineering Workflow-এ নিচের উপাদানগুলো গুরুত্বপূর্ণ।
১. Task Objective
কাজটি কেন করা হচ্ছে এবং কী অর্জন করতে হবে।
২. Relevant Information
কাজটি সম্পন্ন করতে প্রয়োজনীয় Data, Documents, Examples ও References।
৩. Constraints
কাজের সীমাবদ্ধতা, নিষিদ্ধ বিষয়, শব্দসংখ্যা কিংবা নির্দিষ্ট নিয়ম।
৪. Workflow
কাজটি কোন ধাপে সম্পন্ন হবে এবং কোথায় Review বা Approval প্রয়োজন।
৫. Verification
চূড়ান্ত Output-এর তথ্য, Format এবং Quality কীভাবে পরীক্ষা করা হবে।
এই পাঁচটি উপাদান একসঙ্গে ব্যবহার করলে শুধু Prompt নয়, একটি Structured AI Working Process তৈরি করা সম্ভব।
১০. Context Engineering-এর জন্য একটি Universal Master Prompt
নিচের Template ব্যবহার করে শিক্ষক, গবেষক, ব্যবসায়ী কিংবা পেশাজীবীরা নিজেদের কাজের জন্য প্রয়োজনীয় Context তৈরি করতে পারেন।
Context Engineering Master Prompt
ROLE
তুমি একজন [প্রাসঙ্গিক বিশেষজ্ঞ বা সহকারীর ভূমিকা] হিসেবে কাজ করবে।
OBJECTIVE
আমার লক্ষ্য হলো [কাজের উদ্দেশ্য]।
WHO — TARGET AUDIENCE
এই কাজটি [Target Audience]-এর জন্য।
তাদের পূর্বজ্ঞান, প্রয়োজন এবং প্রাসঙ্গিক বৈশিষ্ট্য হলো [Audience Context]।
WHY — PURPOSE
এই কাজটি করার মূল উদ্দেশ্য [Expected Outcome]।
WHAT — CONTEXT PACKAGE
নিচের তথ্যগুলো ব্যবহার করবে:
১. [Primary Source]
২. [Supporting Information]
৩. [Relevant Examples]
৪. [Important Facts]
CONSTRAINTS
নিচের সীমাবদ্ধতাগুলো অনুসরণ করবে:
১. [Constraint 01]
২. [Constraint 02]
৩. [Constraint 03]
HOW — WORKFLOW
Step 01: কাজের লক্ষ্য ও দেওয়া Context বিশ্লেষণ করো।
Step 02: প্রয়োজনীয় গুরুত্বপূর্ণ তথ্য অনুপস্থিত থাকলে সংক্ষিপ্ত প্রশ্ন করো।
Step 03: কাজটির জন্য একটি উপযুক্ত Structure তৈরি করো।
Step 04: প্রয়োজনীয় Content বা Output তৈরি করো।
Step 05: চূড়ান্ত Output দেওয়ার আগে Quality ও Accuracy পর্যালোচনা করো।
EXPECTED OUTPUT
Format: [Document / Table / Report / Presentation / অন্য কিছু]
Language: [বাংলা / ইংরেজি]
Tone: [Professional / Academic / Friendly]
Length: [প্রত্যাশিত দৈর্ঘ্য]
VERIFICATION
যাচাইযোগ্য তথ্য ও অনুমান আলাদা করবে।
গুরুত্বপূর্ণ তথ্যের Source উল্লেখ করবে।
তথ্য অনুপস্থিত থাকলে নিজে থেকে তৈরি করবে না।
FINAL INSTRUCTION
আমার Goal এবং Context অনুযায়ী কাজটি সম্পন্ন করো। অপ্রয়োজনীয় ব্যাখ্যা বা অপ্রাসঙ্গিক তথ্য যুক্ত করবে না।
১১. Context Engineering-এর ক্ষেত্রে সাধারণ পাঁচটি ভুল
ভুল ১: Irrelevant Information
AI-কে প্রয়োজনের বাইরে প্রচুর অপ্রাসঙ্গিক তথ্য দেওয়া।
ভুল ২: Unclear Objective
অনেক Document দিলেও কাজটির উদ্দেশ্য পরিষ্কার না করা।
ভুল ৩: Missing Audience Information
কার জন্য Output তৈরি হচ্ছে, তা উল্লেখ না করা।
ভুল ৪: Conflicting Instructions
