প্রতিটি কাজের জন্য একটি হারনেস: Claude Code-এ ডাইনামিক ওয়ার্কফ্লো

মূল লেখক: @trq212

পিগি

সম্পাদকীয় নোট: Claude Code একটি কোড সহায়ক থেকে একটি অর্ডারযোগ্য এজেন্ট ওয়ার্কস্টেশনে পরিণত হচ্ছে।

এই ওয়ার্কফ্লোগুলির মূল মূল্য হল ক্লড কেবল একই কনটেক্সট উইন্ডোতে "ভাবের পরে করা" থেকে বেরিয়ে একটি কার্যকরী কাঠামো স্বয়ংক্রিয়ভাবে তৈরি করা: টাস্ক বিভক্ত করা, সাব-এজেন্টগুলি বরাদ্দ করা, সমান্তরালভাবে প্রক্রিয়াকরণ, ক্রস-ভেরিফিকেশন, চক্রীয় পুনরাবৃত্তি, এমনকি বিভিন্ন এজেন্টগুলিকে পরস্পরের সাথে প্রতিযোগিতা করতে দেওয়া এবং শেষে ফলাফলগুলি একত্রিত করা।

এর অর্থ হলো, Claude Code-এর ব্যবহারের পরিসর স্পষ্টভাবে বাড়ছে। এটি শুধুমাত্র কোড মাইগ্রেশন, রিফ্যাক্টরিং, টেস্ট রিপ্রোডাকশন এবং কোড রিভিউর জন্যই সীমাবদ্ধ নয়, বরং গভীর গবেষণা, তথ্য যাচাই, রিজিউমে ফিল্টারিং, ঘটনা বিশ্লেষণ, নিয়ম সংগ্রহ, ব্যবসায়িক পরিকল্পনা মূল্যায়ন, নামকরণের ব্রেইনস্টর্মিংসহ অ-প্রযুক্তিগত কাজগুলিতেও ব্যবহার করা যেতে পারে। অনেক জটিল কাজের মূলত প্রোগ্রামিং-এর সাথে মিল আছে: সমস্যা বিভক্ত করা, প্রসঙ্গ পৃথককরণ, অনুমান যাচাইকরণ, বহুতর বিস্তারিত বিষয় পরিচালনা এবং একাধিক বিকল্প পথের মধ্যে বেছে নেওয়া।

ডাইনামিক ওয়ার্কফ্লোগুলি দীর্ঘ কাজে বড় মডেলগুলির সাধারণ কয়েকটি সমস্যা সমাধান করার চেষ্টা করে: মাঝে চলে যাওয়ার প্রবণতা, নিজের উপসংহারগুলিকে সমর্থন করার প্রবণতা, এবং একাধিক পুনরাবৃত্তির পর মূল লক্ষ্য থেকে ধীরে ধীরে বিচ্যুতি। একাধিক স্বতন্ত্র প্রসঙ্গ সহ Claude-এর দ্বারা কাজটি বরাদ্দ করে, এটি জটিল কাজকে "একক এজেন্ট দৌড়" থেকে "একাধিক এজেন্ট সহযোগিতা"তে রূপান্তরিত করে।

অবশ্যই, ওয়ার্কফ্লোগুলি সবকিছুর জন্য একটি সমাধান নয়। এগুলি সাধারণত আরও বেশি টোকেন খরচ করে এবং প্রতিটি সাধারণ কোডিং টাস্কের জন্য উপযুক্ত নাও হতে পারে। তবে এটি একটি গুরুত্বপূর্ণ দিক প্রদান করে: ভবিষ্যতের AI টুলগুলির প্রতিযোগিতা শুধুমাত্র একটি মডেলের কতটা বুদ্ধিমান হওয়ার উপর নির্ভর করবে না, বরং এটির জটিল লক্ষ্যের চারপাশে একটি নির্ভরযোগ্য, পুনঃব্যবহারযোগ্য এবং পর্যালোচনাযোগ্য বাস্তবায়ন প্রক্রিয়া গঠন করতে পারে কিনা।

নিম্নলিখিত মূল পাঠ:

যদিও ডিফল্ট Claude Code একecিউশন ফ্রেমওয়ার্কটি প্রোগ্রামিংয়ের জন্য তৈরি করা হয়েছে, এটি অনেক অন্যান্য ধরনের কাজের জন্যও প্রযোজ্য। প্রমাণিত হয়েছে যে, অনেক কাজের গঠনগতভাবে প্রোগ্রামিংয়ের মতোই। তবুও, গবেষণা, সিকিউরিটি বিশ্লেষণ, এজেন্ট টিম কোঅপারেশন বা কোড রিভিউয়ের মতো কিছু নির্দিষ্ট কাজের জন্য সর্বোত্তম পারফরম্যান্স অর্জনের জন্য আমাদের Claude Code-এর উপর কাস্টমাইজড একxecিউশন ফ্রেমওয়ার্ক তৈরি করতে হবে।

