Task Decomposition Prompting | বড় কাজ ধাপে ভেঙে প্রম্পট

Task decomposition প্রম্পটিং মানে একটা বড় কাজ এক প্রম্পটে না চেয়ে ছোট ছোট ধাপে ভাগ করা, তারপর প্রতিটা ধাপ আলাদা প্রম্পটে করিয়ে আগের ধাপের ফল পরের ধাপে দেওয়া। Google এর Gemini গাইড একে বলে নির্দেশ ভেঙে দেওয়া আর প্রম্পট চেইন করা, আর এতে প্রতিটা ধাপে আপনি নিজে মান যাচাই করতে পারেন।

এক নজরে

এক প্রম্পটে পুরো বড় কাজ চাইলে AI মাঝারি মানের, এলোমেলো ফল দেয়।
কাজটাকে ৩ থেকে ৬টা ধাপে ভাগ করুন, প্রতিটা ধাপের আলাদা প্রম্পট দিন।
প্রতিটা ধাপের ফল দেখে ঠিক করুন, তারপর সেটা পরের প্রম্পটে পেস্ট করুন।
ধাপ কী হবে না জানলে AI কে দিয়েই আগে ধাপের তালিকা বানিয়ে নিন।

Task decomposition প্রম্পটিং কী?

Task decomposition মানে "কাজ ভেঙে নেওয়া"। পুরো একটা আর্টিকেল, একটা মাসের কনটেন্ট প্ল্যান বা একটা বিজনেস প্ল্যান একবারে না চেয়ে, আপনি কাজটাকে কয়েকটা ছোট অংশে ভাগ করেন। তারপর প্রতিটা অংশ আলাদা করে AI কে দিয়ে করান।

Google এর Gemini API এর প্রম্পট গাইডে এই কৌশলের দুটো রূপ আলাদা করে বলা আছে। একটা হলো এক প্রম্পটে অনেক নির্দেশ না দিয়ে প্রতিটা নির্দেশের জন্য আলাদা প্রম্পট। আরেকটা হলো প্রতিটা ধাপকে একটা প্রম্পট বানিয়ে পরপর জোড়া দেওয়া, যাকে প্রম্পট চেইন বলে (Gemini API prompting strategies, ২ নভেম্বর ২০২৬ পর্যন্ত)।

এই বিষয়টা হাতে-কলমে শিখতে চাইলে: AI শুরু ও Prompt Engineering (৳1,199)

প্রম্পট ইঞ্জিনিয়ারিং কী লেখায় এটা পাঁচটা ফ্রেমওয়ার্কের একটা হিসেবে অল্প কথায় এসেছে। এখানে পুরো পদ্ধতি, কপি করার মতো প্রম্পট চেইন আর কোথায় এটা অকাজের, সেটা দেখব।

বড় কাজ এক প্রম্পটে চাইলে সমস্যা কোথায়?

সমস্যা হলো, AI তখন একসাথে অনেক সিদ্ধান্ত নিজে নিয়ে ফেলে, আর আপনি মাঝপথে কিছুই ঠিক করতে পারেন না। ফল আসে গড়পড়তা, আর কোথায় দুর্বল সেটা ধরাও কঠিন।

ধরুন লিখলেন, "আমার অনলাইন দোকানের জন্য এক মাসের ফেসবুক কনটেন্ট প্ল্যান আর সব পোস্ট লিখে দাও।" AI একটা লম্বা উত্তর দেবে। কিন্তু সে নিজেই ধরে নেবে আপনার কাস্টমার কারা, কোন পণ্য জরুরি, সপ্তাহে কয়টা পোস্ট। একটা অনুমান ভুল হলে পুরো প্ল্যানটাই ভুল দিকে যায়।

মান পড়ে যায়: লম্বা উত্তরের শেষের দিকের অংশ প্রায়ই তাড়াহুড়ো আর ছোট হয়।
ভুল ধরা যায় না: সব একসাথে এলে কোন সিদ্ধান্তটা ভুল, আলাদা করা কঠিন।
আবার শুরু করতে হয়: একটা অংশ বদলাতে চাইলে পুরোটা নতুন করে চাইতে হয়।

কাজ ভাঙবেন কীভাবে, ধাপে ধাপে?

