এআই এজেন্টগুলি কাজ নিয়ে নেওয়ার সময় কীভাবে গুরুত্বপূর্ণ চিন্তাশক্তি বজায় রাখবেন

লেখক: অ্যাডি ওসম্যানি (Anthropic Claude Code টিম, প্রখ্যাত প্রযুক্তিগত আর্কিটেক্ট)

স্যাংচাও টেকফ্লো

শিনচাওয়ের পরিচয়: এজেন্টিক ওয়ার্কফ্লো ব্যাপকভাবে চালু হওয়ার সাথে সাথে সফটওয়্যার ইঞ্জিনিয়ার এবং পণ্য দলগুলি মানুষ এবং মেশিনের সহযোগিতার প্যারাডাইমে গভীর পরিবর্তনের মুখোমুখি হচ্ছে। অতীতে প্রশ্ন এবং উত্তরের মধ্যে চিন্তার জন্য যে জ্ঞানগত বিলম্ব ছিল, এখন এটি কয়েক সেকেন্ডের মধ্যে সংকুচিত হয়েছে; বড় মডেলগুলি যতটা বাস্তবসম্মত এবং উচ্চ সঠিকতা অর্জন করছে, প্রকাশ্য ভুলগুলি ততটাই কমছে, কিন্তু মানুষগুলি আনন্দদায়ক অনুগততার মধ্যে “জ্ঞানগত আত্মসমর্পণ”-এর দিকে ধীরে ধীরে সরে যাচ্ছে, যা পদ্ধতিগতভাবে বোঝার ক্ষমতা এবং মৌলিক দক্ষতা অনিচ্ছাকৃতভাবেই দ্রুতভাবে ক্ষয়প্রাপ্ত হচ্ছে।

গুগল ক্রোমের পূর্ব ইঞ্জিনিয়ারিং প্রধান এবং বর্তমানে Anthropic Claude Code টিমের একজন মূল সদস্য হিসেবে অ্যাডি ওসম্যানি এই নিবন্ধে “কার্যভার হ্রাস”, “বিচার স্থগিতকরণ” থেকে “জ্ঞানগত আত্মসমর্পণ” পর্যন্ত ধারাবাহিক সরণের বিষয়টি ব্যাপকভাবে বিশ্লেষণ করেছেন। তিনি শুধুমাত্র সিস্টেমগত বুঝতে অক্ষমতার অদৃশ্য স tíchকরণ প্রক্রিয়াকে গভীরভাবে বিশ্লেষণ করেননি, বরং দৈনন্দিন কাজের প্রবাহের জন্য একটি বাস্তবসম্মত এবং প্রতিরোধমূলক সক্রিয় পাঠ ও প্রতিদানমূলক প্রশ্নের কৌশলও প্রস্তাব করেছেন, যা ব্যাখ্যা করে যে, AI-এর ভবিষ্যতে উচ্চতর বিজয়ের সম্ভাবনা থাকলেও, মানুষের দায়িত্বের সীমানা এবং সমালোচনামূলক চিন্তার ক্ষমতা বজায় রাখা অপরিহার্য।

কখনও কখনও, বিদ্যালয়ে শেখানো হত যে নতুন তথ্যের সাথে সামান্য আস্থা এবং পরিমিত সন্দেহের সাথে মুখোমুখি হওয়া উচিত: সকলের মতামত শোনা, এবং চূড়ান্তভাবে নিজস্ব স্বাধীন মতামত গঠন করা। এই নীতিটি আজও প্রযোজ্য, কিন্তু এখন, আমার দৈনিক প্রায় সমস্ত কাজ এজেন্টগুলির উপর ছেড়ে দেওয়া হয়েছে, যার ফলে বাস্তবে প্রায় কিছুই আর আমাকে বাধ্য করছে না যে আমি বিশ্লেষণাত্মকভাবে চিন্তা করি।

যারা ইতিমধ্যেই এজেন্ট ওয়ার্কফ্লোকে সম্পূর্ণভাবে গ্রহণ করেছেন, দিনের বেশিরভাগ সময় একাধিক সেশন সমান্তরালে চালান এবং মডেলের কর্মক্ষমতা ধারাবাহিকভাবে উন্নতি হওয়ার জন্য অপেক্ষা করছেন, আমি প্রথমে বলতে চাই: আমিও এই টুলগুলির একজন অনুরাগী। আমি এই নিবন্ধটি লিখছি এজেন্ট ওয়ার্কফ্লোর ব্যবহার কমানোর জন্য নয়।

আমার মূল লক্ষ্য হলো: যে বিশ্বে যেকোনো কিছুই সহজেই এজেন্টদের কাছে বাইরের দিকে দেওয়া যায়, সেখানে আপনাকে আপনার নিজস্ব সমালোচনামূলক চিন্তার সাথে আটকে রাখা।

অতীতে, মানুষের বেশিরভাগ চিন্তার প্রক্রিয়া এবং সৌন্দর্য্য বিচার প্রশ্ন ও উত্তরের মধ্যবর্তী ফাঁকে গড়ে উঠেছিল। কিন্তু আজ, এই ফাঁকের মাপ কয়েক সেকেন্ডে সংকুচিত হয়ে গেছে। আপনি যত বেশি স্মার্ট এজেন্ট ওয়ার্কফ্লো ব্যবহার করেন, জাগরূক থাকা তত কঠিন হয়ে পড়ে (যদিও এই কঠিনতা সাধারণের প্রত্যাশার সঙ্গে ভিন্ন হতে পারে): মডেলগুলির ধারাবাহিক উন্নতির ফলে, স্পষ্টভাবে অবিশ্বাস্য ভুলগুলির অনুপাত অনেকটা কমে গেছে। বেশিরভাগ উত্পাদিত ফলাফলই অত্যন্ত সম্মানজনকভাবে এবং প্রায়শই সঠিকভাবে লেখা হয়, কিন্তু ঠিকই এই, যা অপরিহার্যভাবে নিখুঁত মনে হয়, তা আপনাকে দ্বিতীয়বার দেখার জন্য উদ্বুদ্ধই করে না।

যদিও আপনি একসাথে দশটিরও বেশি এজেন্ট চালান, চূড়ান্ত আউটপুট পর্যালোচনা করবেন শুধু আপনার নিজের চোখই।

আপনাকে দৈনন্দিন প্রক্রিয়াগুলিতে সচেতনভাবে সমালোচনামূলক চিন্তাকে একীভূত করতে হবে, কারণ ডিফল্ট অবস্থায় কোনও বাহ্যিক শক্তি আপনার জন্য দায়িত্ব বহন করবে না।

একটি কারণ হল এজেন্ট ওয়ার্কফ্লোর অভিজ্ঞতা খুবই আনন্দদায়ক। ব্যস্ত কাজের দিনে একটি যুক্তিসঙ্গত, সুবিধাজনক এবং প্রায় সঠিক উত্তর এত দ্রুত পাওয়া যায় যে এটি মনকে প্রশমিত করে; কিন্তু এটিই হল মানুষের সম্পূর্ণভাবে সতর্কতা হারিয়ে ফেলার জন্য উপযুক্ত পরিবেশ।

