অফার AIinBangla-র সব কোর্সে ২০% ছাড় ২৫ নভেম্বর পর্যন্ত

AI Champions কোর্স দেখুন
মূল অংশে যান
AIinBangla

Chain of Thought প্রম্পটিং কী? AI কে ধাপে ধাপে ভাবানোর নিয়ম

Chain of Thought প্রম্পটিং কী, কোন গবেষণা থেকে এসেছে, বাংলা উদাহরণসহ কখন কাজে লাগে আর নতুন reasoning মডেলে কেন আলাদা নিয়মে চলতে হয়।

Chain of Thought প্রম্পটিং: খাতা আর পেন্সিল, রোবট, ক্যালকুলেটর আর মেসেজের বুদবুদ, কাগজ কেটে বানানো ছবি

Chain of Thought প্রম্পটিং মানে AI কে সরাসরি উত্তর না চেয়ে আগে ধাপে ধাপে যুক্তি সাজিয়ে তারপর উত্তর দিতে বলা, যাতে হিসাব আর যুক্তির প্রশ্নে ভুল কমে। পদ্ধতিটা ২০২২ সালের Google এর একটা গবেষণা থেকে পরিচিত হয়, তবে নতুন reasoning মডেলগুলো নিজেই ভেতরে ভাবে, তাই তাদের ক্ষেত্রে নিয়ম কিছুটা আলাদা।

এক নজরে

  • Chain of Thought মানে উত্তরের আগে মাঝের ধাপগুলো লিখিয়ে নেওয়া, শুধু শেষ ফল না।
  • অংক, হিসাব, তুলনা আর সিদ্ধান্তের প্রশ্নে সবচেয়ে কাজে লাগে, সাধারণ লেখার কাজে কম।
  • "ধাপে ধাপে ভাবো" লাইনটা পুরোনো ধাঁচের মডেলে বড় পার্থক্য এনেছিল, গবেষণায় তা দেখানো আছে।
  • reasoning মডেলে OpenAI এই লাইন দিতে মানা করে, সেখানে লক্ষ্য আর শর্ত পরিষ্কার করাই আসল কাজ।

Chain of Thought প্রম্পটিং আসলে কী?

Chain of Thought (সংক্ষেপে CoT) মানে "চিন্তার শিকল"। আপনি AI কে বলছেন, শুধু উত্তর না, উত্তরে পৌঁছানোর ধাপগুলোও একটা একটা করে লেখো। মানুষ যেমন খাতায় অংক কষে, তেমন।

সাধারণ প্রম্পটে মডেল সরাসরি শেষ উত্তর অনুমান করে। কয়েক ধাপের হিসাবের প্রশ্নে এই এক লাফে ভুল হওয়ার সুযোগ বেশি। মাঝের ধাপ লিখলে প্রতিটা ধাপ আগের ধাপের ওপর দাঁড়ায়, ফলে ভুল ধরা আর কমানো দুটোই সহজ হয়।

এটা প্রম্পট ইঞ্জিনিয়ারিংয়ের একটা নির্দিষ্ট কৌশল। পুরো বিষয়টার সাধারণ পরিচয় চাইলে আগে পড়ে নিন প্রম্পট ইঞ্জিনিয়ারিং কী।

Chain of Thought কোথা থেকে এল?

নামটা এসেছে ২০২২ সালের একটা গবেষণাপত্র থেকে: Jason Wei ও সহকর্মীদের "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models" (arXiv, জানুয়ারি ২০২২)। সেখানে প্রম্পটে মাত্র ৮টা সমাধান করা উদাহরণ দিয়ে, যেখানে ধাপগুলো লেখা ছিল, একটা বড় মডেল অংকের প্রশ্নের একটা পরীক্ষায় তখনকার সেরা ফল করেছিল।

Chain of Thought প্রম্পটিং: ক্যালকুলেটর, খাতা আর পেন্সিল আর টাকার কয়েন, কাগজ কেটে বানানো ছবি

