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

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।

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।

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।

বাংলায় Chain of Thought প্রম্পট কেমন দেখতে?

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

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)।

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।

সচরাচর যা জিজ্ঞেস করা হয়

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, ১২টা বই