শেষ ফল কী চান সেটা লিখুন, তারপর সেখানে পৌঁছাতে মানুষ হলে আপনি কী কী ক্রমে করতেন সেটা ধাপ হিসেবে সাজান। প্রতিটা ধাপের ফল যেন আলাদা করে দেখা আর ঠিক করা যায়।

০১শেষ ফল এক লাইনেযেমন "নতুন উদ্যোক্তাদের জন্য ১,২০০ শব্দের একটা বাংলা আর্টিকেল"।

০২ধাপের তালিকারিসার্চ, কাঠামো, প্রতিটা অংশ লেখা, যাচাই। নিজে না পারলে AI কে দিয়েই তালিকা বানান।

০৩এক ধাপ, এক প্রম্পটপ্রতিটা প্রম্পটে শুধু একটা কাজ, আর সেই কাজের ফল কেমন হবে সেটা।

০৪ফল দেখে ঠিক করাপরের ধাপে যাওয়ার আগে নিজে পড়ুন, দরকার হলে বদলাতে বলুন।

০৫ফল পরের ধাপে দেওয়াঠিক করা ফলটা পরের প্রম্পটে পেস্ট করুন, যাতে AI আপনার অনুমোদিত জিনিসের ওপর কাজ করে।

০৬জোড়া আর শেষ যাচাইসব অংশ একসাথে করে একবার পুরোটা পড়ুন বা পড়ান।

প্রতিটা ধাপে আপনি সিদ্ধান্ত নেন, AI কাজ করে।

Anthropic এর Claude ডকুমেন্টেশনেও একই যুক্তি: প্রম্পট চেইন তখন কাজের, যখন মাঝের ফলগুলো দেখে যাচাই করা দরকার বা কাজটা একটা নির্দিষ্ট ক্রমে চালাতে হয় (Claude prompting best practices, ২ নভেম্বর ২০২৬ পর্যন্ত)।

একটা আর্টিকেল ধাপে ভেঙে লেখার উদাহরণ

আর্টিকেল লেখা task decomposition এর সবচেয়ে পরিষ্কার উদাহরণ। এক প্রম্পটে "আর্টিকেল লিখে দাও" না চেয়ে চারটা প্রম্পটে চান। প্রতিটা আলাদা মেসেজে পাঠাবেন, একটার উত্তর দেখে তারপর পরেরটা।

প্রম্পট ১ (পাঠক আর প্রশ্ন):
আমি "[বিষয়]" নিয়ে একটা বাংলা আর্টিকেল লিখব। পাঠক: [কারা, কী জানে, কী জানে না]।
এই পাঠক এই বিষয়ে সবচেয়ে বেশি কোন ১০টা প্রশ্ন করে, তালিকা দাও। এখনই আর্টিকেল লিখবে না।

প্রম্পট ২ (কাঠামো):
এই প্রশ্নগুলোর মধ্যে আমি এই ৬টা রাখছি: [বাছাই করা প্রশ্ন পেস্ট করুন]।
এগুলো দিয়ে আর্টিকেলের একটা আউটলাইন বানাও: প্রতিটা অংশের শিরোনাম আর তাতে কী থাকবে, এক লাইনে।
মোট দৈর্ঘ্য হবে প্রায় [১,২০০] শব্দ, প্রতিটা অংশের আনুমানিক ভাগও লিখে দাও।

প্রম্পট ৩ (একটা একটা অংশ):
এই আউটলাইন ঠিক আছে: [ঠিক করা আউটলাইন পেস্ট করুন]।
এখন শুধু অংশ ২ লেখো। সহজ কথ্য বাংলা, ছোট অনুচ্ছেদ, একটা বাস্তব উদাহরণ।
কোনো সংখ্যা বা তথ্য নিশ্চিত না হলে [যাচাই করুন] লিখে রাখবে, বানাবে না।