একই বছরে Takeshi Kojima ও সহকর্মীরা দেখালেন, উদাহরণ ছাড়াই শুধু "Let's think step by step" লাইনটা যোগ করলে ফল অনেক বদলায় (arXiv, মে ২০২২)। তাদের পরীক্ষায় InstructGPT মডেলে MultiArith নামের অংকের সেটে নির্ভুলতা ১৭.৭% থেকে ৭৮.৭% এ উঠেছিল।

মনে রাখবেন, এই সংখ্যাগুলো ২০২২ সালের নির্দিষ্ট মডেল আর নির্দিষ্ট পরীক্ষার। আজকের ChatGPT বা Gemini তে আপনার কাজে ঠিক এতটা পার্থক্য হবে, এমন কোনো কথা নেই।

কোন কাজে Chain of Thought কাজে লাগে?

যেখানে উত্তর কয়েকটা ধাপের ওপর দাঁড়িয়ে, সেখানে। যেখানে উত্তর এক ধাপের, সেখানে বাড়তি লম্বা লেখা ছাড়া তেমন লাভ নেই।

কাজ CoT কাজে লাগে? কেন
অংক, শতাংশ, লাভ ক্ষতির হিসাব হ্যাঁ একটা ধাপের ভুল পরের সব ধাপে যায়
দুই তিনটা বিকল্পের তুলনা করে সিদ্ধান্ত হ্যাঁ কোন শর্তে কোনটা ভালো, সেটা দেখা যায়
রুটিন বা প্ল্যান বানানো মাঝারি আগে সীমা আর লক্ষ্য গুছিয়ে নিলে প্ল্যান বাস্তব হয়
ধাঁধা, যুক্তির প্রশ্ন হ্যাঁ কোন ধাপে যুক্তি ভাঙল, ধরা যায়
ক্যাপশন, ছোট পোস্ট, অনুবাদ খুব কম এখানে ভাবনার চেয়ে ভাষা আর ধরন জরুরি
কোনো তথ্য জানতে চাওয়া (কবে, কে) না ধাপে ভাবলেও মডেল না জানা তথ্য জানবে না

বাংলায় Chain of Thought প্রম্পট কেমন দেখতে?

একটা দোকানের হিসাব দিয়ে দেখি। সাধারণ প্রম্পট আর CoT প্রম্পট পাশাপাশি রাখুন:

Chain of Thought প্রম্পটিং: রোবট, মেসেজের বুদবুদ আর আতশ কাচ, কাগজ কেটে বানানো ছবি
সাধারণ প্রম্পট:
একটা শার্ট ৮০০ টাকায় কিনে ২৫% লাভ রেখে দাম ঠিক করেছি, তারপর ১০% ছাড় দিয়েছি। লাভ কত হলো?

Chain of Thought প্রম্পট:
একটা শার্ট ৮০০ টাকায় কিনে ২৫% লাভ রেখে দাম ঠিক করেছি, তারপর ১০% ছাড় দিয়েছি। লাভ কত হলো?

উত্তর দেওয়ার আগে ধাপে ধাপে হিসাব করো:
১. ছাড়ের আগের দাম কত
২. ছাড়ের পরের দাম কত
৩. কেনা দামের সাথে তুলনা করে লাভ টাকায় আর শতাংশে
শেষে এক লাইনে চূড়ান্ত উত্তর দাও।

দ্বিতীয় প্রম্পটে ধাপগুলো আপনি নিজে ঠিক করে দিয়েছেন। এতে দুটো লাভ: মডেল একটা ধাপও বাদ দেয় না, আর কোন ধাপে ভুল হলো সেটা আপনি নিজে মিলিয়ে দেখতে পারেন। এখানে সঠিক উত্তর ১০০ টাকা লাভ, অর্থাৎ ১২.৫%, যেটা আপনি হাতে কষে মিলিয়ে নিতে পারবেন।

ধাপ না জানলে শুধু "উত্তরের আগে ধাপে ধাপে ভাবো, তারপর চূড়ান্ত উত্তর দাও" লিখলেও চলে। সিদ্ধান্তের প্রশ্নে লিখতে পারেন: "আগে প্রতিটা বিকল্পের সুবিধা অসুবিধা আলাদা করে লেখো, তারপর আমার শর্তে কোনটা ভালো বলো।"

নতুন reasoning মডেলে কি এখনো "ধাপে ধাপে ভাবো" লিখতে হয়?