ওয়ার্কফ্লোগুলি আপনাকে একটি ডাইনামিক একecution ফ্রেমওয়ার্ক তৈরি করতে দেয়, যার মাধ্যমে Claude উপরে উল্লিখিত সমস্যাগুলি এবং আরও অনেক ধরনের সমস্যা সমাধানের জন্য Claude Code-এর ভিতরে আরও প্রাকৃতিকভাবে কাজ করতে পারে। আপনি এই ওয়ার্কফ্লোগুলি অন্যদের সাথে শেয়ার করতে এবং পুনরায় ব্যবহার করতে পারেন।

এই প্রবন্ধে, আমি আমার প্রাথমিক অভিজ্ঞতা এবং ধারণাগুলি শেয়ার করব যাতে আপনি এর ক্ষমতা সম্পূর্ণরূপে ব্যবহার করতে পারেন।

তবে উল্লেখ্য যে, সংশ্লিষ্ট সেরা অনুশীলনগুলি এখনও গঠনাধীন। ডাইনামিক ওয়ার্কফ্লো সাধারণত বেশি টোকেন খরচ করে, তাই আপনাকে কখন এবং কিভাবে ব্যবহার করবেন তা ভালোভাবে বিবেচনা করতে হবে।

নোট: এই পোস্টটি Claude ব্লগেও প্রকাশিত হয়েছে।

উদাহরণ প্রম্পট

টেকনিক্যাল ডিটেইলসে প্রবেশ করার আগে, আমি কিছু উদাহরণ prompt দিতে চাই যা আপনাকে workflows-এর সম্ভাবনাগুলি বুঝতে সাহায্য করবে:

এই টেস্টটি প্রায় প্রতি ৫০ বার চালানোর মধ্যে একবার ব্যর্থ হয়। এটি পুনরুৎপাদনের জন্য একটি ওয়ার্কফ্লো তৈরি করুন, একটি অনুমান প্রস্তাব করুন এবং বিভিন্ন ওয়ার্কট্রির মধ্যে প্রতিদ্বন্দ্বীতামূলক টেস্টিং করুন। /goal একটি অনুমান যাচাই করা না পর্যন্ত বন্ধ করবেন না।

ওয়ার্কফ্লো ব্যবহার করে, আমার সর্বশেষ ৫০টি সেশন পর্যালোচনা করুন, যেসব সময় আমি পুনরাবৃত্তি করেছি তা খুঁজে বার করুন, এবং এই পুনরাবৃত্তিমূলক সমস্যাগুলিকে CLAUDE.md নিয়মে রূপান্তরিত করুন।

ওয়ার্কফ্লো ব্যবহার করে, গত ছয় মাসের জন্য Slack-এর #incidents চ্যানেল পরীক্ষা করুন এবং যেসব মৌলিক কারণগুলি পুনরাবৃত্তি হচ্ছে কিন্তু কেউ টিকেট জমা দেয়নি, তা শনাক্ত করুন।

আমার ব্যবসায়িক পরিকল্পনা ব্যবহার করে একটি ওয়ার্কফ্লো চালান, যাতে বিভিন্ন এজেন্টগুলি যথাক্রমে বিনিয়োগকারী, গ্রাহক এবং প্রতিযোগীদের দৃষ্টিকোণ থেকে এটি বিশ্লেষণ করে।

এখানে ৮০টি রিজিউমে সহ একটি ফোল্ডার রয়েছে। ওয়ার্কফ্লো ব্যবহার করে ব্যাকএন্ড পদের প্রয়োজনীয়তা অনুযায়ী তাদের সাজান এবং শীর্ষ দশটি পুনরায় পরীক্ষা করুন। মূল্যায়ন মানদণ্ড তৈরি করতে AskUserQuestion টুল ব্যবহার করে আমাকে প্রশ্ন করুন।

আমাকে এই CLI টুলটির জন্য একটি নাম দিতে হবে। ওয়ার্কফ্লো ব্যবহার করে কিছু বিকল্প ব্রেইনস্টর্ম করুন, তারপর টুর্নামেন্ট পদ্ধতির মাধ্যমে শীর্ষ তিনটি বাছাই করুন।

ওয়ার্কফ্লো ব্যবহার করে, আমাদের ইউজার মডেলটিকে সব জায়গায় অ্যাকাউন্ট নামে পুনর্নামকরণ করুন।

আমার ব্লগ ড্রাফ্টটি পড়ুন এবং প্রতিটি প্রযুক্তিগত সিদ্ধান্তকে কোডবেসের সাথে ওয়ার্কফ্লো ব্যবহার করে যাচাই করুন। আমি কোনও ভুল কন্টেন্ট প্রকাশ করতে চাই না।