একই Prompt-এ পরস্পরবিরোধী নির্দেশনা দেওয়া।
ভুল ৫: No Verification
AI-এর তৈরি তথ্য যাচাই না করে ব্যবহার করা।
এই ভুলগুলো এড়িয়ে চললে Context আরও কার্যকরভাবে ব্যবহার করা সম্ভব।
১২. Prompt Engineering থেকে Context Engineering: ভবিষ্যতের দক্ষতা
AI Tool যত বেশি জটিল কাজ সম্পন্ন করতে সক্ষম হচ্ছে, Context Engineering তত বেশি গুরুত্বপূর্ণ হয়ে উঠছে।
কারণ আধুনিক AI শুধু প্রশ্নের উত্তর দেয় না।
উপযুক্ত অনুমতি ও Tool Access থাকলে এটি Documents, Connected Applications, Previous Work এবং বিভিন্ন Data Source ব্যবহার করে একাধিক ধাপের কাজ সম্পন্ন করতে পারে।
এমন পরিস্থিতিতে শুধু একটি ভালো Prompt যথেষ্ট নাও হতে পারে।
AI-কে জানতে হতে পারে:
- কোন তথ্য ব্যবহার করতে হবে?
- কোন তথ্য বেশি গুরুত্বপূর্ণ?
- কোন উৎস বিশ্বাসযোগ্য?
- কোন কাজের অনুমতি রয়েছে?
- কোন তথ্য উপেক্ষা করতে হবে?
- কোন পর্যায়ে Human Approval প্রয়োজন?
- কাজ শেষ হয়েছে কি না, কীভাবে বোঝা যাবে?
এগুলো Context Engineering এবং Workflow Design-এর গুরুত্বপূর্ণ প্রশ্ন।
উপসংহার: The Right Context Beats the Right Prompt
AI-এর কাছ থেকে ভালো Output পাওয়ার জন্য শুধু সুন্দর ভাষায় নির্দেশনা দেওয়া যথেষ্ট নয়।
কাজের উদ্দেশ্য, Target Audience, Reference Information, Constraints এবং Expected Output পরিষ্কারভাবে নির্ধারণ করতে হবে।
এই আর্টিকেলের সবচেয়ে গুরুত্বপূর্ণ পাঁচটি শিক্ষা হলো:
১. Define Your Audience: কাজটি কার জন্য, তা পরিষ্কার করুন।
২. Explain Your Purpose: কেন কাজটি করছেন, তা জানান।
৩. Provide Relevant Information: AI-কে প্রয়োজনীয় Facts, Documents ও References দিন।
৪. Structure the Workflow: কাজটি কীভাবে সম্পন্ন হবে, তা নির্ধারণ করুন।
৫. Verify the Output: গুরুত্বপূর্ণ তথ্য ও চূড়ান্ত ফলাফল যাচাই করুন।
সবশেষে একটি বিষয় মনে রাখুন:
Better Context → Better Understanding → More Relevant Output
AI-কে শুধু নির্দেশনা দেওয়ার দক্ষতা নয়, সঠিক তথ্য ও পরিস্থিতি বোঝানোর দক্ষতাও গড়ে তুলুন।
কারণ কার্যকর AI ব্যবহারের একটি গুরুত্বপূর্ণ ভিত্তি হলো সঠিক Context নির্বাচন, সংগঠিত করা এবং ব্যবহার করা।
Category: Artificial Intelligence / Prompt Engineering / Context Engineering
SEO Title: Context Engineering কী? AI-কে সঠিক Context দেওয়ার সম্পূর্ণ বাংলা গাইড
Meta Description: Context Engineering কী, কেন এটি Prompt Engineering-এর পাশাপাশি গুরুত্বপূর্ণ এবং 4W Framework ব্যবহার করে কীভাবে ChatGPT, Claude ও Gemini থেকে আরও প্রাসঙ্গিক উত্তর পাওয়া যায়—জানুন বিস্তারিত বাংলা গাইডে।
Keywords: Context Engineering Bangla, Context Engineering 4W Framework, ChatGPT Context, Prompt Engineering Bangla, AI Context Management, AI Prompt Writing