সাধারণত না। এখনকার অনেক মডেল উত্তর দেওয়ার আগে নিজেই ভেতরে ভাবে। এদের বলা হয় reasoning মডেল। অ্যাপে এদের "thinking" বা এমন কোনো নামের মোডে পাবেন, নাম অ্যাপভেদে আলাদা।

OpenAI তাদের reasoning মডেলের গাইডে স্পষ্ট লিখেছে, এসব মডেল ভেতরে নিজেই যুক্তি সাজায়, তাই "think step by step" বা "explain your reasoning" বলা দরকার নেই, আর এতে ফল কখনো কখনো খারাপও হতে পারে (OpenAI reasoning best practices, অক্টোবর ২০২৬ পর্যন্ত)। একই কোম্পানির আরেক গাইডে তুলনাটা এমন: reasoning মডেল অভিজ্ঞ সহকর্মীর মতো, লক্ষ্য দিলে খুঁটিনাটি নিজে সামলায়; সাধারণ GPT মডেল নতুন সহকর্মীর মতো, স্পষ্ট নির্দেশ দিলে ভালো করে (OpenAI prompt engineering guide)।

Anthropic এর ডকুমেন্টেশনও বলছে, Claude এর নতুন মডেলগুলোতে thinking অ্যাডাপটিভ, অর্থাৎ প্রশ্ন কতটা জটিল আর effort কত সেট করা আছে সেটা দেখে মডেল নিজেই ঠিক করে কতটা ভাববে (Claude prompting best practices, অক্টোবর ২০২৬ পর্যন্ত)।

সহজ নিয়ম: ফ্রি বা দ্রুত মোডে হিসাবের প্রশ্নে CoT লাইন যোগ করুন। reasoning বা thinking মোডে সেই লাইন না দিয়ে লক্ষ্য, শর্ত আর কেমন উত্তর চান সেটা পরিষ্কার করুন।

সিদ্ধান্ত নেওয়ার কাজে Chain of Thought কীভাবে লিখবেন?

সিদ্ধান্তের প্রশ্নে ধাপগুলো হলো: শর্ত লেখা, বিকল্পগুলো আলাদা করে মাপা, তারপর রায়। এভাবে চাইলে AI শুধু "এটা ভালো" না বলে কেন ভালো সেটাও দেখায়, আর আপনি নিজে যুক্তিটা যাচাই করতে পারেন।

আমি ঠিক করতে পারছি না কোনটা নেব: [বিকল্প ১] নাকি [বিকল্প ২]।

আমার অবস্থা: [বাজেট, সময়, লক্ষ্য, কী আছে কী নেই]

উত্তর দেওয়ার আগে ধাপে ধাপে ভাবো:
১. আমার অবস্থা থেকে কোন ৩টা শর্ত সবচেয়ে জরুরি, লেখো।
২. প্রতিটা বিকল্প ওই ৩টা শর্তে কেমন, একটা টেবিলে দেখাও।
৩. কোন তথ্য জানা থাকলে সিদ্ধান্ত বদলে যেতে পারে, সেটা বলো।
৪. শেষে এক লাইনে তোমার পরামর্শ আর কেন।

ধাপ ৩ খুব কাজের। এতে AI নিজেই বলে দেয় কোন তথ্য তার জানা নেই, ফলে আপনি বুঝতে পারেন উত্তরটা কতটা ভরসা করা যায়। ল্যাপটপ কেনা, কোন কোর্স আগে, কোন প্ল্যাটফর্মে কাজ শুরু, এমন প্রশ্নে এই টেমপ্লেট ভালো চলে। তবে দাম বা ফি এর মতো তথ্য AI এর কাছ থেকে না নিয়ে অফিশিয়াল পাতা থেকে নিজে বসিয়ে দিন।

Chain of Thought এর সীমা কী?