এই ঘটনাটি নিয়ে সহকর্মীদের সাথে আলোচনা করার সময়, আমি সাধারণত এটিকে একটি নিরবচ্ছিন্ন স্পেকট্রাম হিসাবে চিত্রিত করি:

স্পেকট্রামের সর্বোচ্চ স্তরে রয়েছে "সিগনিটিভ অফলোডিং", যা হল বিশদ ও জটিল কাজগুলি AI-এর উপর স্থানান্তর করা, কিন্তু মানুষ সর্বদা চূড়ান্ত ফলাফলের জন্য পূর্ণাঙ্গ মালিকানা এবং দায়বদ্ধতা বজায় রাখে। আমি নিজে পুরোদমে এটি করি, আপনিও এটি করা উচিত।

স্পেকট্রামের মধ্যভাগে রয়েছে “বিলম্বিত বিচার” (Deferral), যেখানে টুলটি আউটপুট করা কনটেন্ট সরাসরি আপনার পরবর্তী ইনপুট হয়ে যায়, এবং উত্পাদিত কনটেন্টকে একটি যাচাইযোগ্য হাইপোথিসিস হিসেবে বিবেচনা করা হয় না।

সবচেয়ে নিচু প্রান্তে পৌঁছায় “জ্ঞানগত সমর্পণ” (Cognitive Surrender): AI-এর আউটপুট অজান্তেই আপনার নিজস্ব দাবি হয়ে যায়, এবং আপনি স্বাভাবিকভাবেই মনে করেন যে এটি যাচাই করার কোনো প্রয়োজন নেই।

"জ্ঞানগত সমর্পণ" শব্দটি উইটন স্কুলের স্টিভেন শaw এবং গিডিয়ন নেভ দ্বারা প্রস্তাব করা হয়েছে। এটি আমার সম্প্রতি দেখা ও শোনা বিষয়গুলিকে অত্যন্ত সঠিকভাবে প্রমাণ করে: সরঞ্জামগুলিতে বিশ্বাসের বৃদ্ধি (বা অলসতার উৎপত্তি) এর সাথে সাথে, মানুষ অজান্তেই এই স্পেকট্রামের উপর দিয়ে নিচের দিকে সরে যায়।

এই স্লিপেজ প্রায়শই অত্যন্ত অদৃশ্য এবং অনুভব করা কঠিন, কারণ এর প্রতিটি ধাপ ধীরে ধীরে ঘটে এবং বর্তমানে যুক্তিসঙ্গত মনে হয়: আপনি আগের উত্তরটি ভালোভাবে পড়েছিলেন, তাই পরবর্তীবার আপনি শুধুমাত্র সংক্ষেপে পড়েন; তারপরেরবার, আপনি কেবলমাত্র কাঠামোটি দ্রুত দেখেন; এবং একদিন, যখন কেউ কোডের একটি লাইনের দিকে ইশারা করে আপনাকে প্রশ্ন করে, আপনি অবাক হয়ে দেখেন যে আপনি এমনকি এজেন্টের সহায়তা নিয়েও তার নিহিত যুক্তি ব্যাখ্যা করতে পারছেন না।

এটিই একটি প্রতিনিধিত্বমূলক জ্ঞানগত সমর্পণ। এটিই হল জ্ঞানগত ঋণ (Cognitive Debt) ধীরে ধীরে জমা হওয়ার উৎস। এই ঋণটি সাধারণত আপনি সিস্টেমের গ্লোবাল মেন্টাল মডেলটি কল করার চেষ্টা করেন, কিন্তু আপনার মস্তিষ্কে কিছুই নেই বলে বুঝতে পারেন।

শিক্ষাবিদ মার্গারেট-অ্যান স্টোরি একটি লেখায় উল্লেখ করেছেন যে, এটি দলগত সহযোগিতায় শেয়ারড সিস্টেম থিওরির বোঝাপড়ার ধীরে ধীরে ক্ষয়ক্ষতি হিসেবে প্রকাশ পায়। আমিও কোড লেভেলের প্রতিপাদ্য ঘটনা, অর্থাৎ “কম্প্রিহেনশন ডেবট” (যা জেরেমি টুই দ্বারা প্রস্তাবিত) সম্পর্কে লিখেছি। দৈনন্দিন কোডিংয়ের সময়, এই ডেবটটি সম্পূর্ণভাবে অদৃশ্য: কোডবেসটি পরিষ্কার ও সুন্দর দেখায়, এবং সমস্ত অটোমেটেড টেস্টই সবুজ হয়ে পাস করে। কিন্তু যখন সিস্টেমটির আর্কিটেকচার-লেভেলের রিফ্যাক্টরিংয়ের প্রয়োজন হয়, তখন সবাই একেঅপরের দিকে তাকিয়ে অসহায়ভাবে দাঁড়ায়: দলের মধ্যে কেউই এই সিস্টেমটি প্রকৃতপক্ষে বুঝতে পারছেননি। একইভাবে, আপনি যখন কোনও কৌশলগতপরিকল্পনা বা টেকনিক্যাল স্পেসিফিকেশনের তালিকা-পৃষ্ঠা শুধুমাত্র একবার দেখেন, তখনই এই সমস্যা ঘটে।

এটি স্পষ্ট করে বলা দরকার যে, আমি একটি অবাস্তব পারফেকশনিজমের পক্ষে কিছু বলছি না। ইঞ্জিনিয়ারদের মস্তিষ্কে একসাথে বিশাল আধুনিক কোডবেসের সম্পূর্ণ মানসিক মডেল বজায় রাখা অসম্ভব। Claude Code টিম আগেও প্রকাশ্যে ঘোষণা করেছিল যে, তারা এখন “প্রয়োজনের ভিত্তিতে বুঝতে পুনর্গঠন” করার কৌশল অনুসরণ করছে: যখন কোনো মডিউল পরিবর্তনের প্রয়োজন হয়, তখন Claude-কে সেই অংশের যুক্তি সম্পর্কে সরাসরি ব্যাখ্যা করতে বলা হয়, যাতে মস্তিষ্কে সমগ্র চিত্রটি বজায় রাখার চেষ্টা না করতে হয়।

আমি আগেও যা বলেছিলাম, এই আংশিক বোঝাপড়ার ঋণ অধিকাংশ ইঞ্জিনিয়ারদের কল্পনার চেয়ে সহজেই পূরণ করা যায়। যদি আপনি প্রয়োজনে সময়মতো আংশিকভাবে বোঝাপড়া পুনর্গঠন করতে পারেন, তাহলে আপনাকে সবসময় সম্পূর্ণ প্যানোরামা বজায় রাখার দরকার নেই। কিন্তু মূল বিষয়টি হল: আপনাকে সচেতনভাবে জানতে হবে আপনি ঠিক কোন জায়গাগুলিতে অন্ধকার অঞ্চল রাখছেন।