কিভাবে ডায়নামিক ওয়ার্কফ্লো কাজ করে

একটি ডায়নামিক ওয়ার্কফ্লো একটি জাভাস্ক্রিপ্ট ফাইল বাস্তবায়ন করে, যাতে কিছু বিশেষ ফাংশন রয়েছে যা সাব-অ্যাজেন্টগুলি তৈরি এবং সমন্বয় করে।

ডাইনামিক ওয়ার্কফ্লোতে ডেটা প্রক্রিয়াকরণের জন্য JSON, Math এবং Array এর মতো স্ট্যান্ডার্ড JavaScript ফাংশনও অন্তর্ভুক্ত রয়েছে।

বিশেষভাবে উল্লেখযোগ্য যে, ডায়নামিক ওয়ার্কফ্লো নির্ধারণ করতে পারে যে কোন এজেন্ট কোন মডেল ব্যবহার করবে এবং সাব-এজেন্টগুলি কি তাদের নিজস্ব ওয়ার্কট্রির মধ্যে চলবে। এটি Claude-কে কাজের প্রয়োজনীয়তা অনুযায়ী প্রয়োজনীয় বুদ্ধিমত্তা এবং আইসোলেশনের মাত্রা স্বয়ংক্রিয়ভাবে বাছাই করতে সক্ষম করে।

যদি একটি ওয়ার্কফ্লো বিচ্ছিন্ন হয়, যেমন ব্যবহারকারী হাতে কাজ করলে বা টার্মিনাল বন্ধ হয়ে গেলে, সেশন পুনরুদ্ধারের পরে ওয়ার্কফ্লোটি বিচ্ছিন্ন বিন্দু থেকে পুনরায় চালু হতে পারে।

যখন আপনি ডিফল্ট Claude Code এক্সিকিউশন ফ্রেমওয়ার্ককে একটি কাজ প্রক্রিয়াকরণের জন্য ব্যবহার করেন, তখন এটি একই কনটেক্সট উইন্ডোতে পরিকল্পনা এবং বাস্তবায়ন দুটি কাজই একসাথে করতে হয়। অনেক প্রোগ্রামিং কাজের জন্য এই পদ্ধতি খুবই কার্যকর, কিন্তু দীর্ঘসময়ব্যাপী, বড় পরিসরে সম songালীভাবে, বা অত্যন্ত সংগঠিত প্রতিদ্বন্দ্বীতামূলক কাজগুলিতে এটি কখনও কখনও ব্যর্থ হয়।

কারণ হলো, যতক্ষণ ক্লড একক কনটেক্সট উইন্ডোতে জটিল কাজ প্রক্রিয়া করে, ততক্ষণ এটি বিভিন্ন নির্দিষ্ট ব্যর্থতার মডেলে পড়ে যাওয়ার সম্ভাবনা বাড়ে:

অ্যাজেন্টিক লাজিনেস (Agentic laziness) বলতে বোঝায় যে, Claude যখন একাধিক অংশ বিশিষ্ট অত্যন্ত জটিল কাজ প্রক্রিয়াকরণ করছে, তখন এটি পুরোপুরি সম্পন্ন না করেই আগেই বন্ধ করে দেয় এবং শুধুমাত্র কিছুটা অগ্রগতি অর্জনের পরেই কাজটি সম্পন্ন হয়েছে বলে দাবি করে। উদাহরণস্বরূপ, নিরাপত্তা পরীক্ষায় 50টি আইটেমের মধ্যে শুধুমাত্র 20টি প্রক্রিয়াকরণ করেই কাজ শেষ ঘোষণা করা।

সেলফ-প্রিফারেনশিয়াল বায়াস (স্ব-প্রাধান্য বায়াস) বলতে ক্লড নিজের ফলাফল বা আবিষ্কারগুলিকে প্রাধান্য দেওয়ার প্রবণতাকে বোঝায়, বিশেষ করে যখন কোনো মূল্যায়ন মানদণ্ডের ভিত্তিতে নিজের উত্পাদিত কনটেন্টকে যাচাই বা মূল্যায়ন করতে বলা হয়।

গোল ড্রিফ্ট (Goal drift) হল একাধিক পর্যায়ে কার্যক্রম চালানোর সময় Claude-এর প্রাথমিক লক্ষ্যের প্রতি বিশ্বস্ততা ধীরে ধীরে কমে যাওয়া, বিশেষ করে যখন প্রসঙ্গ সংক্ষিপ্ত হয়। প্রতিটি সারাংশের মাধ্যমে তথ্যের ক্ষতি ঘটে, এবং কিছু বিশদ নির্দেশ, যেমন প্রান্তিক ক্ষেত্র বা “X করবেন না”-এর মতো সীমাবদ্ধতা, হারিয়ে যাওয়ার সম্ভাবনা থাকে।