CoT যুক্তি গোছায়, কিন্তু তথ্য বানাতে পারে না। মডেল যে তথ্য জানে না, ধাপে ধাপে ভাবলেও সেটা জানবে না, বরং ধাপগুলো এত গোছানো দেখায় যে ভুলটা আরো বিশ্বাসযোগ্য লাগে।

  • লম্বা উত্তর: প্রতিটা ধাপ লেখায় উত্তর লম্বা হয়, ফ্রি প্ল্যানের সীমা দ্রুত শেষ হতে পারে।
  • ধাপ সুন্দর, ফল ভুল: ধাপগুলো নিজে মিলিয়ে দেখুন, শুধু শেষ লাইন না।
  • সহজ কাজে অপচয়: একটা ক্যাপশনের জন্য যুক্তির শিকল দরকার নেই।

উত্তরের তথ্য কীভাবে যাচাই করবেন সেটা আছে AI এর উত্তর যাচাই করার সহজ নিয়ম লেখায়।

Chain of Thought এর সাথে আর কোন কৌশল মেলে?

সবচেয়ে ভালো জুটি হলো few-shot, অর্থাৎ একটা সমাধান করা উদাহরণ দেখিয়ে দেওয়া। Wei এর মূল গবেষণাতেও উদাহরণের ভেতরেই ধাপগুলো লেখা ছিল। আরেকটা জুটি হলো বড় কাজকে ছোট ধাপে ভেঙে আলাদা আলাদা প্রম্পটে চাওয়া।

ভাবনার গভীরে যাওয়ার মতো আরো প্রম্পট পাবেন AI প্রম্পট লাইব্রেরি, কাজভেদে সাজানো লেখায়। আর আমাদের AI শুরু ও Prompt Engineering কোর্সে Chain of Thought প্রথম ফ্রেমওয়ার্ক হিসেবে উদাহরণসহ দেখানো হয়, পরে Few Shot আর অন্য ফ্রেমওয়ার্কের সাথে মিলিয়ে।

তথ্যসূত্র: Wei et al., Chain-of-Thought Prompting, arXiv 2022; Kojima et al., Large Language Models are Zero-Shot Reasoners, arXiv 2022; OpenAI: Reasoning best practices; OpenAI: Prompt engineering; Claude: Prompting best practices. সর্বশেষ যাচাই: ১৪ অক্টোবর ২০২৬।

ধাপে ধাপে উত্তর আসলে দেখতে কেমন হওয়া উচিত?

ভালো CoT উত্তরে প্রতিটা ধাপে একটা করে হিসাব থাকে, আর প্রতিটা ধাপ আলাদা করে মিলিয়ে দেখা যায়। একটা অনলাইন দোকানের হিসাব দিয়ে দেখি, যেখানে ধাপ বাদ পড়লেই ভুল হয়।

প্রম্পট: আমি ১০০টা টি শার্টের অর্ডার পাঠিয়েছি। প্রতিটা কেনা ২৫০ টাকা, বিক্রি ৪০০ টাকা। প্রতি পার্সেলে ডেলিভারি খরচ ৬০ টাকা আমি দিই, ফেরত আসা পার্সেলেও। ১০টা অর্ডার ফেরত এসেছে, শার্টগুলো স্টকে আছে। এই চালানে আমার লাভ কত? উত্তরের আগে প্রতিটা ধাপ নম্বর দিয়ে লেখো, শেষে এক লাইনে উত্তর।

ভালো উত্তর দেখতে এমন:

০১ডেলিভার হওয়া অর্ডার১০০ থেকে ১০ বাদ, ৯০টা।
০২বিক্রির টাকা৯০ × ৪০০ = ৩৬,০০০ টাকা।
০৩বিক্রি হওয়া শার্টের কেনা দাম৯০ × ২৫০ = ২২,৫০০ টাকা। ফেরত ১০টা স্টকে, তাই এই খরচে ধরা হয়নি।
০৪ডেলিভারি খরচপাঠানো হয়েছে ১০০টা, তাই ১০০ × ৬০ = ৬,০০০ টাকা।
০৫লাভ৩৬,০০০ থেকে ২২,৫০০ আর ৬,০০০ বাদ = ৭,৫০০ টাকা।
প্রতিটা ধাপ আলাদা, তাই ভুলটা কোথায় সেটা খুঁজে পাওয়া যায়।

সবচেয়ে চেনা ভুলটা ধাপ ০৪ এ: ডেলিভারি খরচ শুধু ৯০টা পার্সেলে ধরা (৫,৪০০ টাকা), ফলে লাভ ৮,১০০ দেখায়। ধাপ লেখা থাকায় এই ভুল আপনি এক নজরে ধরতে পারবেন। শুধু শেষ সংখ্যা চাইলে এটা চোখেই পড়ত না।

একই প্রশ্ন কয়েকবার করে মিলিয়ে দেখা কি কাজে দেয়?

