Module 2 · Day 5

The Anatomy of a Well-Structured Prompt

গতকাল শিখেছো prompt একটা software — version হয়, measure হয়। আজ শিখবে prompt-এর ভেতরের গঠন: ৬টা অংশের anatomy, system/user/assistant role, delimiter style, placement rule, আর persona — এক বাক্যেই output বদলে দেওয়ার সবচেয়ে সস্তা lever।

~120 min read6 learning objectives

What you'll learn

•একটা well-structured prompt-এর ৬টা অংশ চিনতে পারা: role, context, instructions, examples, input, output format। যেকোনো production prompt দেখে অংশগুলো নিজে label করতে পারা।
•System prompt, user message, assistant message — তিনটার পার্থক্য আর কেন system হলো "persistent contract" — সেটা বলতে পারা।
•তিন ধরনের delimiter চেনা — XML tags, triple quotes, markdown headers — আর কোন context-এ কোনটা ব্যবহার হয় বলতে পারা।
•Placement rule মনে রাখা: long-context prompt-এ query/instructions বসবে শেষে (measured: up to 30% better)।
•এক বাক্যে একটা persona prompt লিখতে পারা যা output-এর tone বা focus বদলে দেয়।
•Day 5-এর English vocabulary (~১৫টা term) মুখে আসা — system prompt, user message, role, persona, delimiter, placement, context, instructions, output format — team meeting/PR review-এ confident ব্যবহারের জন্য।

Before this

•Day 4 শেষ — "prompts as software" বসে গেছে। Test case, assertion, eval — এই vocabulary চেনা।
•Day 3-এর attention concept মনে আছে — সেটাই আজকের "placement matters"-এর intuition।
•ChatGPT/Claude-এ multi-turn conversation করার অভিজ্ঞতা থাকলে ভালো।

The Big Picture

একটা prompt আসলে ৬টা অংশের একটা contract — সেই anatomy দিয়ে শুরু।

Day 4-এ prompt-কে দেখেছো software হিসেবে — version হয়, test হয়, measure হয়। কিন্তু prompt-টা আসলে গঠন করবে কীভাবে? আজকের lesson-এর মূল কথা এক লাইনে: একটা ভালো prompt আসলে ৬টা অংশের একটা contract। Role, context, instructions, examples, input, output format — এই ৬টা label একবার চিনে গেলে যেকোনো production prompt পড়ে সাথে সাথে অংশগুলো আলাদা করে দেখাতে পারবে। আর Day 3-এর attention concept আজ কাজে লাগবে — prompt-এ information কোথায় বসছে, সেটাও output-এ পরিমাপযোগ্য পার্থক্য করে।

The six-part anatomyevery prompt's skeleton

প্রতিটা well-structured prompt-এ ৬টা logical section: Role (model কে), Context (background), Instructions (কী করবে), Examples (ভালো output কেমন), Input (এই turn-এর data), Output format (উত্তরের shape)। সব prompt-এ সব ৬টা লাগে না — কিন্তু label-গুলো universal। মনে করো রাফির complaint-bot: role = "support triage assistant", instructions = "ঠিক একটা label দাও", input = {{complaint}}, output format = enum label। একবার anatomy চিনলে যেকোনো production prompt-কে এভাবে ভেঙে ফেলতে পারবে।

Why it matters

এই vocabulary না থাকলে তুমি "আমার prompt কাজ করছে না" বলতে পারবে, কিন্তু কোথায় সমস্যা সেটা specify করতে পারবে না। Anatomy চিনলে বলতে পারবে "instructions clear কিন্তু output format unspecified" — সেটা actionable।

নিচে একটা production-ready structured prompt — কোড-review করার জন্য লেখা। প্রতিটা অংশের chip চেপে দেখো, কোন অংশ কী কাজ করছে।

Interactive · Six-part anatomy

একটা real prompt-এর dissection — অংশ বেছে দেখো

নিচে একটা production-ready structured prompt। ৬টা chip-এর একটা tap করো — কোন অংশ কী কাজ করছে, matching লাইন highlight হবে আর পাশের panel-এ তার purpose + কেন critical, সেটা আসবে।

[SYSTEM] You are a senior code reviewer focused on security and clarity.You write feedback in a constructive, specific tone. [USER]<context>We're shipping a payment endpoint to production tomorrow.Our team has 3 backend engineers and no dedicated security review.</context> <instructions>Review the code below. For each issue:1. Quote the exact line.2. Explain the risk in one sentence.3. Suggest the fix as a code snippet. Group issues by severity: Critical / High / Medium / Nit.</instructions> <example>Line 42: token = req.headers.authRisk: untrusted header used without validation.Fix: verify(token, secret, { algorithms: ['HS256'] })</example> <code>{{CODE_TO_REVIEW}}</code> <output_format>Return a markdown report with a section per severity level.End with: "Overall verdict: safe to ship / needs revision."</output_format>

Section

Role

who the model is

Model এখন কে — এক বাক্যে। Tone, expertise level, focus — সব এক লাইনে define হয়। System prompt-এর প্রথম sentence।

You are a senior code reviewer focused on security and clarity.