খুব কম পরীক্ষা-ভুলের খরচ সহকারে ছোট ছোট বিষয়গুলিতে, আপনি সহজেই সিদ্ধান্ত গ্রহণের সম্পূর্ণ অধিকার ছেড়ে দিতে পারেন। কিন্তু যখন আপনি একটি গুরুত্বপূর্ণ সমস্যার সম্মুখীন হন, বা এমনকি এজেন্টের সাহায্যেও এর মূল উত্তরটি ব্যাখ্যা করতে পারেন না, তখন আপনি বাস্তবিকভাবে সিস্টেমের সম্পূর্ণ মালিকানা হারিয়ে ফেলেছেন।

অবশ্যই, এর অর্থ এই নয় যে সব পরিস্থিতিতেই আপনাকে ভয় পেতে হবে। খুব সাম্প্রতিক সময়ে, আমাকে একটি কোর্স রেকর্ড করতে হয়েছিল এবং তিনটি প্রায় সমান রেটিংয়ের হোটেলের মধ্যে একটি বাছাই করতে হয়েছিল। আমি তখন অসংখ্য গ্রাহক রিভিউ পড়ার জন্য সময় পাচ্ছিলাম না, তাই আমি এই সিদ্ধান্তটি সম্পূর্ণভাবে একটি AI-এর হাতে ছেড়ে দিয়েছিলাম। ফলাফলটি খুবই সন্তোষজনক ছিল, পরবর্তীবার এইরকম পরিস্থিতির সম্মুখীন হলেও আমি একইভাবেই কাজ করব।

কিন্তু মূল সম্পদের বিনিয়োগ, সন্তানের ক্যারিয়ার পরিকল্পনা, বা কাজে কোন ফিচার ডেভেলপ করা উচিত, কোন পরিবর্তন কোন বাস্তব ব্যবহারকারীকে প্রভাবিত করবে, কোডটি নিরাপদে লাইভ করার মানদণ্ড পূরণ করে কিনা—এইসব বিষয়ে আমি কখনই সিদ্ধান্তগ্রহণের অধিকার অন্যকে ছেড়ে দেব না। ভুলের খরচ কম থাকা প্রান্তিক অঞ্চলে, আপনি স্বাচ্ছন্দ্যে হস্তান্তর করতে পারেন; কিন্তু যেখানে অন্যদের ফলাফলের জন্য দায়ভার বহন করতে হবে, সেখানে আপনাকে মানবিক যুক্তির উপর কঠোরভাবে জড়িয়ে থাকতে হবে।

যখন আমি অতীতে আমার চিন্তাভাবনার অস্পষ্টতায় আটকে যেতাম, তখন আমি সাধারণত একটি অত্যন্ত সরল মৌলিক প্রশ্নের তালিকার দিকে ফিরে যেতাম: আমি কীভাবে জানব যে আমি সঠিক সমস্যা সমাধান করছি? আমি কীভাবে জানব যে আমি সঠিক সমাধানের পথ অনুসরণ করছি? আমার উপসংহারকে সমর্থন করার জন্য কি কোনো নিশ্চিত, বস্তুগত প্রমাণ আছে? আমি কীভাবে নিশ্চিত হব যে এই কাজটি সম্পূর্ণরূপে শেষ হয়েছে? বেশিরভাগ সময়, এটি শুধুমাত্র সংবাদমাধ্যমের প্রসিদ্ধ ‘পাঁচটি W’ (কে, কী, কোথায়, কেন, কখন এবং কীভাবে)। কাগজে লিখলে, এগুলো শিশুদের খেলা-সদৃশ মনে হতে পারে, কিন্তু এগুলো আপনাকে সাধারণত উপেক্ষিত অন্ধকারাচ্ছন্ন দিকগুলোর দিকে মনোযোগ দিতে বাধ্য করে।

এই যুগে, মানুষ এই সব কষ্টদায়ক চিন্তাভাবনা এড়িয়ে সহজেই এজেন্টকে জিজ্ঞাসা করে “আপনি আমার জন্য কী করা উচিত বলছেন?” তাই, আমি এজেন্ট যুগের জন্য নিজের জন্য একটি নতুন প্রতিফলন তালিকা আপডেট করেছি:

প্রশ্ন করার আগে, আমি কি আমার নিজের প্রাথমিক অনুমান গঠন করেছি? যেকোনো গুরুত্বপূর্ণ কাজ সম্পাদনের আগে, আমি নিজেকে বাধ্য করি যে আমি মনে (বা একটি নোটে) লিখে ফেলি যে উত্তরটি কীভাবে গঠিত হতে পারে। এটি যদি একটি খারাপ বা অস্পষ্ট অনুমানও হয়, তবুও এটি সম্পূর্ণভাবে গ্রহণযোগ্য। নতুন তথ্য দেখার পরে, আপনি সহজেই আপনার মতামত পরিবর্তন বা প্রত্যাখ্যান করতে পারেন। কিন্তু আপনি যদি একটি অত্যন্ত সুন্দরভাবে লেখা, প্রবাহিত জেনারেটেড উত্তরটি পড়েন, তবে অন্যকিছুর কল্পনা করা কঠিন হয়ে যায়। যদি আপনার কাছে কোনও ধারণা না থাকে, তবে Thariq Shihipar-এর “অজ্ঞাত-অজ্ঞাতগুলির জন্য প্রশ্নকরণ” পদ্ধতির চেষ্টা করুন: আপনি যা জানেন, তা সম্পূর্ণভাবে উল্লেখ করুন, এবং মডেলকে বিশেষভাবে আপনার অজ্ঞাত-অজ্ঞাতগুলির সন্ধানে সহায়তা করতে বলুন।

আমি কি এটিকে আমার চিন্তার সহায়ক হিসেবে ব্যবহার করছি, নাকি চিন্তার সম্পূর্ণ প্রক্রিয়াটিকে এটির উপর বাইরে স্থানান্তরিত করছি? এই দুটি মডেলই অনুমোদিত, কিন্তু আপনাকে পুরোপুরি সচেতন থাকতে হবে এবং স্পষ্টভাবে বুঝতে হবে যে আপনি বর্তমানে কোন অবস্থায় আছেন।

এই পরিকল্পনাটি সম্পূর্ণরূপে ব্যর্থ হওয়ার জন্য কী কী পূর্বশর্ত প্রয়োজন? এটি ভালোভাবে চিন্তা করে নিন, তারপর সরাসরি পরীক্ষা করে দেখুন। মডেলের নিজের উত্তরের প্রতি আত্মবিশ্বাসের মূল্যায়নের তুলনায় আপনার নিজের একটি বাস্তব পরীক্ষা চালানোর প্রাসঙ্গিকতা অনেক বেশি, তাই এটির জন্য একটি প্রকৃত পরীক্ষার পথ নির্ধারণ করুন।

• আমি কি বিপরীত দৃষ্টিকোণ থেকে বিপরীত যুক্তি শুনেছি? যখন আমি কোনো খোলা প্রশ্নে দৃঢ় মতামত গড়ে তুলি, তখন আমি মডেলকে একজন সংশয়বাদী বিরোধীর ভূমিকায় রাখি এবং সেই মতামতের বিরুদ্ধে সবচেয়ে শক্তিশালী প্রতিবাদের তালিকা তৈরি করতে বলি। এটি অবশ্যই আমার সিদ্ধান্তকে বাতিল করার জন্য নয়, বরং সেই অনুকূল পরিস্থিতিতে অবচেতনভাবে বাদ দিয়ে দেওয়া হওয়া অসুবিধাজনক অন্ধকারাচ্ছন্ন দিকগুলিকে সামনের দিকে নিয়ে আসার জন্য।