দেয়, বিশেষ করে হিসাবের প্রশ্নে। এই কৌশলের নাম self consistency: একই প্রশ্নে কয়েকটা আলাদা ধাপের পথ বের করে যে উত্তর সবচেয়ে বেশিবার আসে সেটা নেওয়া।

Xuezhi Wang ও সহকর্মীদের গবেষণায় (ICLR ২০২৩) সাধারণ CoT এর তুলনায় এভাবে GSM8K নামের অংকের সেটে নির্ভুলতা ১৭.৯ শতাংশ পয়েন্ট বেড়েছিল (Wang et al., arXiv)। এটাও নির্দিষ্ট মডেলের পরীক্ষা, আজকের অ্যাপে ঠিক এতটা বাড়বে এমন না।

নিজে করার সহজ পথ: একই প্রম্পট তিনটা নতুন চ্যাটে দিন। তিনটার শেষ উত্তর এক হলে ভরসা বাড়ে। আলাদা হলে ধাপগুলো পাশাপাশি রেখে দেখুন কোথায় পথ আলাদা হলো। বড় হিসাবকে আগে ছোট কাজে ভাগ করলে এই কাজ আরো সহজ হয়, নিয়ম আছে টাস্ক ডিকম্পোজিশন প্রম্পটিং লেখায়।

CoT উত্তরে কোন সমস্যা হলে কী করবেন?

সমস্যা কী করবেন
ধাপ লেখে, কিন্তু একটা শর্ত বাদ দেয় শর্তগুলো প্রম্পটে নম্বর দিয়ে আলাদা লাইনে লিখুন
উত্তর অনেক লম্বা “প্রতিটা ধাপ এক লাইনে” লিখে দিন
ধাপ ঠিক, শেষ সংখ্যা ভুল শেষ ধাপটা ক্যালকুলেটরে নিজে মেলান
দুইবার দুই রকম উত্তর তৃতীয়বার চালান, বা ধাপগুলো তুলনা করুন

নতুন তথ্যসূত্র: Wang et al., Self-Consistency Improves Chain of Thought Reasoning in Language Models, ICLR 2023. সর্বশেষ যাচাই: ২ নভেম্বর ২০২৬।