When optional: Default “helpful assistant” যথেষ্ট হলে skip চলে। কিন্তু একটু specialized task-এ একটা role line বিশাল improvement দেয়।

সব prompt-এ সব ৬টা অংশ লাগে না — কিন্তু label-গুলো universal। যেকোনো production prompt পড়ে এভাবেই অংশগুলো আলাদা করে দেখাতে পারবে।

Anatomy তো গেল prompt-এর ভেতরের গঠন। কিন্তু API call-এ prompt আসলে কীভাবে পাঠানো হয়? সেখানে আরেকটা layer আছে — system, user, আর assistant, এই তিনটা message role। পরের অংশে সেটা, তারপর role prompting, delimiter, placement, আর বাকি সব।

Core Concepts

System/user থেকে prompt template পর্যন্ত — ৮টা ধারণা।

System vs userthe contract and the ask

System prompt = persistent contract — role, constraints, style। পুরো conversation জুড়ে stable থাকে। User message = এই turn-এ user যা চাইছে — প্রতিবার বদলায়। Assistant message = model-এর reply, history-তে যোগ হয়। অফিসে ভাবো: boss শুরুতে একবার বলে দিল "তুমি আমার support team-এর হয়ে polite reply লিখবে" (system) — তারপর প্রতিটা নতুন complaint হলো একেকটা user message। Multi-turn chat = এই messages-এর stack; API call-এ তিনটাই messages array-তে যায়।

Why it matters

Module 2-এর প্রায় প্রতি lesson এই separation ধরে নেয়। AI coding agent workflow (Day 16-19), tool use (Day 15, 21), agent loop (Day 34) — সবগুলো system/user/assistant flow-এর উপর বসে।

Role promptingthe one-line lever

System prompt-এর প্রথম sentence — model এখন কে। "You are a senior backend engineer." এক বাক্যে tone, expertise level, vocabulary, focus — সব shift। Prompt-engineering best-practice সরাসরি বলে: even a single sentence makes a difference। কোনো magic phrase লাগে না — clear description দাও। রাফি "You are a customer-support triage assistant" বসালেই bot-এর reply আরও on-task হয়।

Why it matters

এটা lowest-effort, highest-leverage change। ৩-৪ শব্দের একটা role line output-এর audience-fit বিশাল বদলে দেয়। সহজ win — সবসময় try করো।

Delimiterssection markers

Section-গুলো আলাদা করার marker। ৩টা common family: XML tags (`<context>...</context>` — nested/structured style), triple quotes (`"""..."""` — simple quoted style), markdown headers (`## Context` — section-header style, project-instruction file-এ common)। সবগুলো structurally সমান — শুধু convention আলাদা। রাফি complaint-টা `<complaint>...</complaint>` দিয়ে wrap করলে model আর গুলিয়ে ফেলে না "এটা কি data না instruction?"। কোনটা use করবে: project/team-এর convention follow করো।

Why it matters

Delimiter ছাড়া লম্বা prompt = "এটা data না instruction?" — model confused। Delimiter দিলে unambiguous। Nested, multi-section prompt-এ XML সবচেয়ে robust choice।

Placement mattersrecency wins

লম্বা prompt-এ instruction কোথায় বসছে — সেটা output quality-তে মাপা-যায়-এমন পার্থক্য করে। একটা প্রকাশিত measurement: query/instructions prompt-এর শেষে রাখলে long-context multi-document task-এ up to 30% improvement। কারণ attention। Model recent token-এ বেশি জোর দেয় (Day 3)। তাই নিয়ম: লম্বা context আগে, query/instructions শেষে। রাফি ১০টা policy document + তারপর প্রশ্ন — প্রশ্নটা একদম নিচে রাখলে ভালো উত্তর।

Why it matters

Free 30% improvement — শুধু prompt-এর order ঠিক করে। RAG, long-document QA, multi-doc analysis — সব Module 4 task-এ এই নিয়ম critical। AI engineer-এর রোজকার instinct।

Clear and directthe golden rule

একটা useful framing: model-কে ভাবো একজন brilliant কিন্তু নতুন কর্মী হিসেবে, যে তোমার office-এর নিয়ম-কানুন কিছুই জানে না। Vague prompt = vague output। Specific + explicit হও। Golden rule: prompt-টা এমন একজন colleague-কে দেখাও যার minimal context আছে — সে confused হলে model-ও হবে। ভদ্র-polite ভাষা না — actionable specificity চাই।