• যদি আমাকে নিজের হাতে এই ফলাফলের পক্ষে যুক্তি দিতে হয়, তাহলে আমি কী বলব? দয়া করে স্মার্ট এজেন্ট উইন্ডোটি বন্ধ করে দিন, এবং নিজের ভাষায় সহকর্মীদের কাছে এই পরিকল্পনাটি ব্যাখ্যা করার চেষ্টা করুন। যদি আপনি বুঝতে পারেন যে আপনি কথা বলতে কষ্ট পাচ্ছেন, তাহলে এটি বোঝায় যে আপনি এটি পুরোপুরি বুঝতে পারছেন না—এই ক্ষেত্রে আপনি শুধুমাত্র AI-এর মুখবাণী হয়ে কাজ করছেন।

প্যাসিভ রিডিং মোডে, আপনার মস্তিষ্ক শুধু পূর্বনির্ধারিত টেক্সটের উপর দিয়ে যাচ্ছে, তথ্যের প্রবাহকে প্যাসিভলি গ্রহণ করছে। যেহেতু এজেন্ট দ্বারা উত্পাদিত টেক্সট সাধারণত খুবই প্রবাহমান, শৈল্পিকভাবে সুন্দর এবং ব্যাকরণগতভাবে কোনো দোষহীন, এই পরিস্থিতিতে প্যাসিভ রিডিং আপনাকে এমনভাবে বিভ্রান্ত করে দেয় যে আপনি মনে করছেন আপনি সম্পূর্ণরূপে মূল বিষয়টি বুঝে গেছেন। এটি ঠিক তেমনই, যেমন আপনি একটি টেকনোলজি কনফারেন্সে টিরেসে একজন শীর্ষস্থানীয় লেকচারারের অসাধারণভাবে প্রবাহিত আর্কিটেকচার ডেমোটি দেখছেন, আপনি নিচের আসনে মাথা নাড়ছেন, এটা স্বাভাবিক মনে হচ্ছে, কিন্তু যখনই আপনি হোটেলে ফিরে একটি খালি এডিটর খুলবেন, আপনি দেখবেন আপনি প্রথম লাইনও কোড করতে পারছেন না।

সক্রিয় পাঠ হল একটি প্রতিদ্বন্দ্বী ধারণা নিয়ে পরীক্ষামূলক পর্যালোচনা। এটি শুধু টেক্সটে কী লেখা আছে তা দেখে না, বরং কঠোরভাবে প্রশ্ন করে: এটি এখানে কেন লেখা হল? এটি কোন মূল চ্যালেঞ্জগুলি এড়িয়েছে? এটি অন্য কোনও সমাধানের পরিবর্তে এই সমাধানটিকেই কেন বেছে নিল?

আমি সাধারণত একটি দীর্ঘ পরিকল্পনা পড়ি যখন এটি এজেন্ট দ্বারা উত্পাদিত হয়, দুটি অত্যন্ত স্পষ্ট সমালোচনামূলক দৃষ্টিভঙ্গি নিয়ে:

প্রথমে সেই “অনুপস্থিত প্রসঙ্গ” খুঁজুন: এটি কী ধরনের অনুমানের উপর ভিত্তি করে কাজ করে? এটি কি কোনো প্রান্তিক ক্ষেত্রকে উপেক্ষা করেছে? যখন দুটি প্রয়োজনীয়তা সংঘাতপূর্ণ হয়, তখন এটি কোন নীতির ভিত্তিতে আমার পক্ষে চুপচাপ বিকল্প নিয়েছে?

পরবর্তী ধাপ হলো সক্রিয়ভাবে “প্রতিদ্বন্দ্বী প্রশ্ন” তোলা: যদি সমান্তরাল অ্যাক্সেস ট্রাফিক হঠাৎ দশগুণ বেড়ে যায়, এই ডিজাইনটি কীভাবে ভেঙে পড়বে? যদি তৃতীয় পক্ষের বাহ্যিক নির্ভরশীল সেবা অর্ধ ঘণ্টা বন্ধ হয়ে যায়, সিস্টেমে কী ধরনের শৃঙ্খলাগত দুর্ঘটনা ঘটবে? শুধুমাত্র প্রস্তুত উত্তরগুলির পাতা পড়ার পরিবর্তে, এটিকে চাপ পরীক্ষা দিতে সক্রিয়ভাবে স্ক্যালপেল ধরুন।

এজেন্ট শুধু দীর্ঘ লেখা লেখার জন্য ব্যবহার করা যায় না, এটিকে আপনার গভীর সমালোচনামূলক পাঠের জন্য একটি শক্তিশালী সহায়ক হিসেবে প্রশিক্ষণ দেওয়া যায়। কীভাবে করবেন তার মূল বিষয় হল, আপনি শুধুমাত্র এটিকে সবার জন্য সন্তোষজনক উপসংহার দিতে বলবেন না, বরং এটিকে পিছনের বিভাজন ও বিদ্রোহগুলি প্রকাশ করতে বলবেন:

আপনি এটিকে দুটি প্রতিদ্বন্দ্বী আর্কিটেকচার ডিজাইনের মধ্যে পারস্পরিক পরীক্ষা করতে দিতে পারেন, যাতে প্রতিটি পক্ষ কী কী সমঝোতা করেছে তা উন্মোচিত হয়; আপনি এটিকে কঠোর কোড রিভিউয়ারের ভূমিকা পালন করতে দিতে পারেন, যেখানে এটি শুধুমাত্র টেস্টগুলি পাস করে এমন, কিন্তু ভবিষ্যতের মেইনটেনেন্সের জন্য বিষয়গুলির অন্তর্নিহিত বিপদগুলি চিহ্নিত করে; আপনি এটিকে দীর্ঘ টেক্সট আউটপুটের পরে, মধ্যবর্তী থেকে তিনটি বিস্তারিত বিষয় দৈবভাবে বাছাই করে, আপনাকে বিপরীতভাবে প্রশ্ন করতেও দিতে পারেন, যাতে আপনি কি সত্যিই প্রসঙ্গটি বুঝতে পেরেছেন তা পরীক্ষা করা যায়।

এজেন্টকে চিন্তার বিকল্প হিসাবে নয়, বরং চিন্তার শীষনের মতো ব্যবহার করুন।

কোড লেখা এবং কোড রিভিউ করা দুটি সম্পূর্ণ ভিন্ন চিন্তার দক্ষতা। বিপুল পরিমাণে উৎপাদিত কোডের প্রবাহের সামনে মানুষের রিভিউ ক্লান্তির কারণে চোখ বন্ধ করে স্ট্যাম্প মারার “রাবার স্ট্যাম্প”-এ পরিণত হয়ে যায়।