একটি ওয়ার্কফ্লো তৈরি করলে এই সমস্যাগুলি কমানো সহজ হয়, কারণ এটি একাধিক স্বাধীন Claude কে সংগঠিত করে, যাতে তাদের প্রতিটির নিজস্ব কনটেক্সট উইন্ডো থাকে এবং পরস্পর থেকে বিচ্ছিন্ন, স্পষ্ট লক্ষ্যযুক্ত কাজে মনোনিবেশ করতে পারে।

আপনি আগে থেকেই ক্লাউড এজেন্ট এসডিকে বা claude -p ব্যবহার করে একাধিক ক্লাউড কোড ইনস্ট্যান্সকে সমন্বয় করার জন্য স্ট্যাটিক ওয়ার্কফ্লো তৈরি করেছেন।

কিন্তু স্ট্যাটিক ওয়ার্কফ্লো বিভিন্ন এজ কেস কভার করার জন্য সাধারণত আরও সাধারণ হয়। Claude Opus 4.8 এবং ডাইনামিক ওয়ার্কফ্লোর আবির্ভাবের সাথে সাথে, Claude এখন আপনার নির্দিষ্ট ব্যবহারের জন্য একটি কাস্টমাইজড এক্সিকিউশন ফ্রেমওয়ার্ক লিখতে পর্যাপ্ত বুদ্ধিমান।

ডাইনামিক ওয়ার্কফ্লো ব্যবহার করার সময় ব্যবহারিক প্যাটার্ন

আপনি সরাসরি ক্লাউডকে একটি ডাইনামিক ওয়ার্কফ্লো তৈরি করতে বলতে পারেন, অথবা "ultracode" ট্রিগার শব্দটি ব্যবহার করে নিশ্চিত করুন যে Claude Code ওয়ার্কফ্লো তৈরি করছে।

তবে, যদি আপনি ডাইনামিক ওয়ার্কফ্লো কিভাবে কাজ করে তার একটি মানসিক মডেল গড়ে তুলতে পারেন, তাহলে এটি ব্যবহার করার উপযুক্ত সময় বুঝতে এবং Claude-কে প্রম্পটের মাধ্যমে নির্দেশ দেওয়ার জন্য সহজ হবে।

ক্লড ওয়ার্কফ্লো তৈরি করার সময় সাধারণত নিম্নলিখিত প্যাটার্নগুলি ব্যবহার করে এবং সংমিশ্রিত করে:

বিভাগ এবং বাস্তবায়ন: একটি বিভাগ এজেন্ট ব্যবহার করে কাজের ধরন চিহ্নিত করুন, তারপর কাজের ধরনের ভিত্তিতে বিভিন্ন এজেন্ট বা আচরণের দিকে রুট করুন। প্রক্রিয়ার শেষে আউটপুট ফলাফল চিহ্নিত করতে একটি শ্রেণীবিভাজকও ব্যবহার করা যেতে পারে।

ফ্যান-আউট এবং সিনথেসিস: একটি কাজকে একাধিক ছোট ধাপে বিভক্ত করুন, যাতে প্রতিটি ধাপ একটি এজেন্ট দ্বারা পরিচালিত হয় এবং শেষে এই ফলাফলগুলি একত্রিত হয়। এই পদ্ধতিটি বিশেষভাবে উপযুক্ত যখন কাজে অসংখ্য ছোট ধাপ থাকে, বা প্রতিটি ধাপের জন্য একটি পরিষ্কার কনটেক্সট উইন্ডোর প্রয়োজন হয়, যাতে একে অপরের সাথে হস্তক্ষেপ বা ক্রস-কনট্যামিনেশন এড়ানো যায়। সিনথেসিস ধাপটি একটি 'ব্যারিয়ার'এর মতো: এটি সমস্ত ফ্যান-আউট এজেন্টগুলির সম্পন্ন হওয়ার অপেক্ষা করে, তারপর তাদের স্ট্রাকচারড আউটপুটগুলি একটি ফলাফলের সাথে একীভূত করে।

প্রতিদ্বন্দ্বী যাচাইকরণ: প্রতিটি জেনারেট করা এজেন্টের জন্য, একটি স্বাধীন এজেন্ট চালান যা কোনো নির্দিষ্ট মূল্যায়ন মানদণ্ড বা নীতির ভিত্তিতে এর আউটপুটের প্রতিদ্বন্দ্বী যাচাইকরণ করে।

জেনারেট এবং ফিল্টার করুন: একটি বিষয় নিয়ে অসংখ্য ধারণা তৈরি করুন, তারপর মূল্যায়ন মানদণ্ড বা যাচাইকরণ প্রক্রিয়ার ভিত্তিতে ফিল্টার করুন, পুনরাবৃত্তি সরিয়ে ফেলুন, এবং শুধুমাত্র পরীক্ষিত, সর্বোচ্চ মানের ধারণাগুলি ফেরত দিন।

