ব্লগে ফিরে যান

এজেন্ট ও অটোমেশনগাইড

এমন একটি প্রম্পট লিখুন যা এজেন্টকে একটি টুল বানাতে দেয়: ৩টি অংশ

টুলটি কোথায় থাকে, এটি কী করে, কোন বিবরণ নির্দিষ্ট: DeepSeek-এর Creator Mode উদাহরণ থেকে তৈরি তিন-অংশের প্রম্পট, সাথে একটি বিল্ড সেশনের খরচ।

CheapTokens Team দ্বারাপ্রকাশিত হয়েছে 10 মিনিট পড়ার সময়

একটি বিল্ড প্রম্পটের তিনটি ধাপ: টুলটি কোথায় থাকে, এটি কী করে, প্রয়োজনীয়তা
এই পৃষ্ঠায়
  1. একটি বাস্তব প্রম্পটে তিনটি অংশ কেমন দেখায়
  2. নিজেরটা লিখুন, একবারে একটি অংশ
  3. API-এর মাধ্যমে পাঠান
  4. কেন একটি প্রম্পট কমই যথেষ্ট
  5. একটি বিল্ড সেশনের খরচ
  6. পাঠানোর আগে যাচাই করুন

আপনি একটি এজেন্টকে "একটি টুল বানাও" বলেছেন, আর পেয়েছেন অস্পষ্ট কিছু যা আপনার অ্যাপে খাপ খায় না। সমাধান আরও লম্বা প্রম্পট নয়, বরং তিনটি নির্দিষ্ট অংশযুক্ত একটি প্রম্পট: টুলটি কোথায় থাকে, এটি কী করে, এবং যে নির্দিষ্ট বিবরণগুলো মানতে হবে। একাধিক রাউন্ডও আশা করুন: এমনকি DeepSeek বলেছে এর কিছু ডেমো প্লাগইন কয়েক রাউন্ড কথোপকথনে পরিমার্জিত হয়েছে।

Harness Creator Mode ডেমো ভিডিওর জন্য DeepSeek-এর সংগ্রহে থাকা বেশিরভাগ প্রম্পট সেই তিন-অংশের গঠন দেখায়। পৃষ্ঠাটি (DeepSeek-এর Creator Mode প্রম্পট সংগ্রহ, ৩ নভেম্বর ২০২৬-এ যাচাই করা, পৃষ্ঠায় কোনো প্রকাশের তারিখ নেই) সাতটি প্লাগইন তালিকাভুক্ত করে: বিখ্যাত ল্যান্ডমার্কের একটি 3D গ্যালারি, একটি Transformer 3D ভিজ্যুয়ালাইজেশন, একটি পিক্সেলেটেড DSH ইন্টারফেস, একটি পোস্টার ডিজাইন ওয়ার্কবেঞ্চ, একটি ভিডিও এডিটিং ওয়ার্কবেঞ্চ, একটি পেপার রিডার এবং কথোপকথনের পরিসংখ্যান। একটি ব্যবহার করতে, আপনি প্রম্পটটি DeepSeek Harness-এ পেস্ট করুন এবং Creator Mode অপশনটি নির্বাচন করুন। প্রতিটি প্রম্পট ইংরেজি ও চীনা ভাষায় দেওয়া আছে।

একটি বাস্তব প্রম্পটে তিনটি অংশ কেমন দেখায়#

সেই পৃষ্ঠা থেকে Transformer 3D ভিজ্যুয়ালাইজেশন প্রম্পটটি নিন। এটি শুরু হয় "Create a DeepSeek Harness plugin with a left sidebar entry" দিয়ে। এটাই প্রথম অংশ: টুলটি কোথায় থাকে। তারপর এটি ফাংশন বর্ণনা করে: একটি ইন্টারঅ্যাকটিভ 3D ডেমোনস্ট্রেশন গেম যা Transformer গণনা ব্যাখ্যা করে। দ্বিতীয় অংশ। এটি শেষ হয় এমন একটি প্রয়োজনীয়তা দিয়ে যা ভুলে যাওয়া সহজ এবং পরে ঠিক করা বিরক্তিকর: প্যানেলের শিরোনাম ও টুলবার নেটিভ macOS উইন্ডো বাটনগুলোর সাথে ওভারল্যাপ করা যাবে না। তৃতীয় অংশ।

পৃষ্ঠার অন্যান্য প্রম্পট একই গঠন অনুসরণ করে, পার্থক্য নিয়ে। এন্ট্রি পয়েন্ট ভিন্ন: তাদের তিনটিতে বাম সাইডবার এন্ট্রি, দুটিতে কথোপকথন থেকে পৌঁছানো একটি স্থান, পেপার রিডারে ডান সাইডবার। শেষটা যেখানে তারা নির্দিষ্ট হয়ে ওঠে: পাঁচটি স্টাইল, তার মধ্যে একটি পিক্সেলেটেড, বা ডিফল্ট পেজ শিরোনাম "Everything is a plugin"। এটাই অনুকরণযোগ্য প্যাটার্ন, আর পার্থক্যটা দ্রুত দেখা যায়:

তুলনা করুন

অস্পষ্ট বনাম তিন অংশ

Before

Make me a tool for my conversations.