অতএব, কোড পরিবর্তন (Diff) পর্যালোচনা করার সময়, অবশ্যই এটি মনে করুন যে এই কোডটি কোনও অসাধারণ এআই দ্বারা লেখা হয়নি, বরং একজন সাম্প্রতিকভাবে যোগদানকারী ইন্টার্ন দ্বারা জমা দেওয়া হয়েছে। আরও গুরুত্বপূর্ণ বিষয় হল, শুধুমাত্র কোডের যোগ বা বিয়োগের লাইনগুলির দিকেই নজর দেওয়া নয়, বরং পৃষ্ঠপোষকতামূলক কোডের পেছনে চলে যান এবং জিজ্ঞাসা করুন যে এজেন্টটি আপনার জন্য কী কী গুরুত্বপূর্ণ সূক্ষ্ম সিদ্ধান্ত গোপনে নিয়েছে: এটি কী ডিফল্ট মানগুলি বেছে নিয়েছে? এটি কীসবকে এই পরিসরের বাইরে গোপনে বাদ দিয়েছে? যখন দুটি পণ্যের প্রয়োজনীয়তা সংঘাতপূর্ণ হয়, তখন এটি কোনটির পুনর্ব্যাখ্যা গোপনে করেছে?

যদি একটি রিপোর্ট শুধু হালকা ভাবে বলে যে “সবকিছু ঠিকঠাক, সব টেস্ট পাস হয়েছে”, তাহলে আপনি কখনই কোনো কী ডিসিশনের ভিতরের কথা জানতে পারবেন না। তাই, স্পষ্টভাবে চাইতে হবে যে এটি একটি আলাদা লিস্ট তৈরি করুক: এই টাস্কের মধ্যে এটি কোন কোন সাবজেক্টিভ অনুমান এবং কমপ্রোমাইজ নিয়েছে। তারপর, নিজেকে র্যান্ডমভাবে চেক করুন: যেকোনো দুই-তিনটি কী কোড লাইন বাছুন, এবং নিজেকে জিজ্ঞাসা করুন—আপনি ঠিক এইভাবে কেন লিখলেন? যদি এটি একটি ডিজাইন ডকুমেন্ট হয়, পেজটি বন্ধ করে, মনের মধ্যেই অন্যকে এর মূল যুক্তির কথা বলার চেষ্টা করুন। আমি কিছু টিমের একটি কঠোর নিয়মটির অনুসরণকে খুবই পছন্দ করি: পরিবর্তনের রিপোর্টের শেষে, AI-এর নিজেরই ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ১-২টি ।

আপনার যে পণ্যটি আপনি চালু করেছেন, তার প্রতি আপনার যেন গভীর বোঝাপড়া এবং আত্মবিশ্বাস থাকে, যাতে আপনি যেকোনো সময় এর পক্ষে দাঁড়াতে পারেন। কারণ, ভবিষ্যতের কোনো একদিন অবশ্যই কেউ প্রশ্ন নিয়ে আপনার দরজায় আসবে।

এর সাথে সাথে, বুদ্ধিমান এজেন্টগুলি আমাদের মূল্যবান মনোযোগের প্রতিরক্ষা গড়ে তুলতে সাহায্য করতে পারে। উদাহরণস্বরূপ, আমি একটি বড় ওপেন-সোর্স প্রকল্প পরিচালনা করি যা অসংখ্য Pull Request গ্রহণ করে। আমি আমার জন্য প্রাথমিক ছাঁকনি করতে বুদ্ধিমান এজেন্টগুলি ব্যবহার করি: যেসব সাবমিশন সম্প্রদায়ের অবদানের নিয়ম লঙ্ঘন করে, এবং যেসবের জন্য আমার বিশেষ মনোযোগের প্রয়োজন। আমি কখনই বুদ্ধিমান এজেন্টগুলিকে একসাথে মার্জ করা হবে কিনা তা সরাসরি সিদ্ধান্ত নিতে দেইনা, কিন্তু তারা আমাকে আমার মনোযোগের ফিল্টারটি সঠিকভাবে সংকুচিত করতে সাহায্য করে, যাতে আমি “এই পরিবর্তনগুলি সত্যিই সঠিকভাবে সত্যিকারের সমস্যা সমাধানের দিকেই নির্দেশিত” —এই বিষয়গুলিতেই আমার মানবীয় চিন্তার ব্যান্ডউইথটি কেন্দ্রীভূত করতে পারি।

শেষ পর্যন্ত, উৎপাদনের বিস্ফোরণের কারণে মনস্তাত্ত্বিক আত্মবিশ্বাসের বৃদ্ধির সামনে দাঁড়াতে হবে। আমি এটিকে “অর্কেস্ট্রেশন ট্যাক্স” বলি, যা মূলত বুদ্ধিমান এজেন্টগুলির দ্বারা উৎপাদিত শিল্পপণ্যের পরিমাণ এবং আপনি আসলে আপনার নিজের নামটি যা সত্যিকারের আত্মসমর্পণের সাথে সংযুক্ত করতে প্রস্তুত হন, তার মধ্যে বিশাল ব্যবধান। যদি উৎপাদনের পরিমাণ আপনার সূক্ষ্মভাবে পরীক্ষা-নিরীক্ষা করার শারীরিক সীমা অনেক বেশি দ্রুততায় জমা হয়ে যায়, তবে একটি নতুন সমান্তরাল সেশন খোলা কোনও কিছুই সহায়তা করবে না: আপনাকে অবশ্যই স্বয়ংক্রিয়ভাবে যাচাইয়ের প্রক্রিয়াটি কঠোরভাবে সীমিত করতে হবে, অথবা দৃঢ়ভাবে গতি কমিয়ে দিতে হবে।

যখন আপনার উত্পাদিত জিনিস আপনার দায়িত্ব এবং দায়বদ্ধতার পরিসরের বাইরে চলে যায়, তখন আপনি শুধুমাত্র ভাগ্যের উপর নির্ভর করে ঘটনা ঘটবে না বলে প্রার্থনা করছেন, পেশাদার পর্যালোচনা করছেন না।

মানুষ এবং মেশিনের সহযোগিতার ব্যবস্থায়, মানুষের মানসিক মডেল অদৃশ্য হয়ে যায়নি, শুধু এর কেন্দ্র সরে গেছে: এটি আগের দীর্ঘ মধ্যবর্তী কোডিং ধাপ থেকে সম্পূর্ণভাবে সবচেয়ে প্রাথমিক কাজ প্রবেশ এবং চূড়ান্ত আউটপুট যাচাইয়ের দিকে স্থানান্তরিত হয়েছে। আপনি আপনার সমস্ত চিন্তার শক্তি প্রাথমিক কাজের বিভাজন, প্রসঙ্গ প্রদান এবং পরবর্তী কঠোর অডিট সম্পূর্ণকরণে নিবেদিত করেন। এটিই কারণ যে, চূড়ান্ত ফলাফলের জন্য প্রম্পট (Prompting)-এর গুণগতমানের সিদ্ধান্তমূলক প্রভাব রয়েছে, আমি সর্বদা উৎকৃষ্ট প্রম্পট ইঞ্জিনিয়ারিংকে একটি উচ্চতর সমালোচনামূলক চিন্তার মূলভিত্তি হিসাবে বিবেচনা করি।