টুর্নামেন্ট: কাজকে বিভক্ত করা নয়, বরং এজেন্টগুলিকে পরস্পরের সাথে প্রতিযোগিতা করতে দিন। N সংখ্যক এজেন্ট তৈরি করুন, যারা একই কাজটি পৃথক পদ্ধতিতে সম্পন্ন করার চেষ্টা করবে। তারপর প্রম্পট বা মডেলটি এজেন্টদের ফলাফলগুলির মধ্যে দুটি করে তুলনা করে বিজয়ীকে নির্বাচন করবে।

অবিরাম চালিয়ে যান যতক্ষণ না শেষ হয়: যখন কাজের পরিমাণ অজানা থাকে, তখন নির্দিষ্ট রাউন্ড সেট করবেন না, বরং এমন স্টপ কন্ডিশন পূরণ হওয়া পর্যন্ত agent জেনারেট করতে থাকুন, যেমন নতুন কোনো আবিষ্কার না আসা, বা লগে কোনো ত্রুটি না থাকা।

ব্যবহারের পরিস্থিতি

আপনি কখন এবং কিভাবে Claude Code দিয়ে ডাইনামিক ওয়ার্কফ্লো তৈরি করা যায় তা আরও সৃজনশীলভাবে চিন্তা করতে পারেন। আমি দেখেছি যে ওয়ার্কফ্লোগুলি কখনও কখনও অ-প্রযুক্তিগত কাজেও আরও উপযোগী হয়ে ওঠে।

বুন জিগ থেকে রাস্টে রিক্রিয়েট করার জন্য ওয়ার্কফ্লো ব্যবহার করেছিলেন। বিস্তারিত প্রক্রিয়াটি জারেডের X-এর পোস্টে পড়তে পারেন।

মূল বিষয় হলো, কাজটিকে কয়েকটি প্রক্রিয়াকরণযোগ্য ধাপে বিভক্ত করা, যেমন কল পয়েন্ট, ব্যর্থতা পরীক্ষা, মডিউল ইত্যাদি। প্রতিটি সংশোধন কাজের জন্য worktree-এ একটি সাব-এজেন্ট শুরু করুন, যাতে সে সংশোধনটি সম্পন্ন করতে পারে; তারপর অন্য একটি এজেন্টকে বিরোধী পরীক্ষা করতে দিন, এবং শেষে ফলাফলগুলি একীভূত করুন। আপনি এজেন্টকে স্পষ্টভাবে বলতে পারেন যে তারা অত্যধিক সম্পদ-খরচকারী কমান্ড ব্যবহার করবেন না, যাতে স্থানীয় মেশিনের সম্পদ শেষ না হয়ে সর্বোচ্চ সম songতা অর্জন করা যায়।

আমরা ক্লাউড কোডে একটি ডিপ রিসার্চ স্কিল (/deep-research) প্রকাশ করেছি, যা ডাইনামিক ওয়ার্কফ্লো ব্যবহার করে। বিশেষভাবে, এটি ওয়েব সার্চ চালানো, উৎসগুলি সংগ্রহ করা, সংশ্লিষ্ট দাবিগুলির বিরুদ্ধে যাচাইকরণ এবং উদ্ধৃতি সহ একটি প্রতিবেদন তৈরি করার জন্য সেট করা হয়।

কিন্তু এই ধরনের গবেষণা শুধুমাত্র ওয়েব অনুসন্ধানের জন্যই সীমাবদ্ধ নয়। উদাহরণস্বরূপ, আপনি Claude-কে Slack-এর কনটেক্সট থেকে একটি স্ট্যাটাস রিপোর্ট তৈরি করতে বা কোডবেসের মধ্যে গভীরভাবে অনুসন্ধান করে কোনো ফিচার কিভাবে কাজ করে তা অধ্যয়ন করতেও ব্যবহার করতে পারেন।

অন্যদিকে, যদি আপনার একটি রিপোর্ট থাকে এবং আপনি এর মধ্যে উল্লিখিত প্রতিটি তথ্যগত দাবি এবং উৎসের যাচাইকরণ করতে চান, তাহলে একটি ওয়ার্কফ্লো তৈরি করতে পারেন: প্রথমে একটি এজেন্ট সমস্ত তথ্যগত দাবি চিহ্নিত করবে, তারপর প্রতিটি দাবির জন্য একটি সাব-এজেন্ট শুরু করা হবে যা বিস্তারিতভাবে যাচাই করবে। আপনি একটি যাচাইকরণ এজেন্টকেও নিয়োগ করতে পারেন যা উৎসের খোঁজের জন্য দায়ী সাব-এজেন্টগুলির যাচাইকরণ করবে, যাতে তাদের উৎসের মান যথেষ্ট উচ্চ হয়।

আপনার কাছে একটি প্রকল্পের সেট থাকতে পারে, যা আপনি কোনো গুণগত মাপদণ্ড অনুযায়ী সাজাতে চান, এবং আপনি বিশ্বাস করেন যে Claude Code এই মাপদণ্ড মূল্যায়নে দক্ষ। উদাহরণস্বরূপ, সাপোর্ট টিকেটগুলিকে বাগের গুরুত্বের ভিত্তিতে সাজানো।

