Peter Zhang
১২ জানুয়ারি, ২০২৬ ২৩:০৩
GitHub ডেভেলপারদের জন্য কাস্টম নির্দেশনা, পুনঃব্যবহারযোগ্য প্রম্পট এবং বিশেষায়িত এজেন্টের মাধ্যমে AI কোডিং আউটপুট উন্নত করার তিনটি ব্যবহারিক পদ্ধতি প্রকাশ করেছে।
GitHub ডেভেলপারদের একটি নতুন ফ্রেমওয়ার্কের মাধ্যমে মৌলিক প্রম্পটিং এর বাইরে যেতে উৎসাহিত করছে যাকে তারা কনটেক্সট ইঞ্জিনিয়ারিং বলে—AI কোডিং সহায়কদের সঠিক সময়ে সঠিক তথ্য প্রদানের একটি পদ্ধতিগত পদ্ধতি। ১২ জানুয়ারি, ২০২৬ তারিখে প্রকাশিত নির্দেশিকায় GitHub Copilot থেকে আরও ভালো ফলাফল পাওয়ার তিনটি নির্দিষ্ট কৌশল বর্ণনা করা হয়েছে।
এই ধারণাটি প্রতিনিধিত্ব করে যা Braintrust CEO Ankur Goyal "LLM-এ সঠিক তথ্য (সঠিক ফরম্যাটে) আনা" হিসেবে বর্ণনা করেছেন। এটি চতুর বাক্যাংশ সম্পর্কে কম এবং কাঠামোগত ডেটা বিতরণ সম্পর্কে বেশি।
তিনটি কৌশল যা আসলেই কাজ করে
Harald Kirschner, Microsoft-এর প্রিন্সিপাল প্রোডাক্ট ম্যানেজার যিনি VS Code এবং Copilot-এ গভীর দক্ষতা রাখেন, গত শরতে GitHub Universe-এ এই পদ্ধতিটি তুলে ধরেন। তিনটি পদ্ধতি:
কাস্টম নির্দেশনা টিমগুলিকে কোডিং কনভেনশন, নামকরণের মান এবং ডকুমেন্টেশন স্টাইল নির্ধারণ করতে দেয় যা Copilot স্বয়ংক্রিয়ভাবে অনুসরণ করে। এগুলো .github/copilot-instructions.md ফাইলে বা VS Code সেটিংসে থাকে। চিন্তা করুন: React কম্পোনেন্টগুলি কীভাবে কাঠামোবদ্ধ হওয়া উচিত, Node সার্ভিসে ত্রুটিগুলি কীভাবে পরিচালনা করা হয়, বা API ডকুমেন্টেশন ফরম্যাটিং নিয়ম।
পুনঃব্যবহারযোগ্য প্রম্পট ঘন ঘন কাজগুলিকে মানসম্মত কমান্ডে পরিণত করে। .github/prompts/*.prompts.md-এ সংরক্ষিত, এগুলি /create-react-form-এর মতো স্ল্যাশ কমান্ডের মাধ্যমে ট্রিগার করা যায়। টিমগুলি কোড রিভিউ, টেস্ট জেনারেশন এবং প্রজেক্ট স্ক্যাফোল্ডিংয়ের জন্য সেগুলি ব্যবহার করে—প্রতিবার একই এক্সিকিউশন।
কাস্টম এজেন্ট সংজ্ঞায়িত দায়িত্ব সহ বিশেষায়িত AI পার্সোনা তৈরি করে। একটি API ডিজাইন এজেন্ট ইন্টারফেস পর্যালোচনা করে। একটি সিকিউরিটি এজেন্ট স্ট্যাটিক অ্যানালাইসিস পরিচালনা করে। একটি ডকুমেন্টেশন এজেন্ট মন্তব্য পুনর্লিখন করে। প্রতিটিতে তার নিজস্ব টুল, সীমাবদ্ধতা এবং আচরণ মডেল অন্তর্ভুক্ত থাকতে পারে, জটিল ওয়ার্কফ্লোর জন্য এজেন্টদের মধ্যে হস্তান্তর সক্ষমতা সহ।
এটি এখন কেন গুরুত্বপূর্ণ
কনটেক্সট ইঞ্জিনিয়ারিং ২০২৬ সালের শুরুতে AI ইন্ডাস্ট্রি জুড়ে উল্লেখযোগ্য গতি অর্জন করেছে, GitHub-এর নির্দেশিকার একই সপ্তাহে একাধিক এন্টারপ্রাইজ-কেন্দ্রিক আলোচনা আবির্ভূত হয়েছে। এই শৃঙ্খলা একটি মৌলিক সীমাবদ্ধতা সমাধান করে: LLM-গুলি কাঁচা প্রশ্নের পরিবর্তে কাঠামোগত, প্রাসঙ্গিক পটভূমি তথ্য দেওয়া হলে নাটকীয়ভাবে ভালো পারফর্ম করে।
Retrieval Augmented Generation (RAG), মেমরি সিস্টেম এবং টুল অর্কেস্ট্রেশন সবকিছু এই ছাতার নিচে পড়ে। লক্ষ্য শুধুমাত্র ভালো কোড আউটপুট নয়—এটি ডেভেলপার ফ্লো নষ্ট করে এমন বার্তালাপমূলক প্রম্পটিং হ্রাস করা।
যে টিমগুলি ইতিমধ্যে Copilot ব্যবহার করছে, তাদের জন্য ব্যবহারিক সুবিধা হল রিপোজিটরিগুলি জুড়ে সামঞ্জস্য এবং দ্রুত অনবোর্ডিং। নতুন ডেভেলপাররা "কীভাবে Copilot সঠিকভাবে প্রম্পট করতে হয়" সম্পর্কে গোষ্ঠীগত জ্ঞান শেখার পরিবর্তে কনটেক্সট ইঞ্জিনিয়ারিং সেটআপ উত্তরাধিকার পায়।
GitHub-এর ডকুমেন্টেশনে প্রতিটি কৌশলের জন্য সেটআপ গাইড অন্তর্ভুক্ত রয়েছে, যা পরামর্শ দেয় যে কোম্পানি ভবিষ্যতে AI-সহায়তাকৃত ডেভেলপমেন্টের জন্য কনটেক্সট ইঞ্জিনিয়ারিংকে একটি মূল দক্ষতা হিসেবে দেখে।
ছবির উৎস: Shutterstock
উৎস: https://blockchain.news/news/github-copilot-context-engineering-techniques