অতীতে, যদি আপনি একজন মানুষের সহকর্মীকে একটি অস্পষ্ট অস্পষ্ট চাহিদা ফেলে দিতেন, তাহলে তিনি অবশ্যই আপনাকে তাৎক্ষণিকভাবে ফিরিয়ে দিতেন, এবং আপনি প্রশ্ন করার মধ্যে বুঝতে পারতেন: “আসলে আমি এই বিষয়টি কখনই পরিষ্কারভাবে চিন্তা করিনি।” তবে, স্মার্ট এজেন্টগুলি সাধারণত এই পর্যায়ে আপনাকে থামায় না। এগুলি নিঃশব্দে আপনার উপেক্ষিত সমস্ত বিস্তারিতগুলি পূরণ করে, এবং পৃষ্ঠের দিক থেকে অত্যন্ত সুসংগঠিত এবং সম্পূর্ণ একটি আউটপুট প্রদান করে, যদিও পিছনের মূল উদ্দেশ্যটি এখনও একটি অস্পষ্টতা। আমি এই ঘটনাকে “উদ্দেশ্যের ঋণ” (Intent Debt) বলি: সেই অদৃশ্য লক্ষ্যগুলি এবং সীমাবদ্ধতাগুলি, যেগুলি আউটপুটের মধ্যে চুপচাপভাবে অন্তর্ভুক্ত, কিন্তু আপনি নিজেও কখনও পরীক্ষা করেননি। অন্যান্য ঋণের মতো, কেউই আপনার “উদ্দেশ্যের ঋণ” পরিশোধ করতে পারবেন না; মূল উদ্দেশ্য 100% আপনারই থেকেই আসতে হবে।

আপনি যে প্রম্পট লিখেছেন, তা হল আপনার প্রশ্নটি বুঝতে আপনার গভীরতার একটি আয়না; যদি আপনি এটিকে স্পষ্ট এবং সঠিক ভাষায় প্রকাশ করতে না পারেন, তবে এটি প্রায়শই বোঝায় যে এটি আপনার মস্তিষ্কের মধ্যেই একটি বিশৃঙ্খলা।

বাইরের ক্যালকুলেশন সহায়তা চাওয়ার আগে, নিজের সহজ ভাষায় একটি কাজের প্রয়োজনীয়তা সারাংশ তৈরি করুন। লক্ষ্য দর্শকদলকে স্পষ্টভাবে উল্লেখ করুন, পুরোপুরি নিষিদ্ধ সীমানা নির্ধারণ করুন, এবং সম্পূর্ণরূপে সম্পন্ন হওয়ার জন্য একটি বস্তুগত গ্রহণযোগ্যতা মানদণ্ড (Definition of Done) প্রদান করুন। যখন দ্বিতীয় পর্যায়ের সংশোধনও প্রত্যাশিত ফলাফল অর্জন করতে পারবে না, তখন অন্ধভাবে সূক্ষ্ম সংশোধন বন্ধ করে দিন এবং আপনার ইনপুট প্রম্পটকে সম্পূর্ণভাবে পুনরায় লিখুন।

আপনি নিজের ইনপুটের মানকে উন্নত করতে এজেন্টের সাহায্যও নিতে পারেন। দার্শনিক অ্যান্ডি ক্লার্ক একবার “কাজটি একমুখীভাবে AI-এর হাতে সৌঁপা” এবং “AI-এর সাথে গভীর দ্বিমুখী সহযোগিতা”-এর মধ্যে গভীর পার্থক্য করেছিলেন। প্রকৃত সহযোগিতার মডেলে, আপনি একটি পরস্পর শক্তিশালীকরণের ইতিবাচক ফ্লাইওয়heলে প্রবেশ করবেন: আপনার সঠিক প্রম্পটগুলি অসাধারণ আউটপুট তৈরি করে, আউটপুটগুলি আবার আরও গভীর প্রম্পটের দিকে পরিচালিত করে, এবং শেষপর্যন্ত আপনার সিস্টেমটির প্রতি আপনার মানসিক মডেলকে গভীরভাবে উন্নত করে। যদি আপনি নিশ্চিত না হন যে আপনার যুক্তি সম্পূর্ণভাবে সম্পন্ন, তবে AI-এর সাহায্যে নিজেকেই ইন্টারভিউয়ের মাধ্যমে, যা এটি বুঝতে অক্ষম, সেই অঞ্চলগুলির জন্য, “অতিরিক্ত”প্রশ্নগুলির মধ্যে দিয়ে, “বিপরীত”ভাবেই AI-এর “সহযোগিতা”করুন।যদিএকটিসংলাপশেষে,আপনারমস্তিষ্কেরযুক্তিগতবন্ধনগুলিসমৃদ্ধহয়,তবেইএটিকেসফলবানসফলতা(সফলতা)হিসাবেগণ্যকরাযায়।

এছাড়াও, কনটেক্সট পলিউশনের প্রতি কঠোরভাবে সতর্ক থাকা প্রয়োজন। যখন একাধিক আইএজি সহযোগিতা করে, তখন পরবর্তী আইএজি শুধুমাত্র আগের আইএজির সংক্ষিপ্তসারের ভিত্তিতে কাজ করার সমস্যা দেখা দেয়, যার ফলে ধাপে ধাপে তথ্য হ্রাস পায়, এবং তৃতীয় আইএজি কখনও মূল কোর ডকুমেন্টটি পড়েনি।

এর সাথে সাথে, আপনাকে নিজের সৌন্দর্য এবং মানের একটি সীমানা তৈরি করতে হবে। আমি বিভিন্ন সৃজনশীল এবং প্রকৌশল ক্ষেত্রে এআই-এর উপর অসংখ্য পরীক্ষা-নিরীক্ষা করেছি, এবং অধিকাংশ আউটপুট কখনও প্রকাশিত হয়নি, কারণ এগুলো আমার ব্যক্তিগত মানদণ্ডের সাথে মেলেনি। বর্তমান যুগে, সমস্ত মডেলের আউটপুটকে অত্যন্ত সুন্দরভাবে ফরম্যাট করা, আত্মবিশ্বাসীভাবে উপস্থাপন করা যায়, তাই “পৃষ্ঠের চকচকেপন” এখন মানের একটি কার্যকরী সংকেত হিসেবে কাজ করে না।

এআই হয়তো কনটেন্ট তৈরির লাইনের গতি অনেক বাড়িয়ে দিয়েছে, কিন্তু যদি কোনো আউটপুট আমাকে আমার নাম দিয়ে প্রকাশ করতে অস্বস্তিজনক বোধ করায়, তবে আমি কখনই এটিকে প্রকাশ করতে দেব না।