কিন্তু যদি আপনি একটি প্রম্পটে ১০০০ এর বেশি লাইন সাজানোর চেষ্টা করেন, তাহলে গুণমান কমে যায় এবং কনটেক্সট উইন্ডোতে তা ফিট হয় না। এর চেয়ে ভালো হবে একটি টুর্নামেন্ট মেকানিজম চালানো, যেখানে দুটি করে তুলনা করা এজেন্টের একটি পাইপলাইন তৈরি করা হয়, কারণ তুলনামূলক বিচার সাধারণত পরম স্কোরিংয়ের চেয়ে বেশি নির্ভরযোগ্য; অথবা প্রথমে সম songায়িতভাবে বাকেট সর্টিং করুন, তারপর ফলাফলগুলি একত্রিত করুন। প্রতিটি তুলনা একটি স্বতন্ত্র এজেন্ট দ্বারা সম্পন্ন হয়, তাই নির্ধারণমূলক লুপটি সমগ্র টুর্নামেন্টের কাঠামোকে বজায় রাখতে পারে, কেবলমাত্র বর্তমানে চলমান ক্রমটি কনটেক্সটে রাখা প্রয়োজন।

যদি আপনার কাছে কিছু নির্দিষ্ট নিয়ম থাকে এবং Claude এমনকি CLAUDE.md-এ এই নিয়মগুলি দেখেও প্রায়শই এগুলি উপেক্ষা করে বা ভালভাবে বাস্তবায়ন করে না, তাহলে এই নিয়মগুলি তালিকাভুক্ত করে একটি ওয়ার্কফ্লো তৈরি করুন এবং প্রতিটি নিয়মের জন্য একটি যাচাইকরণ এজেন্টকে একটি একটি করে পরীক্ষা করতে দিন—প্রতিটি নিয়মের জন্য একটি যাচাইকরণ এজেন্ট। এই নিয়মগুলির যথার্থতা পরীক্ষা করার জন্য একটি «সন্দেহবাদী» ব্যক্তিত্বের সাব-এজেন্ট তৈরি করা, অতিরিক্ত মিথ্যা-ইতিবাচক এড়াতেও সহায়তা করে।

এর বিপরীতেও করা যায়: আপনার সাম্প্রতিক সেশন এবং কোড রিভিউ মন্তব্যগুলি বিশ্লেষণ করুন, যে সমস্ত সংশোধন আপনি পুনরাবৃত্তি করেছেন তা চিহ্নিত করুন; সমান্তরাল এজেন্টকে এই সমস্যাগুলি ক্লাস্টার করতে দিন; প্রতিটি প্রার্থী নিয়মের জন্য প্রতিদ্বন্দ্বীতামূলক যাচাইকরণ করুন যাতে দেখা যায় এটি কি প্রকৃত ত্রুটি প্রতিরোধ করতে পারে; শেষে, নির্বাচিত নিয়মগুলিকে CLAUDE.md-এ ফিরিয়ে আনুন।

সবচেয়ে কার্যকরী ডিবাগিং পদ্ধতি হল কয়েকটি পরস্পর স্বাধীন অনুমান তৈরি করা এবং প্রতিটি একটি করে পরীক্ষা করা। তবে যদি আপনি শুধুমাত্র একটি কনটেক্সট উইন্ডো ব্যবহার করেন, তাহলে Claude নিজের পক্ষপাতদুষ্ট প্রবণতায় আটকে যেতে পারে।

workflow গঠনগতভাবে এই পরিস্থিতি প্রতিরোধ করতে পারে: এটি একাধিক agent শুরু করতে পারে, যারা পরস্পরের সাথে অতিক্রমকারী নয় এমন প্রমাণের ভিত্তিতে অনুমান তৈরি করে। উদাহরণস্বরূপ, বিভিন্ন agent যথাক্রমে লগ, ফাইল এবং ডেটা পরীক্ষা করতে পারে। তারপর, প্রতিটি অনুমানকে একটি যাচাইকারী এবং বিরোধীদের সেট দ্বারা পরীক্ষা করা যেতে পারে।

এটি শুধুমাত্র কোডের জন্য নয়। workflows বিক্রয় বিশ্লেষণের জন্যও ব্যবহার করা যেতে পারে, যেমন 'মার্চে বিক্রয় কেন কমেছে?'; ডেটা ইঞ্জিনিয়ারিংয়ের জন্য, যেমন 'এই pipeline-টি কেন ব্যর্থ হল?'; বা যেকোনো পরবর্তী বিশ্লেষণের জন্য।