After

Create a plugin with a left sidebar entry. It shows statistics for my conversations: how many there are, how long each one is, and which day was busiest. The panel title must not overlap the window buttons.

প্রথম সংস্করণ এজেন্টকে সবকিছু নিয়ে অনুমান করতে ছেড়ে দেয়। এটা কোথায় যাবে? একটি সাইডবার, একটি কমান্ড, একটি আলাদা উইন্ডো? "আমার কথোপকথনের জন্য" মানে কী? দ্বিতীয়টি এজেন্টকে জিজ্ঞাসা করার আগেই সেই প্রশ্নগুলোর উত্তর দেয়।

একটি বিল্ড প্রম্পটের তিনটি অংশ: এন্ট্রি পয়েন্ট, ফাংশন, প্রয়োজনীয়তা
তিন অংশে একটি বিল্ড প্রম্পটের কাঠামো

নিজেরটা লিখুন, একবারে একটি অংশ#

ধরুন আপনি একটি ছোট প্যানেল চান যা একটি পেপার পড়ে এবং আপনাকে তা নিয়ে প্রশ্ন করতে দেয়। অংশগুলো ক্রমানুসারে দেখুন।

এটি কোথায় থাকে। এক বাক্য, এবং সঠিক স্থানটির নাম দিন: "a plugin with a left sidebar entry", "a button in the toolbar", "a page opened from the menu"। আপনি বাদ দিলে, এজেন্ট আপনার হয়ে বেছে নেবে।

এটি কী করে। আপনি কী দেখেন ও ক্লিক করেন তা বর্ণনা করুন, এটি কীভাবে তৈরি তা নয়। "You drop in a PDF, the left side shows the text, the right side has a chat about it." কোনো কারণ না থাকলে ফ্রেমওয়ার্কের নাম এড়িয়ে যান।

নির্দিষ্ট প্রয়োজনীয়তা। গতবার যা ভুল হয়েছিল তা এখানেই যায়। লেআউটের নিয়ম, যা ওভারল্যাপ করা যাবে না, একটি ভাষা, একটি ফাইল ফরম্যাট, "no network calls"-এর মতো একটি সীমা। সংক্ষিপ্ত, যাচাইযোগ্য লাইন। ফলাফল দেখে আপনি যদি বলতে না পারেন কোনো প্রয়োজনীয়তা পূরণ হয়েছে কি না, তবে যতক্ষণ না পারবেন ততক্ষণ এটি নতুন করে লিখুন।

একত্রে:

text
Create a plugin with a left sidebar entry.
It is a paper reader: I open a PDF, the text is shown
on the left, and a chat about the paper is on the right.
Requirements:
- the panel title must not overlap the window buttons
- the chat answers only from the paper's text
- keep everything in one file

API-এর মাধ্যমে পাঠান#

Creator Mode একটি DeepSeek Harness বৈশিষ্ট্য; প্রম্পট নিজেই সাধারণ টেক্সট, তাই যা কিছু একটি প্রম্পট পড়ে তা এটি চালাতে পারে, যার মধ্যে CheapTokens API কল করা একটি স্ক্রিপ্টও রয়েছে। নিচের প্রম্পটটি উপরেরটিই, DeepSeek-V4-Flash-এ পাঠানো (সম্পূর্ণ id deepseek-ai/DeepSeek-V4-Flash-0731, 380K কনটেক্সট, এক উত্তরে সর্বোচ্চ 32,768 টোকেন, যা এক উত্তরে একটি সম্পূর্ণ প্লাগইনের জায়গা রাখে):

python
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

prompt = """Create a plugin with a left sidebar entry.
It is a paper reader: I open a PDF, the text is shown
on the left, and a chat about the paper is on the right.
Requirements:
- the panel title must not overlap the window buttons
- the chat answers only from the paper's text
- keep everything in one file"""

resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": prompt}],
    max_tokens=8000,
)
print(resp.choices[0].message.content)
print(resp.choices[0].finish_reason, resp.usage)

কীটি একটি এনভায়রনমেন্ট ভেরিয়েবলে রাখুন, কখনো ফাইলে নয়। finish_reason যদি length প্রিন্ট করে, তবে প্লাগইনটি max_tokens দ্বারা কেটে গেছে: সীমা বাড়ান। কাস্টম প্রোভাইডার দিয়ে DeepSeek Harness নিজেই সেট আপ করা আলাদা কাজ, যা DeepSeek Harness-কে CheapTokens-এ সংযুক্ত করা-তে আলোচনা করা হয়েছে। প্রথম-অনুরোধের মূল বিষয়গুলো CheapTokens ডকুমেন্টেশন-এ আছে।