যখন কোনো আউটপুট মানদণ্ড পূরণ করে না, তখন ব্যর্থতার সঠিক কারণগুলি শেয়ারড কনফিগারেশন ফাইল, জিট হুক বা অটোমেটেড টেস্ট কেসে স্পষ্টভাবে লিপিবদ্ধ করুন, যাতে একই ভুল আর কখনও পুনরাবৃত্তি না হয়। এটিই স্বাদ এবং মানদণ্ডের পুনরাবৃত্তি প্রক্রিয়ার সঠিক পথ, এবং কী কী মানদণ্ডের সীমানা অতিক্রম করেনি তা সচেতনভাবে রেকর্ড করা নিজেই অত্যন্ত মূল্যবান একটি জ্ঞানচর্চা।

যদি আপনি আমার পাশের অনেক উত্সাহী পেশাজীবীর মতো এআই-এর ভবিষ্যতের প্রতি দৃঢ়ভাবে বিশ্বাস রাখেন, তাহলে আপনি প্রথম � �ে অধ্যায় পড়ার সময়ই এই চিন্তাটি করেছেন হবে: “আরও এক-দুই বছরের মধ্যে, মডেলগুলির ত্রুটি সংশোধন এবং দৃষ্টিভঙ্গির ক্ষমতা অবশ্যই আমাকে সম্পূর্ণভাবে ছাড়িয়ে যাবে, তাহলে আমি এই সমালোচনামূলক পর্যালোচনা দক্ষতা বজায় রাখতে কেন এতটা কষ্ট করব?”

অনেক শুধুমাত্র প্রযুক্তিগত সূচকের পরীক্ষায়, আপনার পূর্বানুমান সম্পূর্ণরূপে সঠিক হতে পারে, আমিও নিজে একটি বড় পরিমাণে স্বয়ংক্রিয় পরীক্ষার দায়িত্ব এজেন্টদের হাতে স্থানান্তরিত করার পক্ষে কাজ করছি। কিন্তু ভবিষ্যতেও এই ক্ষমতা বজায় রাখা এতটাই গুরুত্বপূর্ণ কেন? কারণটি শুধু একটিই: শেষপর্যন্ত, একজন বাস্তবিক মানুষকেই বাস্তবে চালুকৃত ফলাফলের জন্য সম্পূর্ণ দায়িত্ব বহন করতে হবে। যতটা কম্পিউটিং পাওয়ারই ব্যবহার করা হোক, আদালতের সামনে বা পরিণতির জন্য দায়ী হবে, শুধুমাত্র একজন বাস্তবিক মানুষ।

একটি নির্দিষ্ট কাজে এজেন্টকে কতটা বিশ্বাস দেওয়া হবে, তা নির্ধারণ করা নিজেই অত্যন্ত বুদ্ধিমত্তাপূর্ণ একটি গুণগত সিদ্ধান্ত। সর্বদা সঠিকভাবে সমন্বয় করার ক্ষমতা বজায় রাখতে, আপনাকে অবশ্যই নিজে নিজে কাজের পরীক্ষা করতে হবে, কারণ মডেলের ভুলের অদ্ভুত প্যাটার্নগুলি সর্বদা গতিশীলভাবে পরিবর্তন হচ্ছে। Anthropic-এর শীর্ষস্থানীয় ইঞ্জিনিয়ার এবং গবেষকদের উপর পরিচালিত অনুসন্ধানে এই “নিরীক্ষণের প্যারাডক্স”-এর মারাত্মক ফাঁদটি গভীরভাবে উল্লেখ করা হয়েছে: Claude-কে নিরীক্ষা এবং নিয়ন্ত্রণ করতে যেসব উচ্চস্তরের ইঞ্জিনিয়ারিং এবং আর্কিটেকচারাল দক্ষতা প্রয়োজন, সেগুলিই হলো মানুষের অতিরিক্তভাবে AI-এর উপর নির্ভরশীলতা বৃদ্ধির ফলে সবচেয়ে দ্রুত ক্ষয়প্রাপ্ত হওয়ার সম্ভাবনা থাকা মূলগত দক্ষতা।

এই চূড়ান্ত প্রশ্নগুলি হল আমার সবচেয়ে বেশি গুরুত্ব দেওয়া এবং যেকোনো শক্তিশালী মডেলই আপনার জন্য কখনই উত্তর দিতে পারবে না: আপনি এই পণ্যটি কেন তৈরি করছেন? এর সামাজিক এবং ব্যবসায়িক মূল্য কী? এটি কোন কোন নির্দিষ্ট মানুষকে গভীরভাবে প্রভাবিত করবে? এটি বাস্তবায়নের জন্য আপনি কী মূল্য পরিশোধ এবং সমঝোতা করতে প্রস্তুত? এইসবই আপনাকেই নিজের মুখে উত্তর দিতে হবে। এই প্রশ্নগুলির বিশ্লেষণে AI এজেন্টগুলি অসাধারণভাবে পারদর্শিতা দেখাতে পারে, এবং আমি এটির সমর্থনও করি, কিন্তু চূড়ান্ত সিদ্ধান্তের মুদ্রা সবসময়ই আপনারই হাতে।

আপনি নির্দিষ্ট কাজ এবং বড় অডিট প্রক্রিয়াগুলি সম্পূর্ণরূপে অ্যালগরিদমের উপর ছেড়ে দিতে পারেন, কিন্তু চূড়ান্ত জবাবদিহিতা এবং দায়বদ্ধতা আপনি কখনই ছেড়ে দিতে পারবেন না।

আপনাকে সব ধর্মান্ধ নিয়ম কঠোরভাবে পালন করার দরকার নেই, শুধু আপনার কাজের প্রবাহের সাথে খাপ খাইয়ে নিয়ে প্রাকৃতিকভাবে একীভূত করুন:

• সপ্তাহে একবার অফলাইন ইচ্ছাকৃত অনুশীলন: সপ্তাহে একটি নির্দিষ্ট সময় বেছে নিন, সম্পূর্ণভাবে এজেন্টের সহায়তা থেকে দূরে থাকুন, এবং একটি কী কোড অংশ হাতে লিখুন বা একটি কেন্দ্রীয় ব্যবসায়িক কাজ নিজেই সম্পন্ন করুন, যা যদি আপনি এটির দক্ষতা হারান, তবে গুরুতর পরিণতি হবে (আমি এটিকে কগনিটিভ ক্যালিব্রেশন প্র্যাকটিস বলি, এটি কোনও নৈতিক বাধ্যবাধকতা নয়)।

• মাসিক ক্ষমতা পর্যালোচনা: প্রতি মাসে একটি তালিকা তৈরি করুন, যেসব কাজ আপনি গত মাসে AI-এর উপর নির্ভর করে নিজে করা বন্ধ করে দিয়েছেন, তা লিখুন এবং গুরুত্বপূর্ণভাবে পর্যালোচনা করুন: এই ক্ষমতাগুলির মধ্যে কোনগুলি আপনি সত্যিই চিরকালের জন্য ভুলে যাওয়ার জন্য নিশ্চিন্তে গ্রহণ করতে পারবেন? আমি বহু বছর আগে একটি পুরানো ব্লগে যে প্রশ্নটি তুলেছিলাম, আজও তা প্রাসঙ্গিক: যদি একদিন AI হঠাৎ সম্পূর্ণভাবে অদৃশ্য হয়ে যায়, তাহলে আপনি কতটা অক্ষমতা ও বিভ্রান্তিতে পড়বেন?