প্রতিটি টিমের সমর্থন কিউ, বাগ রিপোর্ট বা অন্যান্য এমন কিছু আছে যা মানুষ দ্বারা সম্পূর্ণরূপে পরিচালনা করা যায় না। একটি ট্রায়েজ ওয়ার্কফ্লো প্রতিটি আইটেমকে শ্রেণিবদ্ধ করতে পারে, ইতিমধ্যে ট্র্যাক করা সমস্যাগুলির সাথে ডুপ্লিকেট বাদ দিতে পারে এবং পদক্ষেপ গ্রহণ করতে পারে। এটি সম্ভবত সমাধানের চেষ্টা করা বা মানুষের কাছে উন্নীত করা অর্থহীন।

ট্রায়েজ প্রক্রিয়ার জন্য একটি উপযুক্ত প্যাটার্ন হলো কোয়ারেন্টিন। অর্থাৎ, অবিশ্বস্ত পাবলিক কনটেন্ট পড়ার অনুমতি প্রাপ্ত এজেন্টগুলিকে হাই-পাওয়ার অপারেশন সম্পাদনের অনুমতি দেওয়া উচিত নয়; হাই-পাওয়ার অপারেশনগুলি কেবলমাত্র কর্মের জন্য বিশেষভাবে নিযুক্ত এজেন্টদ্বারা সম্পাদিত হওয়া উচিত।

আপনি ট্রায়েজ ওয়ার্কফ্লোগুলির সাথে /loop ব্যবহার করতে পারেন যাতে Claude এই ধরনের কাজগুলি অব্যাহত রাখতে পারে।

যখন আপনাকে সমাধানের বিভিন্ন পথ অন্বেষণ করতে হয়, বিশেষ করে ডিজাইন, নামকরণ এই ধরনের সৌন্দর্য্য বিচার প্রয়োজন হওয়া কাজগুলি, এবং এগুলি একটি মূল্যায়ন মানদণ্ডের উপর ভিত্তি করে উপকৃত হয়, তখন workflows উপকারী।

আপনি ক্লডকে অসংখ্য পরিকল্পনা অন্বেষণের জন্য দিতে পারেন এবং একটি পর্যালোচনা এজেন্টকে "ভালো পরিকল্পনা কী হওয়া উচিত" তার মূল্যায়ন মানদণ্ড দিতে পারেন। যখন পর্যালোচনা এজেন্ট মনে করবে যে ফলাফলটি মানদণ্ড পূরণ করেছে, তখন কাজটি সম্পন্ন হবে। বিভিন্ন পরিকল্পনাগুলিকেও এই মূল্যায়ন মানদণ্ডের ভিত্তিতে টুর্নামেন্ট পদ্ধতির মাধ্যমে র‍্যাঙ্কিং বা ছাঁটাই করা যেতে পারে।

আপনি একটি ওয়ার্কট্রির মধ্যে একটি স্বাধীন এজেন্ট চালু করে, তারপর একটি তুলনামূলক এজেন্ট চালু করে, মূল্যায়ন মানদণ্ড অনুযায়ী আউটপুট তুলনা করে এবং স্কোর দিয়ে, নির্দিষ্ট কাজের জন্য হালকা evals চালাতে পারেন। উদাহরণস্বরূপ, আপনি নিজে তৈরি করা কোনও স্কিলের মূল্যায়ন করতে পারেন এবং দেখতে পারেন এটি কি কিছু নির্দিষ্ট মানদণ্ডকে পূরণ করে।

মডেল এবং স্মার্ট রাউটিং: আপনি আপনার কাজের জন্য অপ্টিমাইজড একটি ক্লাসিফিকেশন এজেন্ট তৈরি করতে পারেন, যা কোন মডেল ব্যবহার করবে তা নির্ধারণ করবে। যখন কাজটি অনেকগুলি টুল কল সহকারে সম্পন্ন হয় এবং সম্পাদনের আগে গবেষণা করলে সবচেয়ে উপযুক্ত মডেলটি চিহ্নিত করা যায়, তখন এই পদ্ধতিটি খুব কার্যকর।

উদাহরণস্বরূপ, "auth মডিউল কিভাবে কাজ করে তা ব্যাখ্যা করুন" এই কাজের জন্য সবচেয়ে উপযুক্ত মডেল নির্ভর করে auth মডিউলে কতগুলি ফাইল আছে এবং কোডবেসের কাঠামো কেমন। ক্লাসিফায়ার এজেন্ট প্রথমে এই গবেষণা সম্পন্ন করতে পারে, তারপর প্রত্যাশিত জটিলতার ভিত্তিতে কাজটিকে Sonnet বা Opus-এর দিকে রাউট করতে পারে।

কাজের প্রবাহগুলি এখনও একটি নতুন জিনিস। যদিও অনেক ব্যবহারের ক্ষেত্রে এটি সাধারণ পদ্ধতির চেয়ে অনেক বেশি ফলাফল দিতে পারে, কিন্তু প্রতিটি কাজের জন্য এটি প্রয়োজন হয় না, এবং এটি token খরচকে উল্লেখযোগ্যভাবে বাড়িয়ে দিতে পারে।