Why it matters

Bengali speaker হিসেবে আমরা English-এ প্রায়ই over-polite লিখি ("Could you please possibly...")। Production prompt-এ এটা উল্টো hurt করে। Direct imperative চাই: "Do X. Output as JSON." — সংক্ষিপ্ত, clear।

Add contextexplain motivation

Instructions-এর সাথে কেন (motivation) যোগ করা শক্তিশালী। "Format in markdown" — generic markdown পাবে। "Format in markdown because we'll render in a GitHub README" — GitHub-friendly markdown পাবে (task list, emoji shortcut)। কেন বললে model একটা target পায়। freelance client-কে যেমন বলো "এই style-টা কারণ এটা তাদের brand" — তেমন।

Why it matters

Why যোগ করা prompt-কে একটু longer করে — কিন্তু smarter করে। Token cost সামান্য, output quality gain বড়।

Step-by-stepordered procedures

যখন order matter করে — "Step 1, Step 2, Step 3" দিয়ে number করো। Model এটাকে sequence হিসেবে নেয়, paragraph হিসেবে না। এটা established clarity tactic — অনেক prompt-engineering guide-এই recommend করা হয়। (এটা CoT chain-of-thought থেকে আলাদা — সেটা Day 13।)

Why it matters

Multi-step task-এ order ছাড়া model নিজে order বেছে নেয় — সবসময় সঠিক না। Step-by-step deterministic execution force করে।

Prompt template{{variable}} slots

Variable slot-যুক্ত prompt — `{{user_question}}`, `{{document}}`, `{{date}}`। Runtime-এ variable বসে, structure unchanged। Production-এর প্রতিটা prompt একটা template। রাফির `Categorize {{complaint}}` — সেটাও একটা template, যেটা Day 4-এ git-এ commit হয়েছিল। Eval config, prompt-management library, বা API-র messages array — সবই template-এর implementation।

Why it matters

Day 4-এর version control + Day 5-এর structure মিলে template = এটাই git-এ commit হয়। Day 8-এ তুমি প্রথম production template লিখবে।

Tip

৩টা ছোট change, প্রতিদিনের prompt-এ কাজে লাগবে — (১) vague না, specific-explicit লেখো; (২) instruction-এর সাথে "কেন" যোগ করো, model একটা target পায়; (৩) multi-step task হলে Step 1, Step 2 করে number করো। তিনটাই আজকের lesson-এর সরাসরি ফল।

Try It Yourself

পড়া বন্ধ — এবার নিজের হাতে।

৪টা interactive demo — message role stack থেকে persona swap পর্যন্ত।

Interactive · Message roles

System / user / assistant — multi-turn flow

একটা code review session step-by-step। System prompt শুরুতে — entire conversation জুড়ে stable। তারপর user/assistant messages stack হতে থাকে। প্রতিটা message-এর role + কেন সেটা সেখানে — দেখো।

System

You are a senior backend engineer reviewing pull requests for security and clarity. Be specific, cite line numbers, and group issues by severity.

User

Can you review this auth middleware? It handles JWT verification.

Assistant

Sure — please paste the code and I'll review for security and clarity issues.

User

[code pasted here] — also, we ship tomorrow so prioritize critical issues.

Assistant

Found 3 critical issues: 1. Line 42 — JWT signature not verified... 2. Line 58 — Missing expiry check... 3. Line 71 — Algorithm header trusted from request...

একটা role line লিখেই output-এর tone আমূল বদলে দেওয়া যায় — নিচে একই প্রশ্নে ৩টা ভিন্ন persona try করে দেখো।

Interactive · Persona swap

এক বাক্য system prompt — তিন রকম output

একই user question (“Explain recursion to me.”) — শুধু system prompt-এর role line বদলে দিলে output dramatically shift। Persona = lowest-effort, highest-leverage prompt change।

System prompt

You are a senior backend engineer with 15 years of experience. Explain technical concepts precisely, assume the listener has programming background, use industry terminology naturally.

Audience: technical। Output: precise, terminology-ভারী।

User message (same across all 3 personas)

Explain recursion to me.

Assistant output (illustrative)

Recursion is a function calling itself, with each call pushing a frame onto the call stack until a base case unwinds the stack. Watch for stack overflow on deep inputs and prefer tail-call elimination or iterative loops where possible.