• যা বুঝতে পারছেন না, তা নিজে গভীরভাবে অনুসন্ধান করুন: যদি কোনো ধারণা আপনার বর্তমান বোধগম্যতার বাইরে থাকে, তাহলে সেটি প্রণালীবদ্ধভাবে শিখতে হবে। যদি আমি একটি নিবন্ধ লিখতে থাকি এবং একটি অপরিচিত শব্দের সম্মুখীন হই, তাহলে আমি সহজেই উইকিপিডিয়ার একটি প্রস্তুত ব্যাখ্যা খুঁজে নিয়ে এটিকে পাঠ্যের মধ্যে ঢুকিয়ে দিতে পারি, কিন্তু আমি অধিকতর পছন্দ করি একটি ছোট সময়কাল ব্যয় করে একটি গভীর সূক্ষ্ম গবেষণা করা, এর কারণ-পরিণামগুলি বুঝতে, এবং এটির জ্ঞানের পুরো দৃশ্যের মধ্যে এর পরিস্থিতি সম্পূর্ণভাবে বুঝতে।

• রিভিউ মেশিনকে একটি প্রফেশনাল কাজ হিসেবে সময়সূচিতে যোগ করুন: মেশিনের আউটপুটের জন্য প্রকৃতপক্ষে কঠোরভাবে রিভিউ করা হল অত্যন্ত কঠিন এবং মানসিকভাবে ক্লান্তিকর কাজ। এই কাজটিকে সহজ মনে করা হল অনেক টিমের শেষপর্যন্ত রিভিউ বাতিল করে বিপদের মুখে পড়ার প্রধান কারণ। রিভিউ কখনও বিনামূল্যের সন্ধ্যাভোজ নয়; এটিকে আপনার দৈনিক কাজের সময়সূচিতে স্পষ্টভাবে অন্তর্ভুক্ত করুন, যাতে আপনি এটি বাস্তবায়নের জন্য প্রকৃতপক্ষে শক্তি সঞ্চয় করতে পারেন।

• দীর্ঘকাল ব্যবহার না করলে দক্ষতা দ্রুত হ্রাস পায়: যে কোনও দীর্ঘদিন ব্যবহার না করা মানসিক ক্ষমতা দ্রুত ক্ষয়প্রাপ্ত হয়, এবং এর হ্রাসের গতি প্রায়শই আপনার অনুমানের চেয়েও বেশি। আপনি যেসব মৌলিক দক্ষতা কখনও হারাতে চান না, সেগুলির জন্য নিয়মিত নিজের হাতে অনুশীলন করুন।

• স্পষ্ট উদ্দেশ্য বজায় রাখুন: এজেন্টটি আপনাকে বিপরীতভাবে পরীক্ষা করতে, আপনার সাক্ষাত্কার নিতে এবং নীচের যুক্তিগুলি দেখাতে পারে, কিন্তু শর্ত হলো আপনি এই সহযোগিতা মেকানিজমটি সক্রিয়ভাবে ডিজাইন এবং কনফিগার করেছেন। তাই, অবিলম্বে এটি তৈরি করুন।

• আপনার স্পেকট্রামে আপনার প্রকৃত অবস্থানের সাথে সৎ থাকুন: যদি আপনি কোনো এজেন্টের সহায়তা ছাড়াই অন্যকে উত্তরের পটভূমি ব্যাখ্যা করতে না পারেন, তাহলে স্বীকার করুন: আপনি জ্ঞানগত সমর্পণের মধ্যে পড়েছেন।

• সর্বদা পূর্বনির্ধারিত ধারণা নিয়ে প্রশ্ন করুন: কোনো প্রশ্ন করার আগে, ভালো বা খারাপ নির্বিশেষে, মনে মনে নিজের অনুমান প্রস্তুত করুন।

• একটি সবুজ চিহ্ন শুধুমাত্র একটি টেস্ট পাস করেছে বোঝায়: সর্বদা জিজ্ঞাসা করুন: এটি কী পরীক্ষা করেছে? এটি কী চুপিচুপি বাদ দিয়েছে?

• প্রথমে বস্তুনিষ্ঠ যুক্তি দেখুন, তারপর ব্যক্তিগত সিদ্ধান্ত পড়ুন: এটি দ্বারা প্রদানকৃত সুন্দর সারসংক্ষেপ পড়ার আগে, এটি কোন বাস্তব নির্দেশাবলী বাস্তবায়ন করেছে এবং কোন মূল ডেটা আহ্বান করেছে তা প্রতিটি লাইনে পরীক্ষা করুন।

• সিদ্ধান্তের প্রতি সংবেদনশীলতার সাথে পড়ুন: বুঝে নিন যে এই আউটপুটে এজেন্টটি আপনার পক্ষে কোন কোন ক্ষুদ্র সিদ্ধান্ত নিয়েছে।

• আপনার ইনপুট প্রম্পটকে সূক্ষ্মভাবে উন্নত করুন: আপনি যত গভীর এবং সংগঠিতভাবে প্রম্পট লিখবেন, তত স্পষ্টভাবে আপনার প্রশ্নের মূল বিষয়ের উপর আপনার বাস্তব নিয়ন্ত্রণ প্রকাশ পাবে।

• একটি নির্দ্বিধায় ডেলিভারি স্ট্যান্ডার্ড নির্ধারণ করুন এবং তা কঠোরভাবে মেনে চলুন: যদি এই জিনিসটির উপর আপনার নিজের নাম দেওয়ার জন্য আপনার লজ্জা লাগে, তবে তা কখনই অনুমোদন করবেন না।

মূল দক্ষতাগুলির উপর নিয়মিত হাতে-কলমে অনুশীলন করে নিজেকে সবসময় চেসবোর্ডের কেন্দ্রে রাখুন। আপনি দৈনিক জীবনে যে একটি সরল সূক্ষ্ম অভ্যাস তাৎক্ষণিকভাবে চেষ্টা করতে পারেন: একটি স্মার্ট এজেন্টকে প্রশ্ন করার আগে, আপনার পূর্বানুমানের সম্ভাব্য দিকগুলি একটি নোটে লিখুন; এজেন্টের কাজ শেষ হওয়ার পর, তাৎক্ষণিকভাবে একটি বিষয় লিখুন যা এটি অন্তর্ভুক্ত করেনি। এই ক্ষুদ্র প্রতিদ্বন্দ্বিতামূলক অভ্যাসটি কি আপনার AI-এর আউটপুটকে পর্যালোচনা করার সময় আপনার চিন্তার গভীরতা সম্পূর্ণরূপে উল্টিয়ে দিতে পারে? স্বাধীনভাবে চিন্তা করুন, আরও গভীর ও উচ্চমানের প্রশ্ন তুলুন, এবং চূড়ান্ত ফলাফলের জন্য সম্পূর্ণভাবে দায়বদ্ধ হন।

চিত্র: এআই স্মার্ট এজেন্ট ওয়ার্কফ্লোতে স্বাধীন চিন্তা এবং দায়িত্বের বন্দনা বজায় রাখা