ক্লাউড কোডের ক্ষমতার সীমানা নতুন উপায়ে প্রসারিত করার জন্য ওয়ার্কফ্লোগুলি ব্যবহার করুন। সাধারণ প্রোগ্রামিং কাজের জন্য, আপনি নিজেকে জিজ্ঞাসা করুন: এই কাজটি কি আসলে আরও বেশি কম্পিউটেশনাল সম্পদের প্রয়োজন? উদাহরণস্বরূপ, অধিকাংশ প্রাচীন প্রোগ্রামিং কাজের জন্য ৫ জন পর্যালোচকের একটি দলের প্রয়োজন হয় না।

ডাইনামিক ওয়ার্কফ্লো তৈরির কৌশল

ডায়নামিক ওয়ার্কফ্লোর জন্য প্রম্পট লিখার সময়, যত বেশি বিস্তারিত বিবরণ থাকবে, তত ভালো ফলাফল পাওয়া যায়, বিশেষ করে উপরে উল্লিখিত নির্দিষ্ট কৌশলগুলি ব্যবহার করলে।

কাজের প্রবাহ শুধুমাত্র বড় কাজের জন্য নয়। আপনি মডেলকে একটি 'দ্রুত কাজের প্রবাহ' ব্যবহার করতে অনুরোধ করতে পারেন। উদাহরণস্বরূপ, আপনি একটি দ্রুত প্রতিদ্বন্দ্বী পরীক্ষা প্রবাহ তৈরি করতে পারেন যা কোনও অনুমান পরীক্ষা করতে ব্যবহার করা যায়।

যখন আপনি ট্রায়েজ, গবেষণা বা যাচাইকরণ এর মতো পুনরাবৃত্তি করা যায় এমন ওয়ার্কফ্লো ব্যবহার করেন, তখন তাদের /loop-এর সাথে ব্যবহার করুন যাতে তারা নির্দিষ্ট ব্যবধানে চলে; একইসাথে /goal ব্যবহার করে কঠোর সম্পন্নের শর্ত নির্ধারণ করুন।

আপনি টাস্ক দ্বারা ব্যবহৃত টোকেনের সংখ্যা সীমাবদ্ধ করার জন্য ডায়নামিক ওয়ার্কফ্লোর জন্য পরিষ্কার টোকেন বাজেট সেট করতে পারেন। আপনি প্রম্পটে “use 10k tokens” এর মতো বাজেট অনুরোধ লিখতে পারেন, যা 10k টোকেনের সীমা নির্ধারণ করবে।

আপনি ওয়ার্কফ্লো মেনুতে 's' চাপুন যাতে ওয়ার্কফ্লোগুলি সংরক্ষণ করতে পারেন। আপনি এগুলিকে ~/.claude/workflows-এ জমা দিতে পারেন বা স্কিলের মাধ্যমে বিতরণ করতে পারেন।

যদি আপনি স্কিলের মাধ্যমে এগুলি শেয়ার করতে চান, তাহলে JavaScript ওয়ার্কফ্লো ফাইলগুলি স্কিল ফোল্ডারে রাখুন এবং SKILL.md-এ উল্লেখ করুন। বড় নমনীয়তা পেতে, আপনি Claude-কে প্রম্পট দিতে পারেন: স্কিলের ওয়ার্কফ্লোগুলিকে অবশ্যই অক্ষরে অক্ষরে চালানোর জন্য স্ক্রিপ্ট হিসাবে নয়, বরং টেমপ্লেট হিসাবে বিবেচনা করুন।

একটি সম্পূর্ণ নতুন বিশ্ব

workflows হল Claude Code এর একটি সহায়ক নতুন প্রসারণ। আমি আপনাকে এটিকে একটি শুরু হিসেবে বিবেচনা করতে উৎসাহিত করছি। এটি কীভাবে সর্বোত্তমভাবে ব্যবহার করবেন, তা নিয়ে আমাদের আরও অনেক কিছু অন্বেষণ করার প্রয়োজন। আপনার আবিষ্কারগুলি আমাদের জানান।

থারিক শিহিপার এবং সিদ বিদাসারিয়া (@sidbid) হলেন Anthropic টেকনিক্যাল টিমের সদস্য, যারা Claude Code-এর সাথে সম্পৃক্ত।

[原文链接]

লুড়ং ব্লকবিটসে চাকরির জন্য ক্লিক করুন

লিউডোং ব্লকবিটসের অফিসিয়াল সম্প্রদায়ে স্বাগতম:

টেলিগ্রাম সাবস্ক্রিপশন গ্রুপ：https://t.me/theblockbeats

টেলিগ্রাম কমিউনিটি: https://t.me/BlockBeats_App

টুইটার অফিসিয়াল অ্যাকাউন্ট：https://twitter.com/BlockBeatsAsia