Notice: Same question, same model — ৩টা totally different output style। Persona line এক sentence — কিন্তু effect huge। এটাই সেই principle — “a single sentence makes a difference।”

এবার delimiter — একই prompt, ৩টা ভিন্ন structural marker দিয়ে লেখা। কোনটা কখন ব্যবহার করবে, ট্যাব বদলে দেখো।

Interactive · Three delimiter styles

Same prompt, ৩টা different structural marker

নিচের ৩টা style structurally সমান — শুধু convention আলাদা। কোনটা use করবে নির্ভর করে model + project convention-এর উপর। প্রতিটার example + কখন best fit, সেটা দেখো।

XML tagsStructured (XML)

Section-গুলোকে opening + closing tag দিয়ে wrap। Nested tag ব্যবহার করা যায়, section boundary কখনো অস্পষ্ট হয় না — অনেক modern language model এই structure ভালো parse করে। Complex prompt-এ সবচেয়ে robust।

When to use:Multi-section prompt, complex context, nested data (একাধিক document)। Structured-prompt convention-এ এটাই default choice।

Example

<context>
We're shipping a payment endpoint tomorrow.
Team has 3 engineers, no dedicated security review.
</context>

<instructions>
Review the code. For each issue:
1. Quote the exact line.
2. Explain the risk in one sentence.
3. Suggest a fix.
</instructions>

<code>
{{CODE_TO_REVIEW}}
</code>

Project convention follow করো। Structured/nested prompt-এ XML common। Simple two-section prompt-এ triple quotes common। Project-instruction file-এ markdown headers common। তিনটাই কাজ করে — consistency-ই key।

শেষ demo — placement। একই instruction, শুধু prompt-এর কোথায় বসছে সেটাই বদলে দিলে output quality-তে কী পার্থক্য হয় — নিজেই টগল করে দেখো।

Interactive · Placement matters

Instruction-টা কোথায় রাখবে — top vs bottom?

একই instruction, একই context — শুধু placement আলাদা। একটা প্রকাশিত measurement বলছে: long-context multi-doc task-এ query bottom-এ রাখলে up to 30% improvement। কারণ Day 3-এর concept: recent tokens-এ attention strongest।

Instruction (placed first)

Find the date when Q3 sales exceeded $5M.

Long context (10+ documents)

Document 1: financial report Q1 2024, p. 7 — revenue, expenses, growth metrics across regions...

Document 2: financial report Q2 2024, p. 14 — revenue, expenses, growth metrics across regions...

Document 3: financial report Q3 2024, p. 21 — revenue, expenses, growth metrics across regions...

Document 4: financial report Q4 2024, p. 28 — revenue, expenses, growth metrics across regions...

Document 5: financial report Q1 2024, p. 35 — revenue, expenses, growth metrics across regions...

Document 6: financial report Q2 2024, p. 42 — revenue, expenses, growth metrics across regions...

Document 7: financial report Q3 2024, p. 49 — revenue, expenses, growth metrics across regions...

Document 8: financial report Q4 2024, p. 56 — revenue, expenses, growth metrics across regions...

Document 9: financial report Q1 2024, p. 63 — revenue, expenses, growth metrics across regions...

Document 10: financial report Q2 2024, p. 70 — revenue, expenses, growth metrics across regions...

Document 11: financial report Q3 2024, p. 77 — revenue, expenses, growth metrics across regions...

Document 12: financial report Q4 2024, p. 84 — revenue, expenses, growth metrics across regions...

Illustrative pass rate

58%

Context যত বড় হয়, top-এ দেওয়া instruction model তত “ভুলে যায়”। Attention recent token-এ strong, দূরের token-এ অপেক্ষাকৃত weak — Day 3-এর concept।

Why this happens

Self-attention attended-to tokens-এর weighted blend। Recent tokens-এ attention বেশি concentrate করে; বহু-pages আগের instruction relative weak। তাই বড় context-এ query bottom-এ রাখলে model-এর immediate focus সেখানেই।

Rule of thumb: Long context (10+ documents বা 20k+ tokens) — query/instructions বসাও শেষে। Short prompt-এ এই rule less critical।

Check Your Understanding

ভুল হলে সমস্যা নেই — প্রতিটার ব্যাখ্যা আছে।

Misconception check

System prompt আর user message মূলত একই — শুধু label আলাদা

Misconception check

XML tags পুরোনো — modern prompt-এ এগুলো লাগে না

Misconception check

Prompt-এ instruction কোথায় বসছে — সেটা আসলে matter করে না

Misconception check

Persona / role prompting roleplay-জাতীয় ফালতু জিনিস

Misconception check

Prompt যত polite + flowery, output তত ভালো

Misconception check

Model-কে "কেন" বলা মানে token নষ্ট

Misconception check

Step-by-step instructions শুধু prompt ভারী করে

Quick check