কেন একটি প্রম্পট কমই যথেষ্ট#

DeepSeek স্পষ্টভাবে বলে: কিছু ডেমো প্লাগইন কয়েক রাউন্ড কথোপকথনে পরিমার্জিত হয়েছে, তাই একটি প্রম্পট ভিডিওটি হুবহু পুনরুৎপাদন নাও করতে পারে। এটি একজন ঠিকাদারকে ব্রিফিং করার মতো ভাবুন। প্রথম নকশা ঘরটির বেশিরভাগটা দিয়ে দেয়, আর আপনি ঘুরে দেখে বলেন "দরজাটা উল্টো দিকে খোলে"।

নিজে চেষ্টা করুনচেষ্টা করুন: দ্বিতীয় রাউন্ডে কী বলা উচিত?উত্তর দেখান

আপনি যা দেখেছেন তা বলুন, যা অনুভব করেন তা নয়। "The title overlaps the close button; move it 40 px to the right" একটি সমাধান পায়। "The layout is off" আরেকটি অনুমান পায়। প্রতিটি সংশোধন পরেরবারের জন্য প্রয়োজনীয়তা অংশে আরেকটি লাইন হয়ে যায়।

প্রতিটি রাউন্ড পরের অনুরোধে ইতিহাস যোগ করে
একটি বিল্ড সেশন: প্রম্পট, তারপর সংশোধন যা ইতিহাস বহন করে

আর এখানেই টাকা যায়। একটি এজেন্ট প্রতিটি রাউন্ডে কথোপকথন আবার পাঠায় (একটি দীর্ঘ চ্যাট কেন বেশি খরচ করে-তে একই প্রভাব), তাই পঞ্চম রাউন্ডে প্রম্পট, চারটি আগের উত্তর এবং এখন পর্যন্ত সব কোড বহন করে।

একটি বিল্ড সেশনের খরচ#

এটি একটি অনুমিত সেশন, পরিমাপ নয়: পাঁচ রাউন্ড, প্রতি রাউন্ডে প্রায় 12,000 টোকেন পাঠানো (প্রম্পট, ইতিহাস, বর্তমান কোড) এবং প্রায় 6,000 টোকেন ফেরত লেখা। নিচের টেবিলটি প্রতিটি মডেলের জন্য লাইভ CheapTokens মূল্য ব্যবহার করে; OpenRouter কলামটি একই সেশনকে সামগ্রিকভাবে তুলনা করার জন্য, ইনপুট ও আউটপুট একসাথে গণনা করে।

মডেল প্রতি অনুরোধে ৫টি অনুরোধ OpenRouter, ৫টি অনুরোধ
GLM-5.3-Flash $0.00048 $0.0024 $0.0045
DeepSeek-V4-Flash $0.00078 $0.0039 $0.0084
MiniMax-M2.7 $0.0015 $0.0075 $0.09

প্রতি অনুরোধে ১২,০০০ ইনপুট এবং ৬,০০০ আউটপুট টোকেন। প্রতি 1M টোকেনের দাম বর্তমান এবং আমাদের ট্যারিফের সাথে পরিবর্তিত হয়; OpenRouter কলামটি একই ওয়ার্কলোডের জন্য রেফারেন্স মূল্য দেখায়।

একটি DeepSeek-V4-Flash রাউন্ডের জন্য একই সংখ্যাগুলো দাঁড়ায় $0.00078। আপনার প্লাগইন বড় হলে, প্রতিটি রাউন্ডে ইতিহাস বাড়ে, তাই দুটি সংখ্যা বদলে অনুমানটি আবার চালান। এজেন্ট বিল অনুমানের আরও তথ্য কীভাবে একটি AI এজেন্টের খরচ অনুমান করবেন-এ, এবং মডেলের তালিকা মূল্য পৃষ্ঠা-য়।

পাঠানোর আগে যাচাই করুন#

চেকলিস্ট

একটি বিল্ড প্রম্পট পাঠানোর আগে

প্রথম প্রম্পট লিখুন, যা ফিরে আসে তা পড়ুন, এবং প্রতিটি সংশোধন প্রয়োজনীয়তার পরবর্তী সংস্করণে রাখুন। দুই-তিনটি সেশনের পর আপনার কাছে লাইনের একটি ছোট তালিকা থাকবে যা আপনি প্রতিটি নতুন প্রম্পটে পেস্ট করবেন, আর প্রথম রাউন্ড আপনার উদ্দেশ্যের আরও কাছাকাছি আসবে। যেকোনো প্রম্পটের মৌলিক অভ্যাসের জন্য, দেখুন কীভাবে একটি ভালো প্রম্পট লিখবেন।