প্রম্পট ৪ (যাচাই):
নিচে পুরো আর্টিকেল দিলাম। পড়ে বলো: কোথায় একই কথা দুবার এসেছে, কোন অংশ অস্পষ্ট,
আর কোন দাবির জন্য উৎস লাগবে। শুধু তালিকা দাও, নিজে বদলাবে না।
[পুরো আর্টিকেল]

খেয়াল করুন, প্রম্পট ১ এ "এখনই আর্টিকেল লিখবে না" লেখা আছে। এই লাইন না দিলে অনেক সময় AI নিজে থেকে পুরো লেখা শুরু করে দেয়। প্রম্পট ৩ বারবার চালাবেন, প্রতিবার একটা অংশের জন্য। আর্টিকেলের ভূমিকা, শিরোনাম আর Google এর দিক থেকে কী দেখবেন, সেসব আছে AI দিয়ে আর্টিকেল লেখার নিয়ম লেখায়।

ধাপ কী হবে না জানলে কী করবেন?

AI কে দিয়েই আগে কাজটা ভাঙিয়ে নিন। এতে আপনি একটা পরিকল্পনা পান, যেটা নিজে কাটছাঁট করে তারপর ধাপে ধাপে চালাতে পারেন।

আমার লক্ষ্য: [যেমন: আমার হোম মেড খাবারের পেজের জন্য এক মাসের পোস্ট প্ল্যান আর পোস্ট]।
আমার অবস্থা: [কী আছে, কী নেই, সপ্তাহে কত সময় দিতে পারি]।

এই কাজটা এখনই করবে না। আগে কাজটাকে ৪ থেকে ৬টা ধাপে ভাগ করো।
প্রতিটা ধাপের জন্য লেখো: ধাপের নাম, এই ধাপের ফল কেমন হবে, আর আমার কাছ থেকে কোন তথ্য লাগবে।
শেষে প্রথম ধাপের জন্য একটা প্রম্পট লিখে দাও।

উত্তরে "আমার কাছ থেকে কোন তথ্য লাগবে" অংশটা সবচেয়ে কাজের। AI নিজে থেকে অনুমান না করে আপনাকে প্রশ্ন করছে, ফলে প্ল্যানটা আপনার ব্যবসার মতো হয়।

Task decomposition আর Chain of Thought এর পার্থক্য কী?

Chain of Thought এ একটা প্রম্পটের ভেতরেই AI ধাপে ধাপে ভাবে। Task decomposition এ ধাপগুলো আলাদা আলাদা প্রম্পট, আর প্রতিটার মাঝে আপনি থামেন, দেখেন, ঠিক করেন।

বিষয়	Chain of Thought	Task Decomposition
কোথায় ভাঙে	এক উত্তরের ভেতরে	কয়েকটা আলাদা প্রম্পটে
সবচেয়ে কাজের	হিসাব, যুক্তি, তুলনা	লম্বা লেখা, প্ল্যান, কয়েক অংশের কাজ
আপনার ভূমিকা	শেষে ধাপগুলো মিলিয়ে দেখা	প্রতিটা ধাপের পর সিদ্ধান্ত নেওয়া
সময়	একবারে শেষ	বেশি সময়, কিন্তু নিয়ন্ত্রণ বেশি

গবেষণাতেও দুটো মেলানো হয়েছে। ২০২২ সালে Denny Zhou ও সহকর্মীদের "Least-to-Most Prompting" গবেষণাপত্রে পদ্ধতিটা ছিল: জটিল সমস্যাকে আগে সহজ কয়েকটা ছোট সমস্যায় ভাঙা, তারপর একটা একটা করে সমাধান করা, যেখানে আগের সমাধান পরেরটায় সাহায্য করে (Zhou et al., arXiv, মে ২০২২)। একটা প্রম্পটের ভেতরে ধাপে ভাবানোর নিয়ম আছে Chain of Thought প্রম্পটিং লেখায়।

কখন কাজ ভাঙার দরকার নেই, আর কোন ভুল বেশি হয়?