সচরাচর যা জিজ্ঞেস করা হয়

Chain of Thought prompting এর সহজ উদাহরণ কী?
একটা অংকের প্রশ্নের শেষে লিখুন: উত্তর দেওয়ার আগে ধাপে ধাপে হিসাব করো, তারপর এক লাইনে চূড়ান্ত উত্তর দাও। এতে মডেল মাঝের ধাপগুলো লেখে, আর আপনি প্রতিটা ধাপ মিলিয়ে দেখতে পারেন।
Chain of Thought আর few-shot prompting এর পার্থক্য কী?
few-shot মানে প্রম্পটে কয়েকটা উদাহরণ দেখানো, যাতে মডেল ধরনটা ধরে। Chain of Thought মানে উত্তরের আগে যুক্তির ধাপ লেখানো। দুটো একসাথেও চলে, যেমন উদাহরণের ভেতরে ধাপগুলো লিখে দেওয়া।
ChatGPT তে কি এখনো ধাপে ধাপে ভাবো লিখলে লাভ হয়?
দ্রুত বা সাধারণ মোডে হিসাব আর যুক্তির প্রশ্নে প্রায়ই কাজে লাগে। reasoning বা thinking মোডে মডেল নিজেই ভেতরে ভাবে, OpenAI সেখানে এই লাইন না দিয়ে লক্ষ্য আর শর্ত পরিষ্কার করতে বলে।
Chain of Thought কি ভুল তথ্য ঠিক করে দেয়?
না। এটা যুক্তির ধাপ গোছায়, কিন্তু মডেল যে তথ্য জানে না সেটা জানায় না। তথ্যের প্রশ্নে উৎস চেয়ে নিন আর অফিশিয়াল পাতায় মিলিয়ে দেখুন।
ধাপে ধাপে ভাবো বাংলায় লিখলেও কি কাজ করে?
হ্যাঁ, ChatGPT, Gemini আর Claude বাংলা নির্দেশ বোঝে। ভালো হয় যদি শুধু এই লাইন না লিখে কোন কোন ধাপে ভাববে সেটা নম্বর দিয়ে লিখে দেন, তাহলে কোনো ধাপ বাদ পড়ে না।
Chain of Thought কোন গবেষণা থেকে এসেছে?
২০২২ সালে Jason Wei ও সহকর্মীদের Chain-of-Thought Prompting Elicits Reasoning in Large Language Models গবেষণাপত্র থেকে নামটা পরিচিত হয়। একই বছর Kojima ও সহকর্মীরা দেখান শুধু ধাপে ধাপে ভাবার লাইন যোগ করলেও ফল বদলায়।
Self consistency prompting কী?
একই প্রশ্ন কয়েকবার ধাপে ধাপে সমাধান করিয়ে যে উত্তর সবচেয়ে বেশিবার আসে সেটা নেওয়ার কৌশল। ২০২২ সালে Wang ও সহকর্মীরা এটা প্রস্তাব করেন। নিজে করতে একই প্রম্পট তিনটা নতুন চ্যাটে দিয়ে শেষ উত্তর মিলিয়ে দেখুন।

AI থেকে ঠিক উত্তর বের করা শিখতে চাইলে

AI শুরু ও Prompt Engineering কোর্সে ChatGPT, Gemini আর Claude এর জন্য প্রম্পট লেখা একদম শুরু থেকে বাংলায় শেখানো হয়।

প্রম্পট ইঞ্জিনিয়ারিং কোর্সটা দেখুন

প্রম্পট ইঞ্জিনিয়ারিং ২০২৬, বাংলায় বইয়ের কভার
এই লেখার পরের ধাপ, ফ্রি বাংলা বই

প্রম্পট ইঞ্জিনিয়ারিং ২০২৬, বাংলায়

AI কে কাজ ঠিকভাবে বোঝানোর নিয়ম, নতুন মডেলের উদাহরণ দিয়ে, ইংরেজি ভালো না পারলেও।

বইটা ফ্রি নিন

অন্য কাজের বই খুঁজছেন? পুরো লাইব্রেরি, ১৩টা বই

বিষয়
নাসির উদ্দিন শামীম
লেখক

নাসির উদ্দিন শামীম

ঢাকা থেকে বলছি। ইন্টারনেট মার্কেটিং করি, আর নতুন কোনো এআই টুল বের হলেই সেটা ধরে দেখি কাজে লাগে কি না। যেটা সত্যিই কাজের, সেটা নিয়ে ফেসবুক আর ইউটিউবে কথা বলি। এখানে সেই জিনিসগুলোই গুছিয়ে শেখানোর চেষ্টা করি, যাতে আপনি নিজেও কাজে লাগাতে পারেন।

পরের ধাপ

বিষয়টা বুঝেছেন, এবার হাতে কলমে শিখে কাজ শুরু করুন।

৩০ সেকেন্ডের কুইজ বলে দেবে আপনার অবস্থায় কোন কোর্সটা লাগবে।

Nasir Uddin Shamim

Nasir Uddin Shamim

সাধারণত কয়েক ঘণ্টার মধ্যে উত্তর দিই, সর্বোচ্চ ২৪ ঘণ্টা।

এখন অফলাইনে আছি। মেসেজ রেখে যান, কয়েক ঘণ্টার মধ্যে উত্তর দেব, সর্বোচ্চ ২৪ ঘণ্টা।

Nasir Uddin Shamim
আসসালামু আলাইকুম 👋
আমি নাসির উদ্দিন শামীম। কীভাবে সাহায্য করতে পারি?