ছোট আর এক ধাপের কাজে ভাঙার দরকার নেই। একটা ক্যাপশন, একটা ইমেইলের উত্তর বা একটা অনুচ্ছেদের অনুবাদ চার প্রম্পটে ভাঙলে শুধু সময় নষ্ট।

নতুন মডেলগুলো অনেক কাজ নিজেই ভেতরে ধাপে ভাগ করে করে। Claude এর ডকুমেন্টেশন বলছে, বেশিরভাগ কয়েক ধাপের যুক্তি মডেল এখন ভেতরেই সামলায়, আর আলাদা প্রম্পট চেইন তখনই দরকার যখন মাঝের ফল দেখতে চান বা নির্দিষ্ট ক্রম মানাতে চান। তাই নিয়মটা সহজ: যেখানে মাঝপথে আপনার সিদ্ধান্ত লাগে, সেখানে ভাঙুন।

ফল পরের ধাপে না দেওয়া: নতুন চ্যাটে পরের ধাপ চাইলে আগের ফল পেস্ট করতেই হবে, নইলে AI আগেরটা জানে না।
ঠিক না করেই এগোনো: আউটলাইন দুর্বল রেখে লেখা শুরু করলে দুর্বলতা পুরো লেখায় ছড়ায়।
বেশি টুকরা: দশটা ধাপে ভাঙলে নিজেই খেই হারাবেন। সাধারণত ৩ থেকে ৬টা ধাপই যথেষ্ট।
এক প্রম্পটে দুই কাজ: "আউটলাইন দাও আর প্রথম অংশ লেখো" লিখলে ভাঙার লাভটাই চলে যায়।

একবার কোনো কাজের চেইন ভালো ফল দিলে চারটা প্রম্পট একসাথে ফোনের নোটে সেভ করে রাখুন। পরের বার শুধু বিষয় আর পাঠক বদলালেই হবে।

তথ্যসূত্র: Google: Gemini API prompting strategies; Claude: Prompting best practices; Zhou et al., Least-to-Most Prompting, arXiv 2022. সর্বশেষ যাচাই: ২ নভেম্বর ২০২৬।

সচরাচর যা জিজ্ঞেস করা হয়

Task decomposition prompting এর সহজ উদাহরণ কী?

একটা আর্টিকেল এক প্রম্পটে না চেয়ে চার ধাপে চাওয়া: আগে পাঠকের প্রশ্নের তালিকা, তারপর আউটলাইন, তারপর একটা একটা অংশ, শেষে পুরো লেখার দুর্বলতা খোঁজা। প্রতিটা ধাপের ফল ঠিক করে পরের ধাপে দেওয়া হয়।

প্রম্পট চেইন আর task decomposition কি একই?

খুব কাছাকাছি। Task decomposition হলো কাজটাকে ধাপে ভাগ করার চিন্তা, আর প্রম্পট চেইন হলো সেই ধাপগুলো পরপর আলাদা প্রম্পটে চালানো, যেখানে এক ধাপের ফল পরের প্রম্পটে যায়।

সব ধাপ কি একই চ্যাটে করব?

একই কাজের ধাপগুলো একই চ্যাটে করলে AI আগের ধাপ মনে রাখে, সুবিধা হয়। তবে চ্যাট খুব লম্বা হলে নতুন চ্যাট খুলে আগের ধাপের ঠিক করা ফল পেস্ট করে চালিয়ে যাওয়া ভালো।

কয়টা ধাপে কাজ ভাঙা উচিত?

বেশিরভাগ কাজে ৩ থেকে ৬টা ধাপ যথেষ্ট। ধাপ এমন হওয়া উচিত যার ফল আলাদা করে দেখা আর ঠিক করা যায়। খুব বেশি টুকরা করলে নিজেই খেই হারাবেন।

ফ্রি ChatGPT বা Gemini তে কি এভাবে কাজ করা যায়?

হ্যাঁ, এর জন্য বিশেষ কোনো ফিচার লাগে না। সাধারণ চ্যাটে একটা একটা করে প্রম্পট পাঠালেই হয়। শুধু খেয়াল রাখুন ফ্রি প্ল্যানের ব্যবহারের সীমা আছে, তাই অপ্রয়োজনে বেশি ধাপ করবেন না।